Кейс клиента Vitamin.tools: как снизить стоимость квал.лида в 10 раз, используя цифровые следы пользователей

Этот кейс о том, как маркетолог Антон Кондратьев избавился от спамных заявок в РСЯ и сэкономил половину бюджета. Кейс от клиента рекламной экосистемы Vitamin.tools, возвращающей до 18% с пополнения рекламы.

Заказчик: девелопер, продающий недвижимость в сегменте «комфорт +». Цены на дома стартуют от 12 000 000 рублей и доходят до 60 000 000 рублей. Проект под NDA поэтому в кейсе не будет названий и некоторых данных.

Цель: привлечь целевые лиды по более низкой цене. Конкретики по KPI нет.

Содержание, если хотите перескочить на конкретный раздел:

Что такое квалифицированные лиды в этом кейсе

Как Центробанк повлиял на продвижение строительной ниши

Как я снижал стоимость лида

Как нашёл выход: фильтрую аудиторию по их покупкам

Что показали тесты: в РСЯ мало квал-лидов, половина бюджета ушла на «мусорные заявки»

Актуальная статистика

Резюмируем

Изначально заказчик просил привести квал-лиды. Вот только под этим термином он имел в виду пользователей, готовых заключить сделку, а не тех, кто оставил заявку. Квал-лид в этом кейсе — это уже почти подписанный договор, то есть уже финальный этап коммуникации в обычной маркетинговой воронке.

Казалось, что в ноябре-декабре рынок замер. Причин, из-за которых могла сложиться такая ситуация, много: повышение ставки, изменение правил выдачи ипотек, сезонность. Я смотрел наши рекламные кампании, и меня брал тихий ужас от стоимости лидов. Отдел маркетинга со стороны заказчика просил снизить цены, что казалось совершенно нереальным, ведь кампании были собраны почти идеально.

Впрочем, причины высоких цен на лиды мне были понятны. Рынок загородного строительства всегда реагирует на малейшие колебания в экономике. Плюс влияет длинный цикл покупки. Покупателям нужно от 3 до 24 месяцев, чтобы обдумать предложение и подписать договор. В кризис этот срок ещё дольше.

Все эти особенности повлияли на мою работу. Я не мог оценить эффективность осенних рекламных кампаний и скорректировать цены. У меня были данные по количеству и качеству лидов, но не было полной статистики по продажам. Только позже я понял, что декабрь был хорошим месяцем. Весной лиды подорожали, а искать их стало сложнее из-за старта сезона и активности конкурентов. Ставки выросли, но лидов рынок больше не давал.

Впрочем, с такими проблемами столкнулся не весь рынок. Каждый месяц я запрашиваю у Яндекса конкурентный анализ рынка и вижу, что в своём сегменте по каменным дома мы идём одинаково с другими компаниями. Растём и падаем наравне с конкурентами. А вот с более дешёвыми предложениями на рынке, например, с каркасниками, конкурировать не можем. У них больше трафика и выше конверсия, что объяснимо более низкой ценой.

Тестировал всё, что можно — это основа моей стратегии. Я пробовал запускать смарт-баннеры, МКБ и ПромоСтраницы. Крутил рекламу в РСЯ и запускал приоритетное размещение на Яндекс Картах. Пробовал запускать Поиск на ручных настройках и автостратегиях, но собрать нужное количество квал-лидов не мог. Не работало ничего из того, что я использовал в кампаниях других заказчиков. Я просто не понимал откуда вести трафик, который гарантированно принесёт квал-лиды по адекватной цене.

Неприятным моментом было также то, что в нашей тематике автотаргетинг охватывал огромное количество фраз, не имеющих вообще никакого отношения к строительству домов. Например, автотаргетинг показывал рекламу по ключевой фразе «снять дом посуточно в Минске», но мы-то дома строили. Причём в Москве, а не Беларуси. Отфильтровать все эти лишние фразы нереально. Персональный менеджер и аналитики из Директа не помогли, они только разводили руками.

Пробовал корректировать аудиторию по платежеспособности, но это тоже не помогло. Я не заметил никакого отклонения показателей конверсии лидов в квалы. Как будто никаких реально богатых людей там нет. Зато есть сильно перегретый аукцион и высокая стоимость клика по этому трафику.

Пробовал фильтровать ботов через Bot Factor. Тест показал, что Bot Factor неэффективен. По нескольким проектам было заметно, что их глобальный сегмент ботов супермаленький, с ним ассоциировалась малая доля трафика. Он приносил конверсии в уникальные целевые звонки иногда даже лучше, чем остальной трафик.

Параллельно мой персональный менеджер из Vitamin.tools — рекламной экосистемы, возвращающей до 18% от пополнения рекламы, — предложил протестировать сегменты фискальных данных. Поработать с First Data — компанией, которая собирает персонализированные аудитории по фискальным данным, то есть по их покупкам. До 2022 года такая возможность была только у крупных корпораций вроде Coca-Cola. Сейчас компания сотрудничает с рекламной экосистемой Vitamin.tools и может собирать персонализированные аудитории для некоторых категорий клиентов. Нюансы отбора я не знаю, подробную информацию можно уточнить у своего менеджера.

Элитная недвижимость — не совсем тот продукт, который стоит продвигать с помощью фискальных данных. Слишком узкая ниша. Однако, если использовать этот подход для продвижения более массовых товаров, таких как бытовая техника или продукты питания, то результат может быть весьма эффективным. На основе фискальных данных можно создавать персонализированные рекламные кампании, нацеленные на конкретную аудиторию.

Например, мы можем показывать рекламу кофейни пользователям, которые регулярно покупают кофе с собой. Или находить людей, оплачивающих картой сопутствующие товары: шоколад, торты, печенье. Им можно предложить заглянуть в кофейню по пути с работы и попробовать новый сорт кофе. В будущем, я планирую отработать эту гипотезу на реальном проекте.

В случае с недвижимостью фильтровать аудиторию по конкретной покупке нельзя. За недвижимость не платят с карты. Я предположил, что нужно искать активное население — людей, которые хотя бы 5 раз в год что-то оплачивают картой. Показалось, что это простой и логичный критерий, по которому можно отсечь людей без цифрового следа, предположительно ботов. Сложно представить реального пользователя, который в состоянии купить дом, но вообще не пользуется картой.

Вторая гипотеза, которую я хотел протестировать: попробовать собрать платежеспособную аудиторию, фильтруя людей по дорогим покупкам. Как правило, премиум аудитория покупает товары определённых брендов и определённой стоимости.

С фискальными данными я ранее не работал, поэтому начал с тестов. Одновременно запустил трафик на три аудитории: с фискальными данными, премиальную и аудиторию без данных. Чтобы добится максимальной чистоты эксперимента, работал в рамках одних и тех же рекламных кампаний, используя минимальные корректировки по аудиториям, так как при настройке двух и более разных кампаний всегда есть риск, что одна из них оптимизируется Директом лучше другой. Для удобства отслеживания в UTM-метки добавил ID условий подбора и корректировки.

Результаты тестов:

1) Премиальной аудитории мало. Меньше, чем выдает Яндекс и их показатели платежеспособности. Мы потратили на эту гипотезу 16 000 рублей и вытащили одну квалифицированную заявку.

2) Гипотеза по активной аудитории (от 5 покупок за год) сработала. В этом сегменте мы получили конверсию 44% из неспамных лидов в квалы.

3) РСЯ без фискальных данных не сработала. Мы получили самые дешёвые лиды и нулевую конверсию в квалы. А ещё я заметил расхождение в сквозной аналитике по количеству кликов и визитов: визитов меньше на 30%, чем кликов. Счётчики просто не успевали загружаться на страницу, либо блокировались программно. С заказчиком договорились отключить этот сегмент, чтобы сэкономить ¾ бюджета.

Тест показал, что качество и стоимость лидов зависит от фискальных данных. Эту зависимость чётко видно на последнем этапе квалификации. Цена квалифицированного лида без фискальных следов почти в 10 раз выше и на начальном этапе воронки люди с цифровым следом конвертируются в неспамные лиды с CR на 15-20% выше.

Главным выводом после теста стало единогласное решение команды: отсечь аудиторию без фискальных данных. Сложно представить, как можно не оставлять цифровых следов в наше время. Нужно или всегда платить наличными, или нигде не вводить свой номер телефона, что практически нереально. В общем, пользователи без цифровых следов подозрительные. Дорогой товар они, скорее всего, не купят. Дальше будем отключать стандартные аудитории, а за счёт освободившихся бюджетов масштабировать фискальные сегменты.

Рассказал подробности кейса — маркетолог Антон Кондратьев. Продвигает в Директе заказчиков из широких и узких ниш.

Telegram | Сайт

Реклама. ООО "Феникс-маркетинг" ИНН: 7725812838 ERID: 2SDnjcAaDWi