Кейс в ecommerce: как распознать падение рынка и перестать сливать бюджет на контекстную рекламу

Никакой гуру контекстной рекламы не спасет ваш бизнес, если вы работаете на падающем рынке. Мы вписались в такой проект: макрофакторы указывали на то, что конверсия снизилась в 2 раза и рынок просел на 70%. Рассказываем, как отследили падение рынка, какие нашли точки роста — и что из этого вышло в новом кейсе.

Мы в jam.agency занимаемся платным трафиком для eCommerce-проектов. В 2021 году к нам пришел интернет-магазин детских колясок. Эта история о том, как мы поверили в себя и проигнорировали сигналы рынка, потому что нашли ряд косяков и точек роста в старых рекламных кампаниях — и не смогли «спасти» контекстную рекламу клиента. Слабоумие и отвага или логичные шаги — решать вам. Показываем, как отследили падение рынка, какую работу проделали и что из этого вышло — и как понять, что на вашем e-commerce проекте контекст не будет работать в плюс. О том, как сделать, чтобы в плюс все же работало, мы ранее писали, повторяться не столь интересно.

Проект — сеть магазинов детских колясок в регионах России. До пандемии был магазин и в Москве, но сейчас остался только пункт самовывоза. Цены ниже, ассортимент шире, чем у конкурентов, но с 2016 года снижается выручка из онлайна и в частности контекстной рекламы. Клиент не понимает: проблема в рынке или в подрядчиках. Он пожелал не называть себя, но для провального кейса это вовсе не обязательно, правда?!

На старте переговоров позиция клиента «все подрядчики плохие» настораживает: либо с клиентом сложно найти общий язык, либо причины вне рекламных кампаний. По опыту, если бизнес-модель рабочая, то Яндекс Директ будет работать в ноль или плюс даже с кривыми настройками, а наша задача в таком случае — найти точки роста, слабые места и масштабировать эффективные сегменты.

Если же кампании работают в минус, вероятно, причины на уровне бизнес-модели и рынка. Поэтому в первую очередь мы начали исследовать рынок в рамках аудита.

Каждый проект мы начинаем с аудита по двум причинам:

Задачи по аудиту ограничены по времени, поэтому мы всегда идем от общего к частному и погружаемся так глубоко, насколько позволяет отведенное время.

Изначально нужно понять, в каком состоянии находится бизнес клиента, а на данном этапе это легко сделать, проанализировав трафик в Яндекс Метрике.

В первую очередь мы выяснили, что рекламные переходы — это 20% всего трафика, поэтому рекламные каналы мы рассмотрим позже. Сейчас сосредоточимся на ключевых источниках.

Около 70% трафика приходится на поиск. Значит, бизнес-модель рабочая: «холодный» трафик с поиска конвертируется в заказ или лид. Но чтобы сделать более точные выводы, смотрим динамику последних несколько лет — и видим, что с 2017 года количество бесплатного поискового трафика снизилось в ~4 раза:

Падение органического трафика говорит либо о падении спроса, либо о снижении доли клиента на рынке. Еще один сигнал, который говорит о снижении позиций бренда и падении объема заказов — прямые переходы. График очень похож на тот, что описывает поисковый трафик:

Следующий шаг — оценка динамики брендовых запросов. Для этого используем Google Trends, который хранит данные за 10 лет, и Wordstat, выдающий информацию за 4 года:

Видим, что упоминание бренда упало почти в 3 раза с 2016 года и это коррелирует со снижением прямых переходов и органического трафика. Нужно проверить, как обстоят дела у прямых конкурентов. Для этого мы собрали наиболее популярные сайты в органической выдаче нашей тематики за последние 1.5 года.

Выделили из списка прямых конкурентов, посмотрели динамику брендового спроса по ним — и пришли к двум выводам:

Осталось разобраться, что же происходит на рынке. Для этого изучаем запросы по фразе «коляска»: он включает в себя поисковые запросы, которые в большинстве случаев относятся к нашей тематике. Видим что рынок упал в среднем в 2 раза с 2016 года.

Для справки: значение «100» на графике обозначает 100% — спрос был на пике популярности в 2016-2017.

Для того, чтобы наглядно показать корреляцию между изменением спроса на рынке и посещаемостью сайта, наложили графики друг на друга. В течение последних лет снижается спрос не только по брендам, но и в целом на коляски.

Самая очевидная причина здесь — снижение рождаемости. И согласно динамике рождаемости по России, с 2015 года прослеживается ощутимое снижение:

Еще одна гипотеза — стремление людей сэкономить и купить коляску б/у. Поэтому мы изучили спрос на запрос «коляски авито», как синонима словосочетанию «коляски б». Однако и здесь спрос снизился в несколько раз:

К падающему спросу добавились также маркетплейсы, которые заполнили выдачу. Мы проверили спрос по сегменту колясок через Google Trends и Wordstat по фразе «коляски озон» и на выходе получили следующие данные:

Аналогичная ситуация с Wildberries и прочими. Для наглядности мы собрали таблицу с составом органической выдачи по месяцам, где зеленым цветом выделены маркетплейсы и агрегаторы:

А в последние полгода на рынок активно начал заходить Яндекс Маркет через рекламную выдачу:

Для удобства понимания общей картины мы свели все данные в единую таблицу:

Также для наглядности мы построили график с основными трендами:

Итого, мы пришли к выводу, что рынок уменьшается в объеме и в то же время повышается доля маркетплейсов и агрегаторов, что снижает конверсию, так как и без того небольшой спрос делится на большее количество игроков;

Несмотря на это, у клиента десяток регионов присутствия и есть продажи, а также есть конкуренты, которые продолжительное время использует контекстную рекламу и, скорее всего, она у них окупается — работать можно, и мы начали изучать рекламные кампании.

Напомним, что доля рекламы в общем трафике составляет ~20%, из них 40% приходится на Яндекс Директ и далее по убыванию на скрине ниже.

Поскольку Яндекс Директ является основным рекламным каналом на поиске и в сетях, анализируем данные из этой системы. Период для исследования берем с 2018 по 2019 год: статистику за более ранний период выгрузить нельзя по правилам Директа, до 2018 года не собирались данные по конверсиям и данные по заказам имеются только за 2018-2019. В целом, по всем платным каналам прослеживается закономерность: в 2018 резко подняли охват, но в 2019-2020 годах трафик снова вернулся к низким значениям. Вероятно, платный трафик должен был компенсировать снижение заказов из-за просадки органического трафика. И, судя по графику, посещаемость поддержать смогли, а вернуть выручку нет, потому что рекламу отключили. Нам нужно разобраться, что делали, почему это не работало и можно ли исправить ситуацию.

Первым делом, исключим каннибализацию трафика: если мы видим в отчетах транзакции, то мы хотим быть уверены, что эти транзакции «честно» относятся к контекстной рекламе, а не «украдены» у поиска.

Есть простой способ проверить уровень каннибализации — построить график бесплатного трафика и платного. На графике ниже мы видим, что при отключении контекстной рекламы отсутствуют резкие изменения органического поиска, то есть отсутствует перетекание.

У клиента нет понимания по стоимости конверсий и есть подозрение, что предыдущие подрядчики не считали экономику проекта. Поэтому первым делом разбираемся, сколько должен стоить оплаченный заказ и промежуточные этапы на пути к нему с учетом текущих показателей конверсии, чтобы сравнить с фактическими цифрами.

Но нужно сделать поправку на оффлайн, так как у клиента есть физические магазины в некоторых регионах, а среди посетителей интернет-магазина немало тех, кто предпочитает после просмотра сайта сразу ехать в оффлайн-магазин, чтобы вживую оценить товары и купить. Для этого используем поправочный коэффициент, на который далее мы будем умножать заказы в онлайне, чтобы получить их реальное количество с учетом оффлайна.

Чтобы соединить онлайн и оффлайн, нам потребуется событие на сайте, которое коррелирует с последующим посещением пользователей оффлайн-магазина. В нашем случае — посещение страницы с адресами и контактами магазинов, что логично, так как если пользователь смотрит адрес магазина, то скорее всего он хочет туда съездить.

У клиента около 10 магазинов в разных регионах. По его словам, несколько точек посещают только пользователи интернет-магазина, так как точки не имеют проходящего трафика и удалены от центра. Мы берем эти точки и сравниваем их посещаемость с посещаемостью страниц контактов в этих регионах, и видим, что каждый 3-тий посетитель страницы контактов посещает магазин — это 30%. Сравнение грубое, но лучше наличие условной модели, чем ее отсутствие.

Детальные расчеты мы упустим. Уточним только, что на каждый онлайн заказ приходится 1,18 заказа в оффлайн-магазине (итого — 2,18 заказа).

Интернет-магазин работает на всю РФ, но далеко не в каждом регионе есть оффлайн-магазин, поэтому у нас будут 2 сегмента данных: без оффлайна и с оффлайном, к последнему мы применим наш коэффициент 2,18, чтобы понять общее количество заказов, а не только онлайн:

Проблема в том, что конверсия в заказ 0,3% это слишком мало и нужно хотя бы 0,5% для качественного исследования, потому что данные «размазываются» слишком тонким слоем на большое количество параметров. Поэтому мы будем опираться не на заказы, а на добавления в корзину — и стоимость этой конверсии.

Точка окупаемости по словам клиента — 2500 руб. за оплаченный заказ. Умножаем стоимость заказа на конверсию из корзин в заказы — и получаем максимальную стоимость корзины в 182 руб.

Теперь мы можем качественно оценить эффективность старых кампаний.

На графике ниже — расходы и CPL (стоимость корзины), красная горизонтальная черта на уровне 200 рублей за корзину определяет порог окупаемости.

Видим, что первые три квартала реклама работала «в плюс», но начиная с 4 квартала экономика ушла «в минус» из за удорожания CPL до 400 рублей.

Первым делом проверим сезонность, так как гипотеза совсем на поверхности. Возможно, начался низкий сезон, никто не управлял ставками и потому вырос CPL. По историческим данным Wordstat высокий сезон приходится на весну с дном в октябре, что в целом соответствует нашему кейсу. Но спрос в 4 квартале, в сравнение с 3 кварталом, меняется на 10-15%, а наш CPL вырос более чем в 2 раза. Получается, что влияние сезонности минимально, хотя и присутствует.

Ищем причины дальше, в данных за 3-ий и 4-ый кварталы 2018 года. При рассмотрении выделили красным кампании, которые значительно повлияли на рост CPL в данный период:

Если посмотреть на динамику этих кампаний по кварталам в общей массе, то увидим увеличение расходов на 300%, а CPL на ~250%:

Но основное негативное влияние на рекламу в целом оказала кампания Новый_Поиск_Магазин_Колясок_Мск. За 3-4 кварталы 2018 и 1 квартал 2019 года на нее пришлось более чем 70% всех расходов и CPL по ней превышал максимальное значение более чем в 4 раза.

Есть и другие кампании, которые повлияли на рост CPL в рассматриваемый период, но их влияние незначительное, поэтому останавливаться на них подробнее не будем.

Детально рассмотрев кампанию «Новый_Поиск_Магазин_Колясок_Мск», выявили, что больших отклонений по CTR и CR не было, а вот CPC был выше среднего в два раза:

Кампания работала в рамках автоматической стратегии «Оптимизация кликов». И хотя по-нашему опыту, данный тип автостратегии не самый оптимальный вариант для использования, при корректных настройках она может работать эффективно.

Проверив настройки автостратегии, мы обнаружили, что они постоянно менялись. В течение полугода ежемесячно увеличивали максимальную цену клика и недельный бюджет.

На старте стояли следующие настройки:

В итоге, в феврале настройки были уже следующими:

Вероятно, никто не считал KPI или их рассчитали неверно. Поэтому кампанией управляли в отрыве от бизнес-показателей. Чтобы управлять ставками эффективно, их нужно рассчитывать исходя из стоимости добавлений в корзину, и отслеживать как изменения влияют на прочие целевые показатели.

По нашему опыту, лучше использовать стратегию оптимизации по целевой стоимости конверсии или по рентабельности. В целом, в настройке автостратегии много нюансов, и если вам интересно почитать о том, как правильно запускать автостратегии и увеличить эффективность РК на 15-30% за счет них, то рекомендуем прочесть статью об этом в нашем блоге.

После отключения рекламы во 2 квартале 2019 года, ее перезапустили в 3 квартале, но уже с другим подрядчиком. Об этом можно судить по измененным названиям РК. И если раньше наибольшая доля расходов приходилась на поиск, то за 3-4 кварталы 2019 года доля РСЯ составила ~57%:

Невооруженным глазом видно, что отсутствуют заказы на сайте. Вероятно, это связано с тем, что заказы совершались в оффлайне, но даже если и фактическое количество заказов больше нуля, то при такой стоимости корзины эти кампании вряд ли окупились. Напомним, что максимально допустимая стоимость добавления в корзину — 180 руб. и. при средней стоимости в 301 руб. реклама работала «в минус».

В динамике по кампаниям в сетях плавно повышался CPC — можно заметить небольшую зависимость повышения CPL и CPC от снижения количества кликов:

Первым делом грешим на ручное повышение ставок за клик. Но возможно, дело в площадках, поэтому рассматриваем их детальнее. Стоимость добавления в корзину стабильно ниже по всем кампаниям и стоило проводить чистку неэффективных площадок, но в первую очередь стоило отключать площадки Яндекса: расход по ним составляет ~43%:

На эту группу кампаний пришлось ~28% всего рекламного бюджета и они сгенерировали ~18% всех заказов: Здесь допустимая стоимость корзин несколько ниже — 120 руб. Однако CPL по всем кампаниям от 150 до 450 рублей.

Еще одна особенность в регионах, где нет оффлайн магазинов — конверсия в заказ ниже в 4 раза: 0,1% против 0,4%. Как правило, в регионах на конверсию влияют условия доставки, так как всегда найдется локальный конкурент или крупный агрегатор/маркетплейс, которые предлагают более выгодные условия или у которых есть оффлайн-точка. И в будущем данную гипотезу можно проверить через А/Б-тест. Одной аудитории показывать текущие условия доставки, а другой — более привлекательные условия.

С точки зрения экономики, динамический ретаргетинг работал в плюс, ведь стоимость заказа ниже допустимых 2500 руб:

Однако эта кампания могла быть эффективнее. Сверив настройки и фактический показатели, обнаружили, что фактическая стоимость цели в 2,5 раза выше: 1236 руб на скрине с данными против 500 руб заданных в настройках:

Так происходит, когда недостаточно конверсий для обучения автостратегии. В среднем было 10 конверсий в месяц, а нужно хотя бы 50-60. И потому было бы уместнее использовать промежуточную цель с достаточным количеством конверсий — например, добавления в корзину.

С корректными настройками эффективность динамического ремаркетинга была бы выше на 15-30%, т.е. мы бы получили не 57 заказов, а 77, к примеру. Также стоит учесть, что настройки ограничения стоимости клика и недельного бюджета также снижают эффективность кампании и по факту можно получать более 80-90 заказов.

Вместе с органическим трафиком снижается количество заказов и выручка. В целом идет просадка по рынку за счет того, что сложно конкурировать с маркетплейсами. И единственный способ поддерживать выручку — закупка трафика. В первые 9 месяцев после запуска реклама работает в плюс, но из-за управления кампаниями в отрыве от бизнес-показателей, экономика «скатывается вниз». Перезапуски не помогают, совершаются те же самые ошибки.

Теоретически, если перезапустить кампании, но внедрить корректные настройки и правильно ими управлять, можно снова выйти на окупаемость. Чтобы понять, насколько это целесообразно, мы оценили потенциал рынка по основным ВЧ-запросам.

Поскольку мы ограничены по времени в рамках бесплатного аудита, прогноз делали без проработки ключевых слов внутри ВЧ-запросов. Например, брали запрос «купить коляску» и сокращали количество кликов на 30%, чтобы учесть вложенные нецелевые фразы.

Прогноз рассчитали с помощью инструмента Яндекса «Прогноз бюджета» без учета потенциала динамических кампаний и других инструментов eCommerce. И разделили его на три части, чтобы не перемешивать между собой сегменты «Есть магазин» и «Нет магазина». А также вынесли Москву и МО, чтобы не искажать данные. Прогноз строили учитывая текущую конверсию сайта.

В итоге, без учета динамических кампаний, с Яндекс и Google (регионы, где есть магазины и МСК) можно получить ~300 заказов, по стоимости ~2 000 руб. Потенциал рынка есть и нужно тестировать поисковые кампании и кампании в сетях с правильными настройками автоматических стратегий. Узким местом текущих кампаний, однозначно, является стратегия управления ставками: неверно выбранная стратегия, некорректные настройки и управление в отрыве от KPI привели к отрицательной экономике.

Учитывая полученную информацию и наш опыт по другим eCommerce проектам, мы составили план работ с KPI на первые три месяца. Сложно прогнозировать на более долгий период, учитывая сколько переменных и факторов влияют на результат.

В агентстве активны около 40 проектов и 35 из них — интернет-магазины. В большинстве случаев 50% выручки в них дают автоматические рекламные кампании на базе фидов.

Запустить такие кампании проще и быстрее, чем классические на поиске или в сетях. Поэтому и на данном проекте мы решили стартовать с автоматических кампаний:

Запускать в рекламу сразу весь объем товарных позиций смысла нет — выбрали наиболее прибыльные сегменты: 30% товаров, которые генерируют основную выручку. Из этих же товаров сделали категорийные страницы под общие запросы, вроде «коляска 3 в одном» или «коляски люкс», так как помимо торговых кампаний по фиду мы решили запустить классические поисковые рекламные кампании.

Этот формат рекламы позволяет показывать посетителям сайта товары, которые они посмотрели или добавили в корзину. Выглядят они как карточки товаров:

Не так давно Яндекс выкатил фичу, что помимо посетителей карточек товаров и корзин, объявления показываются еще и похожей на них аудитории, но по нашим исследованиям, на текущий момент, это работает плохо.

Кампании запускали по Москве со стратегией максимизации кликов по заданной ставке — «максимум кликов по 20 рублей». На старте работ это оптимальное решение, чтобы «разогнать» кампании, получить конверсии, а уже потом переключиться на стратегию оптимизации по конверсиям. В нашем случае — «максимум корзин по 200 рублей».

После запуска мы раз в несколько дней линейно поднимали ставки за клики, чтобы получать больше кликов и смотреть на их окупаемость. Действовали методом перебора, чтобы найти оптимальную ставку за клик и уложиться в максимальную стоимость корзины в 200 рублей. Таким образом мы сводим к минимуму риски «слить» бюджет.

Через 5 недель мы получили 44 добавления в корзину, 5 лидов и 0 продаж. Приняли решение отключить смарт-баннеры, так как стоимость корзины в 2 раза выше допустимых 200 рублей:

Мы снижали ставки по мобильным устройствам, где стоимость корзины была в 2 раза выше средней, урезали ставки по мужской аудитории, отключали неэффективные площадки показов… Но на нужные показатели все равно не вышли.

Клиент предложил протестировать регионы, где ранее наблюдалась высокая конверсия. Мы посмотрели спрос — в сумме они давали бы 5% от Москвы, поэтому даже не тестировали.

Важно уточнить, что из двух типов кампаний — обычная и умная, — мы запускаем сначала обычную, где можно управлять ставками по группам товаров и отсекать поисковые запросы. И только если она оказывается эффективной, на ее основе запускаем параллельно умную торговую кампанию.

Объявления в кампаниях Google Shopping показываются на поиске и в сетях по ключевым словам, которые по большей части генерируются из заголовков фида.

Кампании запускали по тем же принципам, что и Смарт-баннеры на Яндексе: линейно повышая ставки и наблюдая за стоимостью корзины. Несмотря на релевантные поисковые запросы, ситуация была аналогичной: ноль продаж, несколько лидов и около десятка корзин.

Протестировав предыдущие инструменты, мы решили запустить максимально узкие кампании на конкретные бренды и модели, чтобы исключить лишние переменные в виде автоматических кампаний и увидеть, как чистый трафик не окупается на самых продаваемых моделях.

Клиент был не против. Во-первых, он видел хорошие показатели поведения пользователей: глубина просмотра, время на сайте и т.д. Во-вторых, тестирование стоило 10 000 рублей и лучше уж исключить все варианты и закрыть вопрос, чем оставаться в неопределенности.

Вот пример объявления, которое мы показывали:

А это — примеры релевантных поисковых запросов по объявлениям:

Но и здесь мы не получили продаж, а лишь несколько добавлений в корзину. При этом мы наблюдали, что релевантные пользователи переходят по целевым запросам на страницы товаров, цена которых находится в рынке, но конверсий не было.

При средней стоимости наших услуг для клиента в 35 тысяч рублей в месяц мы в какой-то мере инвестируем в проекты время наших специалистов в начале сотрудничества. И чтобы тщательно оценить перспективы на входе, мы проводим аудит и скоринг проектов по собственным критериям.

С одной стороны все макро-факторы указывали на то, что конверсия снизилась в 2 раза и рынок просел на 50%. А с другой — был период из 9 месяцев, когда компании работали стабильно, значит, окупились клиенту. И мы подумали, что если сбалансировать экономику, устранить все слабые места и использовать все инструменты, можно выйти на оптимальные показатели.

По факту работы было проделано гораздо больше, чем просто запуск перечисленных выше кампаний: только на исследования ушло 60 рабочих часов. Еще 5 часов — операционное время тимлида, 14 часов — работы с аналитикой и 37 часов работы с рекламными кампаниями.

В данном случае мы взвесили риски и деньги — и вписались в проект. Отталкивались от того, что у клиента сеть магазинов, он компетентный и ответственный человек — если получится выйти на окупаемость рекламных кампаний, мы получим стабильного клиента.

Тем более, что точек роста было несколько и если честно, мы неплохо погрузились в проект и нам хотелось выйти «в бой»:

Учитывая, что мы провели не одно исследования рынка и конкурентов — и влияние внешних факторов на лицо, мы все равно вписались в проект. Поверили в свои силы, пошли против рынка — и прогорели.

Это хороший урок. Он стоил нам не так дорого, как клиенту его эксперименты с разными подрядчиками. Но выводы таковы, что несмотря на корректные настройки кампаний, тщательную работу с ключевыми словами и хорошее качество трафика, экономика проекта не сходится и вряд ли сойдется без глобальных изменений на уровне бизнеса.

Пишите вопросы и предложения, как работать с подобными ситуациями?

Для контраста рекомендуем к прочтению кейс по интернет-магазину запчастей, как в течение года мы подняли выручку с 250 до 1250 т.р., используя примерно тот же подход, что был описан здесь. Если у вас интернет-магазин и проблемы с контекстом, то пишите на сайт или в TLG, погрузимся в проект и подумаем, как сможем помочь.

Телеграм-канал, 1 пост в месяц — Джоин!