Когда поиск упирается в потолок: как мы тестировали интересы в Мастере кампаний для премиального ЖК

С такой ситуацией мы столкнулись при продвижении жилого комплекса премиум-класса в Москве стоимостью от 775 тысяч рублей за квадратный метр. Поисковые кампании и стандартные кампании в РСЯ уже достигли предела масштабирования в рамках целевой стоимости обращения. При попытке увеличивать бюджет росла доля нецелевых заявок, а количество уникально-целевых обращений практически не менялось. И поэтому важно было не просто привести дополнительный трафик, а найти новый источник аудитории, который позволит увеличить количество качественных обращений без заметного повышения их стоимости.

Почему начали искать аудиторию за пределами поискового спроса

Самый очевидный способ точнее попадать в покупателя дорогой недвижимости — сузить семантическое ядро и добавить больше запросов с указанием класса объекта: например, «премиальные квартиры», «элитный ЖК» и так далее.

Но у такого подхода есть обратная сторона: чем уже запросы, тем меньше доступный объем трафика. Кроме того, потенциальный покупатель квартиры стоимостью в десятки миллионов рублей необязательно прямо сейчас вводит в поиске запрос о покупке премиального жилья.

Поэтому мы решили проверить другую гипотезу: можно ли находить таких пользователей не только по сформированному поисковому спросу, но и по совокупности их интересов.

Для анализа использовали отчет «Долгосрочные интересы» в Яндекс Метрике и данные за февраль-апрель. Смотрели интересы пользователей, которые совершали целевые звонки и оставляли заявки, и, в первую очередь, ориентировались на аффинити-индекс — показатель того, насколько конкретный интерес характерен для выбранной аудитории. На этапе анализа рассматривали категории с аффинити-индексом выше 200–300%, а для тестовой кампании отобрали интересы с индексом выше 400%.

В тест попали интересы, связанные с жилой, загородной, коммерческой и премиальной недвижимостью, ипотекой, кредитами и инвестициями, а также интернет-банкингом и ресторанами.

Как настроили тест в Мастере кампаний

Для проверки гипотезы запустили Мастер кампаний в Яндекс Директе с географией показа: Москва.

Для теста создали отдельную кампанию и объединили в ней все выбранные интересы. Разносить каждый интерес по отдельным кампаниям не стали: при тестовом бюджете это увеличило бы затраты и раздробило статистику, а большее количество целевых интересов внутри одной кампании позволяло быстрее накапливать данные для обучения. При этом посадочные страницы, офферы и креативы оставили такими же, как в других рекламных кампаниях проекта.

Таргетинги задавали вручную: вместо автоматического оптимального подбора аудитории Яндекса использовали заранее выбранные интересы. Полностью исключить показы по поисковым запросам в Мастере кампаний из-за его функционала нельзя, поэтому автотаргетинг максимально ограничили. Отключили широкие, сопутствующие и альтернативные запросы, оставив только целевые и узкие, а трафик дополнительно контролировали на уровне поисковых запросов и площадок.

Кампании работали со стратегией оптимизации конверсий, а главным показателем качества были уникально-целевые обращения.

Отдельно работали с рекламными сообщениями. Вместо максимально широких имиджевых формулировок в объявления выносили конкретные характеристики проекта: инфраструктуру, транспортную доступность, архитектурные особенности и другие параметры объекта.

Например, в заголовках указывали время до метро, минимальную стоимость квартиры или квадратного метра и действующие скидки. В текстах раскрывали преимущества инфраструктуры и архитектуры проекта.

Так объявления должны были выполнять сразу две задачи: заинтересовать потенциального покупателя еще до перехода на сайт и отсечь часть аудитории, которой предложение заведомо не подходит.

Какие интересы сработали, а какие пришлось отключить

Главным критерием оптимизации была не стоимость клика, а качество трафика дальше по воронке. Мы отслеживали конверсию в УЦО, стоимость такого обращения и поведенческие показатели пользователей на сайте.

Первые две недели кампанию оставили на этапе обучения. В этот период чистили поисковые запросы: добавляли минус-слова и исключали неэффективные площадки. После двух недель, когда накопилась первая статистика, начали анализировать уже сами интересы и отключать сегменты, которые приводили некачественные обращения.

Сегменты, где CPL выходил за допустимые значения (более 20%), отключали, а бюджет перераспределяли в пользу более результативных интересов.

При этом тест показал, что высокий аффинити-индекс сам по себе еще не гарантирует качество трафика. Например, интересы «Жилая недвижимость», «Аренда недвижимости» и «Коммерческая недвижимость» приводили много валовых обращений и спама, но практически не конвертировались в целевые — поэтому их отключили.

Целевые обращения получили из четырех категорий:

• жилая недвижимость премиум-класса;

• спорт;

• образование;

• ипотека.

В результате часть самых очевидных с точки зрения продукта интересов оказалась менее эффективной, чем более широкие и напрямую не связанные с покупкой недвижимости категории. Поэтому данные Метрики в этой механике лучше использовать именно как источник гипотез, а не как готовый список эффективных таргетингов.

Что показал тест: цифры, ограничения и выводы

За тестовый период кампания принесла два УЦО. Это неплохой результат, поскольку в сегменте премиальной недвижимости приносят конверсии в УЦО, в основном, только брендовые кампании (до 80%). А здесь мы работали с относительно холодной аудиторией, у которой есть околоцелевой интерес. Конверсия из визита в УЦО оказалась в среднем на 12% выше, чем в кампаниях без таргетинга на интересы за предыдущие три месяца, а глубина просмотра сайта — на 80% выше.

Результаты теста подтвердили, что интересы можно использовать как дополнительный источник спроса, когда основные performance-кампании уже достигли предела масштабирования. При небольшой выборке по УЦО главный практический результат здесь — не абсолютные цифры, а подтверждение самой механики: данные Метрики помогают находить новые сегменты, а дальнейшая оптимизация по качественным обращениям — отсекать те гипотезы, которые не работают.

Высокий аффинити-индекс сам по себе не гарантирует качественный трафик. Даже интересы, которые напрямую связаны с продуктом, нужно проверять по реальным обращениям: в нашем случае часть очевидных категорий недвижимости приводила валовые заявки и спам, тогда как целевые обращения пришли в том числе из менее прямолинейных сегментов — спорта и образования. Поэтому данные Метрики здесь работают не как готовый список эффективных таргетингов, а как источник гипотез для дальнейшего тестирования.

Саму механику можно свести к нескольким шагам: 

• накопить данные о текущей аудитории; 

• выделить потенциально сильные интересы; 

• запустить их в отдельном тесте;

• оценивать результат не по кликам или стоимости трафика, а по качественным обращениям; 

• отключать сегменты, которые не подтверждают гипотезу.

Для первоначального анализа нужно накопить данные хотя бы за три месяца, а лучше — за полгода. На сам тест можно ориентировочно закладывать около 10% общего бюджета на контекстную рекламу. Такой подход особенно имеет смысл для дорогих продуктов с ограниченным прямым спросом: он не заменяет Поиск и РСЯ, но помогает находить дополнительные аудитории, когда привычные инструменты уже сложно масштабировать.