Контекстная реклама для E-commerce в кризис

Эффективные решения на основе Данных (Data-Driven Decisions)

О важности веб-аналитики, особенностях контекстной рекламы для E-commerce и о том, как это поможет максимизировать доход при ограниченном бюджете в период кризиса.

С приходом кризиса все резко стали беднее, покупательная способность населения снизилась, а конкуренция стала еще жестче.

Что делать? Есть ровно три стратегии:

• Снизить расходы и переждать – авось скоро все снова будет ок.
• Агрессивно наращивать бюджеты и присутствие – подойдет сильным компаниям, завоевывающим новые рынки.
• И третий путь, самый лучший, на наш взгляд, – путь эффективности. Об этом мы и расскажем.

Ключевые пункты:

1. Первичная настройка веб-аналитики.
2. Запуск контекстной рекламы: работа с семантикой.
3. Аналитика полученных данных.
4. Оптимизация контекстной рекламы по бизнес KPI.

1. Важность первичной настройки аналитики

Важность первичной настройки состоит в том, чтобы подготовить платформу для полного сбора и анализа корректных данных для дальнейшего использования их в построении гипотез, анализе различных каналов и инструментов.

Нужно отслеживать всё: транзакции, промежуточные микроконверсии, различные заявки, формы оформления заказа, формы регистрации, нажатие на кнопки, переходы по ссылкам. В последствии, когда понадобится информация по какому-либо событию или действию пользователя, она уже будет собрана и на эти данные сразу можно будет опираться.

Кейс: настройка аналитики для fashion E-commerce.

Задача:

Подготовить платформу для сбора и анализа корректных данных, чтобы в дальнейшем использовать их для построения гипотез, анализа различных каналов и инструментов. Отслеживать каждое действие пользователя на сайте.

Решение:

Что было сделано, пошагово.

• Установка Google (сайт нарушает закон РФ) Tag Manager

Диспетчер тегов Google (сайт нарушает закон РФ) – это бесплатный инструмент, позволяющий добавлять теги и скрипты на страницы сайта без участия разработчиков.

Благодаря работе с GTM вы сможете сэкономить собственное время и ресурсы, а так же повысить эффективность работы (особенно при итеративной разработке).

Преимущество в том, что маркетолог может сам выбрать какие теги, на каких страницах и по каким правилам будут срабатывать.

Например, код ремаркетинга для ВК может вывести только на страницу корзины. Таким образом списки ремаркетинга будут собираться только для тех пользователей, которые посетили корзину.

• Установка тегов аналитических систем

После установки GTM маркетологам, работающим с проектом уже практически не нужно обращаться к программистам. Кроме того, при использовании Tag Manager значительно упрощается работа с Google (сайт нарушает закон РФ) Analytics.

Через GTM мы установили ключевые аналитические системы:

• Установка инструментов и сервисов, которые можно интегрировать через front-end

Google (сайт нарушает закон РФ) Tag Manager позволяет самостоятельно интегрировать и тестировать различные инструменты и сервисы в кратчайшие сроки.

В данном кейсе мы установили Flocktory, Sales Marine, Shoppilot, Retail Rocket.

Тем самым мы опять сэкономили время себе и разработчикам сейчас и в будущем.

Так как GTM прописывается в шаблоне страницы, то это практически исключает вероятность потери данных при создании и изменении разработчиками страниц сайта (которых в E-commerce обычно тысячи).

• Отслеживание огромного количества различных целей и событий

Важно отслеживать все:

• • Транзакции (отправлять всю информацию о товарах, количестве и итоговой стоимости).
  • Формы оформления заказа (как и какие поля заполняет пользователь формы регистрации).
  • Нажатия на кнопки (переходы в карточки товара, кнопки добавить в корзину, перейти в корзину, купить).
  • Переходы по ключевым ссылкам на сайте, клики по внешним переходам с сайта, социальные сети.

Как уже было сказано выше, работа с Google (сайт нарушает закон РФ) Analytics значительно упрощается при использовании Tag Manager. Теперь в любое время (через месяц, квартал или год) доступна информация по любому действию, так как она уже собрана.

• Воронка и пути пользователя

• • Позволяет отслеживать, где и как пользователь ведет себя, в каком месте прекращает свой путь. Это сбор огромного количества данных для последующей проектировки и разработки новых страниц сайта.
  • Для E-commerce можно и нужно использовать плагин Universal Analytics расширенной электронной торговли Enhanced Ecommerce, который также можно интегрировать через GTM.

Теперь мы можем делать различные выводы на основе данных воронки и оптимизировать, этапы пути пользователя. В результате мы нашли “слабое место”. Затем переработали карточку товара, тем самым увеличив процент добавления товара в корзину.

До оптимизации:

После оптимизации:

Итог:

Таким образом, оптимизировав этап добавления товара в корзину, мы увеличили количество переходов на этом шаге на 24,56%!

А в целом конверсия по всему сайту увеличилась на 18,89%!

• Отслеживание CLIENT_ID

CLIENT_ID это идентификатор браузера пользователя, который записывается в cookie Google (сайт нарушает закон РФ) Analytics.

• Отслеживание USER_ID

Отслеживаем USER_ID – специальный идентификатор, который назначается в тот момент, когда пользователь был распознан (совершил регистрацию или авторизацию).

Собирая данные идентификаторы, мы можем получить информацию о сессиях каждого распознанного пользователя. Тем самым выяснить различные факторы, влияющие на принятие решения, построить модель атрибуции и, самое главное, выделить ключевые конверсионные каналы.

О том, какие именно преимущества дают эти данные, мы расскажем чуть позже.

Помимо стандартных отчетов, предоставляемых Google (сайт нарушает закон РФ) Analytics, по которым можно сделать вывод о пересечении устройств:

Также собираем всю информацию и дублируем USER_ID и CLIENT_ID с помощью GTM в пользовательские параметры Universal Analytics.

Используя пользовательский параметр, можем выгрузить статистику по каждому пользователю, связать с данными из CRM и посмотреть, кто и как совершает покупки.

• Правильная разметка

Всегда следим за этим и не устаем повторять клиентам и их подрядчикам, что весь трафик перед запуском кампаний нужно размечать с помощью UTM-меток и делать это правильно. Не путать источники и каналы!

Если всех подрядчиков контролирует менеджер на стороне клиента, то у него есть стандарт (готовая таблица) со всеми метками для каналов и кампаний.

Если же этим занимается агентство, то его менеджеры дают всем установки, пишут гайды о том, как и какие кампании должны быть размечены.

Результат:

• • В любой момент, когда магазину, компании или маркетологу понадобится информация по тому или иному событию или цели (заполнение определенной формы, клик по определенной кнопке), он уже сможет ее получить и принять последующие решения на основе этих данных.
  • Если потребуется в кратчайшие сроки протестировать и интегрировать какой-либо инструмент (front-end), это можно сделать без вмешательства разработчиков.
  • Можно сделать различные выводы на основе данных воронки и принять последующие решения по оптимизации и разработке конкретных шагов и «мест отвала». Проанализировать данные о пользователях, полученных с помощью USER_ID или выгрузить эти данные и агрегировать их вместе с CRM.

2. Аналитику настроили. Запускаем контекстную рекламу

Контекстная реклама для крупных E-commerce проектов имеет свои особенности. Одна из основных сложностей – это сбор и обработка семантического ядра не только на начальном этапе, но и при последующем оптимизации (расширении семантического ядра). Об этом мы и хотели бы рассказать подробнее, так как это критически важный момент, от которого зависит результат всей последующей работы.

• Семантическое ядро для E-commerce, особенности и сложности:

  • Множество листинг-страниц (категории, бренды, фильтры).

Для некоторых интернет-магазинов это могут быть тысячи и десятки тысяч таких посадочных страниц.

• • Изменение спроса из-за сезонности, моды, интереса.

Существует очень много сезонных товаров, спрос на которые сильно изменяется в течение года. Классический пример про купальник:

Так же есть запросы, на которые влияет интерес: мода, выход новых фильмов, мультиков, игр. Например, новая игрушка Furby Boom, так же доступна, как приложение для мобильного устройства:

• • Обычно огромный объем ключевых слов.

Как правило, для сбора семантического ядра используют WordStat Яндекса для подбора общих запросов, а так же используют генерацию рекламных кампаний из XML-фида. Но эти 2 способа покрывают далеко не весь объем подходящей семантики.

На примере следующего кейса мы расскажем, как можно подготовить семантическое ядро на тысячи ключевых слов, используя различные сервисы, не ограничиваясь только Wordstat’ом и XML-фидом.

Кейс: контекстная реклама для тысяч страниц E-commerce проекта

Задача:

Запустить контекстную рекламу на 1000 листингов категорий для федерального интернет-магазина детских товаров.

Ход сбора семантики:

• Выгрузка всех поисковых запросов из Google (сайт нарушает закон РФ) Analytics и Яндекс.Метрики.

Выгружаем как из Яндекс и Google (сайт нарушает закон РФ), так и с самого сайта. Поисковые запросы по Google (сайт нарушает закон РФ) выгружаем из Google (сайт нарушает закон РФ) Analytics, предварительно связав с Google (сайт нарушает закон РФ) WebMaster.

• Анализ видимости в поисковых системах.

С помощью adsve.ru, megaindex.ru получаем те запросы, по которым сайт уже находится в поисковой выдаче – есть смысл также использовать их и в контекстной рекламе.

• Анализ конкурентов.

При помощи сервисов similarweb.com и semrush.com получаем много релевантных поисковых запросов по конкурентам. Как из поисковой выдачи, так и по контекстной рекламе.

• Расширение семантики через Google (сайт нарушает закон РФ) AdWords планировщик ключевых слов.

Наверное, все слышали про планировщик ключевых слов Google (сайт нарушает закон РФ) AdWords, но немногие используют его для подбора релевантной семантики на основе URL страницы. Google (сайт нарушает закон РФ) анализирует контент страницы и предлагает наиболее релевантные ключевые слова. При помощи автоматизации можно расширить семантику для тысяч страниц.

• Подбор синонимов и близких по значению фраз

Всю собранную на предыдущих этапах базу ключевых слов мы прогнали через сервис JustMagic. Нам удалось увеличить объем ключевых фраз более, чем в 2 раза.

JustMagic в первую очередь создан для SEO специалистов, но есть очень интересная функция, которую мы использовали. Сервис помогает расширить семантическое ядро на основе совпадений поисковой выдачи Яндекса. Для примера, мы загрузили следующие фразы:

• • ранцы для школы для девочек
  • ранец для 5 класса
  • куплю рюкзак для девочки

На основе этих фраз, система предложила нам новые тематические фразы, которые имеют близкое значение, их получилось больше 100. Вот некоторые из них:

• • ранец для девочки
  • купить портфель для девочки в школу
  • рюкзаки для девочек 6 класс
  • где купить школьный ранец
  • ранцы на 5 класс
  • интернет магазин школьных ранцев
  • ранцы для девочек
  • ранцы для девочек купить
  • школьные рюкзаки
  • купить школьный рюкзак

На выходе получается очень много ключевых фраз, которые в последствии нужно “прочекать” на дубли, а также на стоп-слова. Сервис не идеальный (иногда проскакивают совершенно не подходящие слова), но в целом годный.

• Подбор минус-слов на основе бизнес KPI

 С таким разнообразным семантическим ядром достаточно сложно подобрать минус-слова. Чтобы использовать уже накопившиеся статистические данные мы выгрузили поисковые запросы из Яндекс.Метрики вместе с данными по конверсиям, нормализовали фразы (лемматизировали) и разбили каждую фразу на отдельные слова. На базе статистики по отдельным словам создали список минус-слов, основанный именно на конверсии.

Пример, как это может выглядеть для сайта по заказу написания студенческих работ:

Тут мы анализируем конверсию в заказы, а также смотрим показатель отказов. Часть этих слов можно сразу добавлять в список минус-слов, так как конверсия у них существенно ниже средней по сайту.

• Чистка и обработка семантики (Excel, KeyCollector)

 После сбора семантики ее нужно обработать. Мы это делали следующим образом:

• • Удалили неявные дубли.

Для этого нормализовали (лемматизировали) все фразы, а так же слова внутри фразы расположили в алфавитном порядке. Для этого подходят 2 сервиса:http://tools.k50project.ru/lemma/ или http://py7.ru/tools/norm/. Пример их работы:

Есть 3 фразы:

1. купить верхнюю женскую одежду в спб
2. куплю верхнюю женскую одежду в спб
3. верхняя женская одежда в спб купить

После того, как мы прогнали их через один из этих сервисов, получили 3 одинаковых фразы на выходе: в верхний женский купить одежда спб, и просто сравнив в Ecxel мы удалили 2 неявных дубля, оставив только одно уникальное значение.

Когда мы работаем с десятками тысяч ключевых слов, полученных из разных источников, такой способ позволяет легко и быстро избавиться от неявных дублей.

• • Удалили слова-пустышки, которые никогда не запрашивают

Для этого собрали частотность из Yandex.Wordstat. Причем важно смотреть не только на частотность последнего месяца, но и на среднюю частность за весь период.

Потому что некоторые фразы могут иметь малое количество запросов за прошлый месяц, но за другие периоды могут “выстреливать” очень сильно, их не стоит удалять.

• • Удалили мусорные фразы (порно, нерелевантные фразы и т.п.)

На базе списка минус-слов, который подобрали на основе статистики посещаемости, а так же по общим минус-словам.

• • Подобрали релевантные страницы

При помощи KeyCollector’а собрали релевантные страницы из Яндекс и Google (сайт нарушает закон РФ).

• Массовое создание объявлений

Так как фраз получилось очень много, ручное написание объявлений для каждой из них отпало сразу. Полностью автоматизированно генерировать тоже не хотелось, так как в результате могли получиться объявления с нарушением грамматики, стилистики и пунктуации (в общем, нечеловеческие, вроде: “Москва машина купить красный”). Также оставалась вероятность, что есть нецелевые запросы. Даже при всем желании проблематично полностью очистить от мусора 100 тыс. фраз. Поэтому мы поступили следующим образом:

• • 1 ВЧ/ВК – 1 объявление.

Для популярных (высокочастотных) фраз, которые имели высокую конкуренцию мы писали объявления вручную.

• • Для НЧ 1 лендинг – 1 объявление.

Для остальных фраз мы написали объявления к каждой посадочной странице и использовали одинаковое объявление для всех ключевых фраз, которые ведут на одну страницу.

После запуска рекламных кампаний, мы мониторим и оптимизируем их. И весь этот цикл работ систематически повторяем, обычно каждый квартал. Это позволяет постоянно расширять семантическое ядро новыми ключевыми фразами.

Результат за 2 месяца работы:

• • 129 801 ключевых фраз.
  • 39 615 объявлений.
  • Рост трафика в 5 раз!

В результате удалось существенно увеличить объем ключевых слов в аккаунте. В свою очередь это позволило в разы увеличить объем целевого трафика.

3. Трафик есть, теперь время анализировать данные

Аналитика во время кризиса

Веб-аналитика важна на всех этапах проекта. А в тяжелой экономической ситуации, данные веб-аналитики и выводы, сделанные на основе этих данных, могут оказать неоценимую помощь и сыграть ключевую роль в оптимизации доходов компании.

• • Перераспределить бюджеты для получения большего дохода.
  • Помочь клиенту достичь KPI при меньших затратах.
  • Найти самые конверсионные пути пользователя.

Кейс: эффективный анализ каналов трафика.

Задача:

• • Максимизация дохода при ограниченном бюджете.
  • Многосторонний анализ эффективности различных каналов.
  • Понимание поведения пользователей проекта.

• Многоканальные последовательности и ассоциированные конверсии

Выявили прямые и вспомогательные каналы. Оценили влияние и взаимодействие каналов друг на друга.

А что еще нам несет такой масштабный по количеству трафика канал контекстной рекламы?

Рассмотрим ассоциированные конверсии на примере нашего E-commerce:

Количество и ценность ассоциированных конверсий с контекстной рекламы почти в 3 раза выше. Это значит, что пользователи, пришедшие с контекстной рекламы, в последствии приходят с других каналов (таких как email, direct) и совершают покупки.

Основной задачей контекстной рекламы в E-commerce проекте является ведение пользователей, которые совершают покупки. Но также важно учитывать и другие конверсии, к примеру, какое количество подписчиков она несет.

Зачастую, в E-commerce самый высокий коэффициент конверсии у канала email, затраты на который часто минимальны. Но первично эти пользователи были приведены по другим каналам, в том числе и контекстной рекламой.

Таким образом ROI у контекстной рекламы с учетом ассоциированных конверсий на самом деле выше, а CPO ниже.

• Когортный анализ

Когортный анализ – один из самых эффективных маркетинговых инструментов.

Идея когортного анализа состоит в том, чтобы разделить пользователей на группы по определенным признакам, и отслеживать поведение этих групп (когорт) во времени.

Благодаря когортному анализу мы узнали среднее «время жизни» пользователя и сравнили его поведение с более ранними периодами, и самое важное посчитали LTV.

Посчитав LTV по каналам (Lifetime Value — размер прибыли, которую компания получает от своего  клиента, за все то время, которое клиент сотрудничает с ней (за «свою жизнь»), мы сделали вывод о том, какой канал несет большую ценность и больший доход. Также мы смогли понять, какие каналы работают неэффективно, а вследствие этого, перераспределили бюджет на эффективные каналы и максимизировали доход.

Результат:

• • Узнали среднее «время жизни» пользователя.
  • Сравнили поведение пользователя с более ранними периодами.
  • Посчитали LTV.
  • Выявили прямые и вспомогательные каналы.
  • Определили влияние каналов друг на друга.
  • Перераспределили бюджет на самые эффективные каналы.
  • Рост дохода на 20% при том же бюджете.

4. Оптимизация контекстной рекламы в период кризиса

В текущих условиях особенно важно оптимизировать контекстную рекламу по максимуму. Если на какие-то вещи раньше можно было закрыть глаза, то сейчас это непозволительная роскошь, из-за которой деньги улетают в трубу.

Основные принципы, которые мы выделяем:

• Считаем не только клики и CPC.

Оцениваем эффективность на основе CPO/ДРР/ROI.

• Нет бездумному удержанию позиций!

Гибкие ставки на основе бизнес KPI (CPL/CPO/ROI etc.).

• Автоматизация контекстной рекламы.

Автоматический расчет оптимальных ставок на лету.

• Ретаргетинг/ремаркетинг.

Особое внимание на лояльную аудиторию (ремаркетинг). Разные сценарии, разные ставки.

Кейс: Оптимизация ставок на основе бизнес KPI

Задача:

Увеличить доход от контекстной рекламы. Оптимизировать ставки на основе CPO/ROI в условиях недостаточных статистических данных.

После проработки семантики подключили и настроили K50.

Настроили необходимые цели в Google (сайт нарушает закон РФ) Analytics, подключили Яндекс.Директ и Google (сайт нарушает закон РФ) AdWords. Совместно с менеджерами K50 создали правила и стратегию для управления ставками.

Огромная семантика – мало транзакций. Но возникла проблема, что в аккаунте очень много ключевых слов, а данных о транзакциях было недостаточно для расчета ставок.

Вместе с K50 продумывали, как при недостаточных данных установить эффективные ставки для максимального количества ключевых слов.

Мы рассматривали большое количество данных в разных разрезах и временных периодах в поисках решения.

Оценивали промежуточные конверсии, которые имели корреляцию с транзакциями:

• • добавление в корзину;
  • показатель отказов;
  • количество просмотренных страниц;
  • стоимость товаров;
  • еще более 10 показателей.

Оценивали не только статистику ключевого слова, но и  суммарную статистику целевой страницы, на которую оно ведет, а так же всей группы объявлений.

Сделали массу сводных аналитических таблиц.

В результате вывели комбинированную цель на основе разных бизнес и синтетических KPI: Цель [Активность на сайте] * Коэффициент + Цель [Добавление в корзину] * Коэффициент + Транзакция * Коэффициент.

Отталкиваясь от этой цели рассчитали и применили ставки при помощи правил и стратегий K50. По этой стратегии ставки теперь постоянно актуализируются.

Дополнительно каждую неделю создается отчет, по результатам анализа которого оперативно вносятся необходимые корректировки в работу.

Результат за 3 месяца:

Удалось резко увеличить объем трафика и дохода, оставаясь в заданных рамках CPO.

• ROI: 243%.

• Более 25 млн. дохода интернет-магазина!

• Без брендовой рекламы!

Общий вывод

В результате мы видим, что практически каждый бизнес имеет огромный потенциал к увеличению эффективности.

Мы рассказали о важности аналитических данных и о том, как их использовать в связке с контекстной рекламой, чтобы максимизировать доход.

Нам удалось получить транзакций на сумму более 25 млн. руб., а ROI составил почти 250%. И все это без рекламы на бренд магазина!

Поэтому выбирайте путь эффективности, а мы поможем в этом!

Авторы:

Максим Лепихов, руководитель отдела контекстной рекламы CubeLine Agency;

Александр Павлов, ведущий веб-аналитик CubeLine Agency.