Как систематизировать и масштабировать процессы в контекстной рекламе

Агентство контекстной рекламы 1jam.ru поделилось интересным кейсом, в котором на примере реального интернет-магазина city-tuning.ru показано: как правильно интегрировать контекстную рекламу в бизнес, рекламу каких категорий товаров нужно запускать в первую очередь, какие ошибки подстерегают уже после запуска рекламных кампаний.

Настроить контекстную рекламу самостоятельно не так сложно, пару вечеров и на «троечку» все будет работать. А если работает на 3, то имеет смысл вкладываться и делать на 5, это как раз задача агентства, потому что сложность между 3 и 5 растет геометрически. Или наоборот, если не работает на 3, то скорее всего не будет работать и на 5, так как причина может быть не только в контекстной рекламе, но и в конкуренции, ценах, ассортименте, доставке и прочих факторах.

Клиент ранее работал с фрилансерами, пробовал вести кампании самостоятельно, искал штатного специалиста, поэтому к нам пришел с пониманием задачи и нашей роли в его бизнесе, это позволило говорить на одном языке и ускорить все процессы.

Задача звучала просто «контекст вроде работает, но не понимаю как им управлять, давайте сделаем нормально», это как раз то, что нам нужно, когда бизнес-модель проверена, нужно все систематизировать и масштабировать.

О чем пойдет речь ниже?

• Конверсии с контекстной рекламы присваивались email’ам по подтверждению регистрации и платежным сервисам, в результате чего мы не могли корректно оценить эффективность.
• Пользователи приходят с контекста, уходят думать на неделю, а потом заходят напрямую и покупают, такие конверсии присваиваются прямым переходам, но по факту они с контекстной рекламы.
• Какие категории товаров запускать в первую очередь, если их 100 — сделали матрицу покрытия спроса по брендам и категориям товаров.
• Как посчитать LTV в разрезе нескольких лет, по городам, категориями товаров и прочее.
• Как увеличить выручку в 2 раза — никаких секретов, просто много работали :)

Аудит

Перед стартом проекта мы проводим аудит, чтобы предметнее понять, чем можем помочь клиенту и можем ли вообще, по пунктам:

• Клиент не выгружает выручку в Google (сайт нарушает закон РФ) Analytics, поэтому исследовали количество подтвержденных заказов и их стоимость в разрезе категории товаров, брендов, географии, площадок показов и прочих параметров, их может быть около сотни.

То есть наша задача найти аномалии, например с МКБ стоимость заказа в 2 раза выше среднего, аналогично по бренду Omsa и по географии СНГ.

Далее мы с клиентом думаем, как увеличить продажи по СНГ и почему Omsa плохо продаётся (был недостаточно широкий ассортимент).

• Текущий подрядчик не использовал в контекстной рекламе брендовые запросы, НО через партнерскую сеть «лил» на них трафик тем самым получая вознаграждение за заказы, интересная схема :)
  
  
• Не использовались номенклатурные запросы, которые являются наиболее транзакционными, когда пользователь ищет конкретную модель товара, например.
  
  
• Не оптимизировались площадки РСЯ, например, были площадки, где было более 10 т.р., расходов и ни одной конверсии.
  
  
• У городов разная конверсия, но ставки выставлены одинаковые.
  
  
• Не используются корректировки по типам устройств и половозрастным сегментам, хотя показатели конверсии разные и ставки тоже должны быть выставлены разные.
  
  
• Проверили все ссылки на предмет 404 ответа и нашли ошибки.
  
  
• Клиент анализирует рекламные кампании в разрезе количества и стоимости заказов, хотя каждая товарная категория имеет свой средний чек и маржу, это все равно, что лечить всех «зеленкой».

История вполне стандартная, собрать и запустить рекламные кампании не так трудно, достаточно посмотреть пару видеоуроков. Работа начинается, когда кампаниями нужно управлять и масштабировать, например, управлять окупаемостью.

Возьмем категорию товаров по бамперам, аукцион Яндекс Директ работает таким образом, что чем больше кликов вы получаете, тем дороже стоит каждый последующий, следовательно чем больше заказов мы получаем, тем дороже будет стоить каждый последующий, смотрите синюю линию на графике.

Так как с ростом объема заказов растет их стоимость («лиды» на графике), то в определенный момент она начинает съедать вашу маржу и нужно найти оптимум: задачка на поиск оптимального объема производства из школы.

То есть по каждой товарной категории нужно искать оптимальный охват, при котором прибыль будет максимальной. А теперь, представьте, у вас 100 категорий и для каждой нужно искать оптимум, представили? А теперь, что у каждой категории свой оптимиум по регионам, полу, возрасту, устройствам и прочим параметрам.

Попробуем проще, представьте, у вас сеть кофеен, часть из них работает в плюс, а часть в минус, но вы вкладываете одинаковые деньги в развитие каждой, поэтому вы растете очень медленно, так как спонсируете убыточные кофейни точно также, как спонсируете прибыльные.

Что мы делали на проекте

Маркетинговый анализ

Часто, клиенты приходят к нам с проблемами в контекстной рекламе, но на самом деле проблема в маркетинге, например, цены в 2 раза выше или сайт не «юзерфрендли», чтобы снять эти риски, мы делаем минимальный маркетинговый анализ, некоторые выводы ниже.

Сравнили наше предложение с конкурентами в Excel формате

 

• Убедились, что наши цены в среднем рыночном диапазоне, условия доставки и оплаты одинаковые, ассортимент широкий
• Поняли структуру конкурентов
  • косвенные (оффлайн магазины, авторынки)
  • региональные магазины с оффлайн точками
  • специализированные магазины по отдельным видам частей (например фаркопы farcopoff.ru, пороги http://всепороги.рф)
  • крупный онлайн магазины https://www.ozon.ru/catalog/1175980/
  • китайские магазины (aliexpress, alibaba)
  • крупные поставщики запчастей exist.ru
  • и прочее
• Выявили наиболее крупных конкурентов и исследовали, откуда они берут трафик

Запуск контекстной рекламы

С чего начать, если у вас 100 категорий товаров, для этого мы составили матрицу охвата категорий товаров по брендам, где в синих ячейках мы имеем неохваченный спрос. На основании матрицы и прочих исследований, вместе с клиентом составили план расширения и выделили бюджет на тестирование.

Проблема с присвоением конверсии

Сложности при росте рекламного бюджета

Когда вы первый раз делаете посадочную страницу и запускаете контекстную рекламу, то с аналитикой все просто: потратил 10 т.р., получил 100 т.р., все цифры наяву, вам не нужен Google (сайт нарушает закон РФ) Analytics, ROIStat, CRM и прочие инструменты.

Теперь представьте, ваш бизнес растет и ваш рекламный бюджет уже 1 млн на разные каналы трафика, вы все также смотрите общие цифры и, вроде бы, все работает в плюс, но «под капотом» Яндекс Директ тратит 300 т.р., а дает только 100 т.р. выручки, а SEO наоборот дает 500 т.р выручки, а тратит 50 т.р.

Вы отключаете Яндекс Директ, и ваша выручка падает на 40%, вы не понимаете, как так получилось, ведь по графикам Директ приносил только 5%.

Вы обнаруживаете, что часть пользователей не сразу совершали покупку, а через некоторое время после раздумий переходили на сайт из поиска и покупали, поэтому конверсии присваивались не Яндекс Директу, а поиску, хотя первым контактом был Директ и таких причин может быть до бесконечности.

Конверсии присваиваются email рассылке и Яндекс Кассе

Когда мы запустили свои рекламные кампании, то количество конверсий вопреки нашей уверенности не росло, зато аномальным образом начали расти конверсии с прямых переходов и реферальных площадок.

В части случаев во время оформления заказа вас просят подтвердить свой email и, когда вы переходите по ссылке из email, то Google (сайт нарушает закон РФ) Analytics присваивает конверсии не контекстной рекламе, а email-рассылке

В ссылку подтверждения мы добавили метку utm_nooverride, чтобы данный переход не учитывался в качестве источника конверсии.

Второй проблемой стали платежные сервисы: во время онлайн-оплаты клиент переходил на платежный сервис, например, Яндекс Касса и во время обратного перехода в интернет-магазин сессия обрывалась, и пользователи воспринимались Google (сайт нарушает закон РФ) Analytics, как новые, следовательно, конверсии присваивались платежным сервисам, а не контекстной рекламе, что забавно. Проблему решили техническими правками.

Результаты

После отладки системы аналитики мы отключили рекламные кампании, которые не давали конверсий и тратили деньги, тем самым снизив CPA на 30%

Хорошие результаты показал динамический ремаркетинг, по нашему опыту, это обязательный пункт для любого интернет-магазина, когда содержания объявлений соответствует карточкам товаров, в которых был пользователь.

Аналогично, хорошие показатели дали динамические объявления в Google (сайт нарушает закон РФ) и Яндекс (DSA), но за ними нужно следить, постоянно идет до 30% нецелевого трафика.

За 6 месяцев с начала работ мы снизили стоимость заказов и увеличили их количество почти в 2 раза, цифры с учетом корректной аналитики. Нагляднее будет через стоимость заказа, так как выручку вы начали считать не сразу.

Отчетность

На старте сделали онлайн-отчет в разрезе основных метрик.

 

И ряд отчетов в разрезе товарных категорий, географии и прочего.

Как посчитать LTV в интернет-магазине

Клиенту нужно считать LTV, чтобы измерять приток и отток клиентов в разных городах, товарных категориях, но данную задачу и ряд других в рамках Google (сайт нарушает закон РФ) Analytics решить невозможно из за его ограничений, поэтому мы настроили импорт сырых данных Google (сайт нарушает закон РФ) Analytics в Google (сайт нарушает закон РФ) BigQuery.

 

Аналогичным образом отправляем и данные о заказах.

Звучит сложно, но это практически убирает границы по анализу данных, на момент написания кейса у нас есть данные за 3 месяца по контекстной рекламе по выручке одного из сегментов трафика, на скрине ниже когортный анализ

Вкратце об основных преимуществах Google (сайт нарушает закон РФ) Analytics + BiqQuery

• При наличии карт лояльности можно связать оффлайн и онлайн
• Нет проблем с семплированием в Google (сайт нарушает закон РФ) Analytics
• Можно смотреть LTV в разрезе нескольких лет в рамках одного города и одной товарной категории, если хотите, то менеджера.
• Можно сокращать расходы на каналы, которые приносят повторных клиентов.
• Можно копить данные для машинного обучения

Но с сырыми данными сложно работать, так как каждый отчет нужно строить вручную.

Заключение

Никаких секретов, кейс считаем положительным по следующим причинам:

• Клиент уже прошел ад с дешевыми подрядчиками и понял, что SEO и контекст, это серьезное ремесло и нужно относиться к нему соответствующе.
• Клиент пробовал вести кампании самостоятельно, что позволило «говорить на одном языке» и лучше интегрировать контекстную рекламу в бизнес.
• У клиента рабочая бизнес-модель, мы просто все структурировали и «докрутили»