Case study: под капотом прайс-агрегатора Price.Ru

Смотрите в каталоге
Маркетплейсы
Case study: под капотом прайс-агрегатора Price.Ru

Профессионалы контекстной рекламы, равно как и владельцы Интернет-магазинов, знают: контекст для E-commerce - процесс трудоёмкий. И с каждым новым товаром сложность ведения рекламы значительно возрастает. Если в магазине несколько тысяч товарных позиций, необходимо создавать тысячи карточек товара, а затем подбирать для них сотни тысяч ключевых слов и составлять десятки тысяч объявлений. Но на создании объявлений работа специалиста не заканчивается: необходимо управлять ставками, следить за актуальностью объявлений, перепроверять весь ассортимент на наличие и улучшать показатели ROI и CPO.

Звучит непросто? Да. И в то же время любой ветеран контекстной рекламы, запустивший не один десяток рекламных кампаний, с этим сталкивался. Худо или бедно, но с поставленной задачей можно справиться при наличии должного опыта, развитой смекалки и хорошего багажа знаний. И, разумеется, “прямых” рук. Но даже “прямые руки” не помогут в том случае, когда необходимо работать с ассортиментом, состоящим из всех товаров Рунета. А это - ежедневная реальность ведущих прайс-агрегаторов.

С одной стороны, быть агрегатором проще - расходная часть значительно меньше, чем у стандартного Интернет-магазина. У прайс-агрегаторов нет складских помещений, шоу-румов или пунктов выдачи, они не переживают по поводу закупочной стоимости, достаточного количества SKU и курьерской логистики. При этом у них есть другой, не менее сложный пул задач по эффективной закупке трафика.

Трудоёмкость ведения контекстной рекламы для агрегатора в сотни раз больше по сравнению с любым другим E-commerce проектом. Эффективно управлять кампаниями, в которых реклама ведёт на несколько миллионов страниц, один человек (и даже специально обученный отряд рекламного спецназа) не в состоянии.

Есть ли выход из такой ситуации? Ещё несколько лет назад ответ на этот вопрос был бы отрицательным, но сегодня это возможно. Возьмём реальный пример агрегатора Price.ru, который смог справиться с этой задачей, используя пару тузов в рукаве.

Для начала, давайте разберемся, что из себя представляет Price.Ru сегодня:

Один из первых в России сайтов сравнения цен - почти 20 лет на рынке. В нём тысячи активных интернет-магазинов размещают свои товары. Это 20 000 000 (да, всё верно - двадцать миллионов) товаров из любой отрасли, которую только можно представить. В общем, если это товар, его можно продать через Интернет и условия его продажи не нарушают законодательство, - он есть на Price.ru.

На чём зарабатывает Price? На генерации трафика и заказов интернет-магазинам по модели CPC (оплата за клик).

Это значит, что с одной стороны, мы имеем 20 000 000 товаров, которые ищут пользователи, с другой стороны, у нас тысячи магазинов, которые готовы эти товары продавать. В данном случае миссия агрегатора – помочь покупателям найти продавцов, заработав на посредничестве.

Рисунок 1 – Бизнес-задача схематично

Поскольку экономика прайс-агрегаторов отличается от экономики стандартных интернет-магазинов, задача перед ними стоит необычная. Нужно увеличивать количество трафика из контекстной рекламы так, чтобы канал был на грани самоокупаемости - оптимальным считается ROI от 0 до 5%. Такие задачи ставятся для того, чтобы агрессивно захватывать рыночную долю: несмотря на то, что прайс-агрегатор ничего не зарабатывает, при ROI в 0% он ничего и не теряет. Учитывая постоянно увеличивающийся объём трафика и растущие рекламные расходы, несложно догадаться, что в нужный момент можно принять стратегическое решение увеличить показатель возврата инвестиций и заработать больше на уже выросшей массе пользователей.

Построение сквозной аналитики

Для того, чтобы ориентировать рекламу на ROI, мы должны сначала научиться грамотно его подсчитывать. Когда в ассортименте всего несколько сотен товаров, понять рентабельность можно путём несложных подсчётов, сделанных “на коленке”. Но для прайс-агрегаторов такой подход не работает: массив в 20 миллионов товаров очень сложно быстро привести к единому знаменателю. Здесь не поможет практически никакая разбивка на единицы коммерческого смысла (например, категории товаров или отдельные группы). В нашем случае, чтобы контролировать уровень окупаемости и иметь возможность проводить оптимизацию ставок с учётом ROI, нужно получать значения ROI по каждому ключевому слову. Стоит ли говорить, сколько ключевых слов придётся при этом анализировать?

Более того, ситуация осложнена тем, что привычный для историй с малым количеством трафика метод учёта конверсий через Google Analytics не срабатывает - на больших объёмах он выдаёт очень сильную погрешность, теряя до 60% данных. Это связано с ограничениями стандартной версии Analytics.

Задача, впрочем, решаема: нужно воспользоваться системой автоматизации, которая может сводить данные о затратах и кликах от Яндекс Директ и Google AdWords с данными о доходах. Они подтягиваются из внутренней биллинговой системы Price.Ru и на их основании динамически изменяются ставки по ключевым словам. Процесс выбора системы был основан на следующих соображениях:

«При выборе системы автоматизации контекста у нас было три критерия,– комментирует Ольга Ивашина, директор по маркетингу Price.Ru. – Во-первых, отказоустойчивость на наших объемах. Во-вторых, готовая интеграция не только с Яндекс.Директ, но и с Google AdWords. В-третьих, высокий уровень клиентского обслуживания. По всем этим критериям Alytics значительно опередил аналоги».

После выбора системы автоматизации дело остаётся за малым: подключить все аккаунты в контекстных рекламных системах и провести интеграцию с внутренней системой учёта доходов прайс-агрегатора. Это несложно, самое интересное - впереди.

Привлечение трафика из контекста

С точки зрения контекстной рекламы гигантский ассортимент прайс-агрегаторов имеет одно преимущество - большое количество товаров позволяет охватить множество недорогих и эффективных ключевых фраз. Можно составить большое семантическое ядро из низкочастотных запросов (это редкие запросы, которые пользователи вводят всего несколько раз в месяц). Так появляется рычаг, позволяющий делать контекстную рекламу дешёвой и эффективной.

Первое, что для этого нужно сделать – запустить товарную рекламу. Особенность товарной рекламы заключается в том, что под каждую карточку товара подбираются ключевые слова, затем под них пишутся адаптивные объявления (каждому - своё), а в качестве страницы приземления берется сама карточка товара.

Товарная реклама даёт ряд преимуществ:

  • низкая цена клика;
  • очень целевой трафик;
  • большой охват за счет гигантского семантического ядра;
  • высокий CTR;
  • высокая конверсия, т.к. пользователи находятся на последнем шаге принятия решения о покупке.

Рисунок 2 - страница карточки товара

Стоит отметить, что Price.Ru в контекстную рекламу выгружает не все товары, а только часть - это около 1 000 000 позиций. Это, опять же, решается довольно быстро - система автоматизации генерирует объявления по заданным правилам и параметрам, затем загружает их в системы контекстной рекламы, отслеживая активность объявлений и отключая показы для тех товаров, которые исчезли из продажи. Ну и, конечно, ежедневно генерируя объявления для вновь появляющихся товаров.

Механизм автоматизации выглядит следующим образом:

  1. на основе каталога товаров формируется YML-файл. YML (сокращённо от Yandex Market Language) - это несколько видоизменённый XML файл, работающий по формату Яндекс.Маркет. В данный файл попадают только карточки товаров с активными ссылками на магазины;
  2. после формирования файла он загружается в Alytics, где генерируются объявления по заданным шаблонам;
  3. сгенерированные объявления автоматически загружаются в Google и Яндекс с проставлением UTM-меток, используемых для сбора статистики.

Рисунок 3 – Схема автоматизации товарной рекламы

Но даже эта на вид простая операция таит в себе массу “граблей”, на которые можно легко наступить. Во-первых, система автоматизации должна уметь справиться с большим массивом данных. Сначала ей нужно пропарсить все товарные позиции в файле YML. Если очередь парсинга не оптимизирована, может одновременно происходить 300 параллельных процессов. Это уже сильная нагрузка на систему, но только начало наших испытаний. После каждого парсинга в базу записывается миллион… стоп, два миллиона объявлений (по одному на Яндекс и на Google). Если заранее не продумать архитектуру автоматизации и не распределить нагрузку, система может просто рухнуть. В лучшем случае, она будет сильно тормозить, что сводит на нет часть её функций.

Ладно, представим, что и этот этап пройден успешно. Теперь системе нужно проделать два миллиона операций в обратную сторону - достать объявления из базы и загрузить их на площадку. Иногда API рекламной системы может воспротивиться большому количеству параллельных потоков и перестать принимать запросы. А без применения большого количества параллельных потоков может зависнуть сама система.

Допустим, мы справились и с этой задачей. Объявления генерируются и ставки регулярно обновляются. После этого можно создавать кампании не только под страницы карточек товаров, но и под:

  • категории каталога (Автомобильные видеорегистраторы – рисунок 4)

Рисунок 4 - ветка каталога одной категории

  • категории каталога с привязкой к бренду (Ноутбуки Packard Bell – рисунок 5).

 

Рисунок 5 - ветка каталога с сортировкой по бренду «Ноутбуки Packard Bell»

И всё бы хорошо, да вот только iPhone (и любой другой товар) могут искать по-разному:

  • apple iphone 5 16 гб;
  • айфон 5 16 гб;
  • айфон 5 16 гб цена;
  • купить эйпл афон 5;
  • купить ifone.

 

Рисунок 6 - поисковая выдача

Видно, что в результаты поиска подмешиваются ссылки на товарные карточки Price.Ru. Технически такие “подмесы” в выдачу формируются в несколько этапов.

Первый этап - это взаимодействие сервисов Price.Ru и поисковой системы Рамблер. Суть заключается в том, что на Price.ru установлена поисковая машина, которая неплохо умеет искать, даже если пользователь вводит не прямой запрос, а синоним. И когда пользователь набирает в Рамблер товарный запрос, автоматически происходит обращение к поисковой машине Price.Ru, которая находит товары и отдает их в поисковую выдачу.

После того, как страница выдачи сгенерировалась, Price.Ru проверяет, насколько релевантную выдачу он отдал по синониму. Выдача считается релевантной, если удовлетворяет двум условиям:

  • из поисковой выдачи пришло не менее 15 посетителей, и конверсия в переходы в магазины не менее 50%.

 

Рисунок 7 – Схема автоматического подбора синонимов

В случае, если синоним оказался релевантным и пользователи активно по нему переходят, он добавляется в файл YML в качестве синонима к конкретному товару. За счёт этого семантическое ядро растёт и множится. Вроде бы всё хорошо. Но есть один нюанс: со временем синоним может стать нерелевантным товару. В таком случае он автоматически убирается из семантического ядра.

Общая “схема жизни” синонима выглядит так: верные синонимы с привязкой к соответствующему товару генерируются автоматически через YML и Alytics, а затем загружаются в системы контекстной рекламы. Синоним привязывается к товару, который находится в выдаче Price на первом месте. Затем синоним постоянно анализируется на предмет актуальности, и в случае признания его ошибочным удаляется из активного семантического ядра.

Стоит отметить, что синонимы проверяются не только автоматически, но и вручную - но только после выгрузки в систему контекстной рекламы. Специалист по контекстной рекламе в ручном режиме постепенно просматривает аккаунты Яндекс.Директ и Google AdWords и вычищает некачественные ключевые фразы. К слову, доля таких “плохих фраз”, отобранных вручную, не превышает 5%.

В сухом остатке

На примере Price.ru мы видим, что работа с контекстной рекламой становится затруднительной, если нужно продвигать десятки и сотни тысяч товаров одновременно. Данные теряются, а обновлять такое количество объявлений вручную не представляется возможным. После тесной интеграции внутренних сервисов с системой автоматизации проблема исчезает. Появляются новые задачи - каким образом автоматизировать подбор синонимов к сгенерированным запросам? Для этой задачи можно использовать алгоритмы поисковых систем, которые на основе машинного обучения подбирают карточку товаров, релевантные поисковому запросу. Если полученные данные подтверждают релевантность выдачи, то синоним добавляется в семантическое ядро контекстной рекламы.

Всё это, конечно, замечательно и высокотехнологично, но есть ли от подобных танцев с бубнами какая-либо польза для закупающих большое количество трафика агрегаторов? Выясняется, что есть. Результат вышеописанных действий:

  • уменьшение времени  и трудозатрат. Да, метрика вроде непонятная и трудноизмеримая. Но стоит лишь подумать о поставленных задачах, а затем рассчитать ФОТ, необходимый для их решения, экономия сразу становится понятной и осязаемой;
  • рост семантического ядра. Как мы уже упоминали выше, если хорошо составить большое семантическое ядро, можно легко и дёшево привлечь большое количество высокоцелевого трафика. Результат работы с автоматизацией подбора синонимов для 1 000 000 товаров следующий: и без того массивное семантическое ядро выросло в 3 раза за один месяц;
  • количество трафика выросло в 2,6 раз за один месяц. И не просто выросло, но и не повлияло на конечный ROI, оставшийся в пределах 5%.

Автор: Александр Егоров. 

Директор по развитию Alytics Опыт в контекстной рекламе - 10 лет.

Практик с очень большим опытом ведения контекстной рекламы по CPA и ROI.

За плечами контекстная реклама для: Price.ru, Московский Кредитный Банк, авиакомпаний Аэрофлот и SkyExpress, тур-операторов Pegas, DSBW и TezTour, Сервис КупиКупон, Связной Банк, Saxo Bank, ЦУМ, МИАН, издательство Ferra, магазин Finn Flare.

Компании и сервисы: Яндекс.Маркет, Связной, Google AdWords, Alytics, Price.ru, Яндекс.Директ, FINN FLARE
Автор: Анна

Подписаться на новости

Читайте также

17 февраля / Комментарии

Тренды eсommerce: мужчины VS женщины

Просторы Интернета дали нашим современникам такие возможности для шоппинга, каких мы не могли себе представить еще десять лет назад. Пресс-центр PayOnline решил разобраться, насколько отличается поведение мужчин и женщин при совершении покупок в Интернете, - и подготовил инфографику «Мужчины VS женщины. Тренды eCommerce».

далее →

16 февраля / Комментарии

Ближайшие перспективы и направления развития интернет-торговли

Национальная ассоциация дистанционной торговли (НАДТ), лидер российского рынка экспресс-доставки DPD и ведущий логистический оператор рынка e-commerce PickPoint, объявили итоги исследования e-Commerce FUTURUM 2022, включающие оценку популярных ИТ-концептов, технологий и сервисов для онлайн-торговли и вероятность их развития в ближайшем будущем.

далее →

13 февраля / Комментарии

Возраст имеет значение. Особенности восприятия рекламы

Для анализа мы использовали методику пассивного наблюдения за посетителями сайтов, разработанную исследовательской компанией Online Market Intelligence (OMI). Она позволяет определять базовые параметры работы интернет-магазинов без проведения опросов. При этом у ресечеров имеется достаточно много информации не только о действиях посетителей, но и их социально-демографических параметрах: поле, возрасте, доходе, численности семьи, наличие детей и др.

далее →

7 февраля / Комментарии

Реальный e-commerce. Практические аспекты запуска, продвижения и эксплуатации интернет-магазинов. Часть 2

Мы продолжаем начатый в декабре прошлого года цикл публикаций, в котором представители отрасли делятся своими мнениями о различных составляющих успеха интернет-магазина.
На наши вопросы любезно согласились ответить представители компаний CS-Cart, Payler, Alltrades.ru,  SiteSecure, EcommPay, Айри.рф и многих других.

далее →

6 февраля / Комментарии

Сколько стоит современный товарный контент?

Все компании рано или поздно задумываются о том, сколько же они тратят на cамостоятельное создание и поддержку своих онлайн-каталогов товаров. Давайте посмотрим, из каких слагаемых  складывается, собственно, себестоимость производства контента. Рассмотрим мы это на примере трех случаев.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook