Увеличили выручку интернет-магазина электроники на треть благодаря моделируемым конверсиям
Кейс про то, как SF.RU улучшил обучаемость автостратегий и добился впечатляющих результатов.
Работа с рекламными кампаниями требует постоянного поиска баланса между объёмом трафика, качеством лидов и эффективностью обучения алгоритмов. Наш клиент — интернет-магазин электроники — столкнулся с проблемой, характерной для нишевых категорий товаров: как оптимизировать работу малотрафиковых кампаний, сохранив высокий уровень конверсии.
С кем мы работали
Нашим клиентом был интернет-магазин электроники, название которого мы не можем раскрыть из-за NDA. Впрочем, наименование бренда и его специфика не играют решающей роли для понимания сути кейса.
Какую задачу решали
Основной вызов заключался в необходимости улучшить рекламные кампании для нишевых высокомаржинальных товаров с ограниченным спросом. Несмотря на стабильные результаты товарных кампаний, смарт-баннеров и динамических объявлений по горячему спросу, работа с запросами вроде «категория + бренд» давала значительно меньшую эффективность.
Нам предстояло:
Снизить зависимость от товарных кампаний.
Разделить основные категории товаров для более точного управления бюджетом.
Найти подход, обеспечивающий стабильное обучение рекламных кампаний с ограниченным трафиком.
Почему мы решили уйти от товарных рекламных кампаний
Товарные кампании — мощный инструмент для e-commerce. Он агрегирует почти все форматы, доступные в Яндекс Директ: показы рекламы идут и в Поиске, и в Рекламной сети, можно загрузить баннеры и видео, есть ретаргетинг. Всё вместе это позволяет получить больший охват и больше статистики для обучения алгоритмов. Да, товарные кампании обеспечивают лёгкий и эффективный старт, но и минусы у них есть:
невозможно создать группы объявлений под разные запросы или категории товаров,
нельзя использовать корректировки по полу и возрасту, ставить наблюдательные корректировки и так далее,
не получится быстро исправить ситуацию, если что-то пойдет не так, у пользователя практически нет рычагов влияния на кампанию.
Мы действительно удачно стартовали с товарными кампаниями, хорошо закрыли сезон, но надо было масштабироваться. Если просто увеличить бюджет, стоимость заказа вырастет, акцент с Поиска сместится на Рекламную сеть, конверсия снизится —, а нас это категорически не устраивало. Кроме того, мы не могли управлять бюджетами на разные категории товаров. В нашем случае это стало бы проблемой: у заказчика было три ярко выраженные категории, которые приносили 80% дохода.Ко всему прочему, товарная кампания каннибализировала трафик у запущенных отдельно смарт-баннеров, динамических и текстово-графических кампаний. О них подробнее поговорим ниже.
Что мы сделали
Итак, после отказа от товарной кампаний попытались перейти на новые, более управляемые форматы. Запустили отдельные динамические кампании, товарную галерею и смарт-баннеры по ключевым категориям. Столкнулись с тем, что, получая меньше трафика, кампании хуже обучались, эффективность резко пошла на спад. Пришлось возвращать всё назад. Процесс занял около двух месяцев.
После решили протестировать моделируемые конверсии в сервисе Sales Ninja. Это платформа ИИ-маркетинга, которая добавляет ещё один слой «автостратегий», позволяя оценивать вероятность совершения конверсии в реальном времени. В результате алгоритмы на уровне сайта начинают помогать обучению автостратегий рекламной платформы, передавая моделируемые конверсии как цель в Директ.
Сейчас будет немного сложно. Результат работы моделируемой конверсии — это разложение конечной конверсии на составляющие виртуальные конверсии (плотность вероятности). В итоге мы получаем нормально распределение, где первый пользователь совершит покупку с вероятностью 5%, второй — с вероятностью 10%, третий — с вероятностью 30%, а четвёртый — с вероятностью 50%.
Подобрав необходимую теплоту трафика, мы можем передать виртуальные конверсии (их не было в реальности, но вероятность того, что они случатся, оставалась достаточно высокой) в кабинет Директа, обучая его на большем количестве качественных данных. Как итог, алгоритмы на уровне сайта помогают обучению автостратегий рекламной платформы, передавая моделируемые конверсии как цель в Директ.
Чтобы подобрать подходящую для корректной работы модели теплоту трафика, провели A/B-тест для динамической рекламной кампании по топовым категориям. Эксперимент завершился более чем успешно:
конверсия выросла на 68%,
стоимость заказа снизилась в 3 раза.
Результаты всех устроили, так что мы масштабировали настройки Sales Ninja на все остальные рекламные кампании и продолжили следить за тем, как поведут себя автостратегии Яндекса, обучаясь на моделируемых конверсиях.
Какие результаты получили
С помощью стороннего сервиса мы:
подняли конверсию на 21,85%, средний чек динамической рекламной кампании по топовым запросам на 10,91%, а выручку — на 28,37%,
снизили ДРР,
исключили каннибализацию горячего трафика у других рекламных кампаний.
Ключевые показатели (конверсия, выручка, средний чек) проекта по автостратегиям и сервису Sales Ninja
Что дальше?
Удостоверившись, что моделируемые конверсии нивелируют одну из главных слабостей автостратегий — недостаточно количество данных для обучения, мы решили разработать для клиента новый подход к управлению рекламными кампаниями.
Планируем сделать более сложную структуру кабинета, которая позволит управлять эффективностью кампаний не только по топ-категориям, но и в более узких разрезах, например, по маржинальности отдельных групп товаров или брендов. Это будет значительно выгоднее для бизнеса с точки зрения увеличения прибыли, ведь мы сможем успешнее продвигать более маржинальные товары.
Работа с моделируемыми конверсиями требует тщательной настройки, индивидуального подбора целей, атрибуций и теплоты трафика для каждой рекламной кампании. Шаблонного решения не существует — нельзя просто нажать Ctrl+C и Ctrl+V, а потом наблюдать, как растут доходы. Сторонние сервисы помогают решить одну из самых больших болей при настройке контекстной рекламы — обучение автостратегий. Однако для работы с ним нужны навыки. У команды специалистов агентства SF.RU они есть — пишите на hello@sf.ru, разберёмся с вашей задачей.
Кейсы
Неделя рекламы 
Новости 
How to 
Интервью и дискуссии 
Маркетинговые исследования 
Просто о сложном 
Энциклопедия обмана 
Проверено ADPASS 
Рекламные кампании