Увеличиваем рентабельность рекламы интернет-магазина в несколько итераций: кейс ROI 166% с Яндекс Директа
Одна из специализаций Finepromo — контекстная реклама для e-commerce. Проводим «экспансию» интернет-магазина с одного города до федерального масштаба, сохраняя рентабельность.
О клиенте
e2e4— интернет-магазин цифровой техники и готовых решений. Всего — более 150 000 товаров: компьютеры и комплектующие, периферия, техника для торговли, систем безопасности, ручные и электроинструменты и т.д. С 2003 года компания расширила географию с Новосибирска до 30 городов, а с 2017-го выпускает товары под собственными торговыми марками.
Смарт-баннеры по условиям ретаргетинга используем уже несколько лет. За это время:
-
Определили, при каких пороговых значениях показа нужно отключать кампанию, если она не принесла конверсий.
-
Перевели управление кампаниями на автоматическую стратегию «Оптимизация количества кликов».
-
Перешли к расчёту ROI с учётом прогнозируемого процента выкупа и наценки. Показатели обновляются каждый месяц.
-
Внедрили еженедельную аналитику Power BI и систему ежедневной отчётности.
Для нас ROI в продуктовых кампаниях — самый удобный показатель измерения эффективности рекламы. Мы с Finepromo разработали удобный алгоритм: по нему у каждой кампании есть период, за который она проходит путь от отрицательного ROI оформленных заказов до положительного ROI выкупленных заказов. Так мы всегда понимаем, какие показатели на данном этапе — норма, а какие — повод для оптимизации или отключения кампании.
Полина ГригорьеваРуководитель службы маркетинговых коммуникаций е2е4
Данные аналитики позволили наметить гипотезу, что смарт-баннеры могут приносить больше. Вместе с клиентом сформулировали задачу: повысить рентабельность смарт-баннеров.
Решили, что более детальная сегментация кампаний поможет быстрее найти слабые места и точки роста.
Шаг 1. Дробление фильтров, работа со ставками и топ-товарами
Применили дробные фильтры в выбранных городах. По многим городам работали достаточно широкие фильтры: все МФУ, все ноутбуки и так далее. Поэтому мы решили сузить фильтры и разбить их по линейкам и брендам. Впоследствии это позволило оценить эффективность каждого фильтра.
Подняли ставки по оставшимся широким фильтрам. На тот момент была гипотеза, что охват по эффективным направлениям мог быть искусственно занижен из-за ограничений бюджета. Возможно, мы выключали кампании, способные дать оборот, слишком рано — из-за ограничений кампания просто не успевала выйти на хороший ROI.
Кроме того, в линейках постоянно появляются новые товары. Поэтому то, что не работало 3 месяца назад, вполне может сработать сейчас. Чтобы проверить гипотезу, повысили ставки в кампаниях со старыми фильтрами и обновлёнными товарами.
Запустили на Новосибирск тестовую кампанию с топ-товарами.
Клиент определил список приоритетных товаров. Их вынесли в отдельную рекламную кампанию и вручную выключили из основных рекламных кампаний.
Через несколько недель оценили результаты первого этапа:
-
недельный бюджет вырос на 19%;
-
в некоторых кампаниях процент полученных показов снизился на 2,5 п. п., в некоторых — вырос на 2,4 п. п., но в среднем охват аудитории не изменился;
-
рентабельность снизилась на 8 п. п..
Шаг 2. Оптимизация и перераспределение бюджетов
Постепенно добавляли бюджет и оптимизировали фильтры. В прибыльных городах (Новосибирск, Барнаул, Томск, Бийск) увеличили бюджет на смарт-баннеры и продолжили дробить фильтры, чтобы лучше понять, какие товары и комплектующие приносят конверсии.
Отключили фильтры, которые не приносили конверсий, а бюджет направили на приоритетные направления:
-
принтеры и МФУ;
-
картриджи, заправочные наборы;
-
жёсткие диски (HDD);
-
ноутбуки;
-
оперативная память.
Автоматизировали создание кампаний с приоритетными товарами. Кампании с приоритетными товарами нужно оперативно включать и отключать, когда заканчиваются товары или акция. Поэтому процесс автоматизировали: клиент собирает акционные и фокусные товары в CRM и выгружает фид через специальный интерфейс. Теперь у клиента работают 15 фидов по городам, акционный фид и фид по фокусным товарам:
На этом этапе получили такие результаты:
-
недельный бюджет вырос на 50% относительно прошлого замера;
-
охват аудитории вырос в среднем на 5 п. п.;
-
рентабельность выросла на 166 п. п..
Второй этап оказался самым результативным, но на его успех также повлияли действия, совершённые на первом этапе.
Результат за все три месяца работы
-
ROI смарт-баннеров вырос в 1,8 раза — до 216%;
-
Доход по рекламному инструменту за три месяца вырос на 50%;
-
Всего смарт-баннеры принесли 20% дохода с Яндекс Директа.
Смарт-баннеры оказались достаточно самостоятельным закрывающим каналом. В целом, колебания трафика по другим каналам сказывались на результате смарт-баннеров не более чем для 37% конверсий. Доля влияния кампаний Директа на смарт-баннеры оказалась при этом наивысшей и составила 12%, из них на кампании Директа пришлось 7,69%, а на сами смарт-баннеры — 4,27%.
Выводы
Точечные запуски, как правило, эффективнее масштабных. Разделение масштабного запуска на несколько итераций позволяет быстро оптимизировать бюджет и направлять его на рентабельные кампании. Чтобы смарт-баннеры сработали в полную силу, лучше дать им поработать в рамках разумно ограниченного бюджета. Назначайте ставку, которая обеспечит достаточный процент полученных показов (от 5–10%). Так вы получите ценные данные, которые помогут выстроить дальнейшую стратегию размещения.
Читателям ADPASS бесплатно сделаем базовую стратегию по управлению платным трафиком с расчетом юнит экономики. Обращайтесь в агентство через любой наш канал коммуникации, называйте промокод «ADPASS».
Лучшее в блогах
Вам понравится
IBM и Adobe решили с помощью очень странных золотых рыбок рассказать в рекламе о рисках, связанных с невнимательным использованием генеративного ИИ. Так компании продвигают свои сервисы, обеспечивающие контроль над нейросетями и гарантирующие, что создаваемый ИИ контент не содержит ошибок. Это особенно важно для бизнеса, сегодня все чаще стремящегося при помощи генеративных нейросетей сократить затраты и повысить эффективность сотрудников. Работают над этой проблемой и в Google — там предлагают поставить на стражу достоверности нейросеть-фактчекера, умеющую пользоваться интернет-поиском.