Оффтоп Alytics
2 905

Кейс компании «Адамас»: как зарабатывать больше, не увеличивая рекламный бюджет

Материал написан на основе выступления менеджера по электронной коммерции компании «Адамас» Станислава Ильина на конференции «День сквозной аналитики».

В закладки
Станислав Ильин

20 марта 2018 года система сквозной аналитики Alytics провела в Москве «День сквозной аналитики». Посмотреть видеозаписи выступлений спикеров можно на сайте конференции.

Особенности электронной коммерции компании «Адамас»

У «Адамаса» хорошая платёжеспособная целевая аудитория: в основном это женщины 25-35 лет со средним и выше среднего доходом. При этом спецификой именно ювелирной отрасли является то, что решение о покупке может приниматься несколько недель. Люди используют корзину как вишлист, периодически заходя в неё, чтобы проверить цены, и только по прошествии некоторого периода совершают покупку. Повторный цикл покупки ещё больше — от полугода.

За последние два года интернет-магазин «Адамаса» вырос в несколько раз. Сайт обслуживает более миллиона посетителей ежемесячно, имеется свой колл-центр, курьерская служба, своя разработка и аналитика и даже собственная фотостудия. За два последних года рост ежегодной прибыли составил более ста процентов.

В компании выстроена эффективная прозрачная модель performance-аналитики, которая затрагивает все этапы: от оформления заказа до получения оплаты. Компания на 90% использует performance-маркетинг, при этом маркетинговый бюджет довольно скромен.

Из этой статьи вы узнаете, как, используя простые модели атрибуции трафика, построить эффективную и прозрачную модель performance-аналитики от оформления заказа до получения оплаты и находить точки оптимизации бюджета.

Шаг предварительный: выбираем модель атрибуции

В компании «Адамас» пользуются моделью Last Click. «Мне часто говорят, что эта модель устарела, что у неё много минусов, — объясняет Станислав Ильин. — Когда я готовился к конференции, я взял все конверсии за март 2018 года и разложил по источникам, а затем посмотрел данные по Last Click, по Time Decay и по другим моделям. Оказалось, что те девять источников, которые дают основной валовый доход, местами не поменялись».

Применяя различные модели атрибуции можно лишь чуть более точно настроить вашу маркетинговую модель, но кардинальных изменений вы не получите.

Но если у вашей компании огромные восьмизначные бюджеты — имеет смысл писать собственную модель атрибуции, потому что даже незначительные изменения в долях существенно увеличат вашу прибыль.

Шаг первый: определяем KPI — ключевые показатели эффективности

В случае «Адамаса» таких показателей шесть:

  • Отказы. Если в канале высокий показатель отказов — вы впустую тратите рекламные деньги. К примеру, агентство приходит к вам с предложением: давайте мы вам приведём очень много дешёвого трафика по рублю. Но при этом в таком канале 90% отказов — значит, они привели вам трафик не по 1 рублю, а по 10 рублей. Поэтому если в каком-то канале отказы стали выше средних показателей — вы впустую сливаете деньги. Отказы надо оптимизировать прежде всего. Это те деньги, которые проще всего можно сэкономить.
  • Средний чек. Для компании «Адамас» средний чек крайне важен. Перевозить ювелирные изделия дорого. Если везти товар в регион, клиент может посмотреть и отказаться от покупки или купить, а потом вернуть. Несмотря на то, что по закону ювелирные изделия возврату и обмену не подлежат, мы идём навстречу нашим клиентам и осуществляем обмен и возврат. Но после возврата, прежде чем вернуть изделие на прилавок, его отправляют на экспертизу. И такие операции очень дорого стоят, поэтому маленький средний чек для компании — просто убийственен. Поэтому в любом канале мы сначала проверяем средний чек. Если канал хороший, но средний чек низкий — выгоднее будет его отключить.
  • ДРР (доля рекламных расходов) оформленного заказа — сколько вам стоил один оформленный заказ. Для каждого канала ДРР будут отличаться. Самое главное здесь — вы должны понимать, сколько вы готовы заплатить за оформленный заказ.
  • ДРР хорошего заказа. «Хороший заказ» — внутренний термин компании «Адамас». Это заказ, который был подтвержден оператором колл-центра, либо автоматически CRM. ДРР «хорошего заказа» также считается отдельно для каждого канала. Фактически этот канал показывает «подтверждаемость» заказов в канале.
  • ДРР выкупленного заказа, то есть заказа, который купили и не вернули. Это уже чистые деньги — сколько вы заработали на данном канале.
  • Процент выкупаемости — дополнительный показатель, вычисляемый из показателей ДРР. Он важен в случае работы по модели CPA. Если этот процент начинает «плясать», становится низким, кто-то пытается вас обмануть: например, делают покупки и сдают товар обратно.

В целом это базовая модель, которая корректируется в зависимости от типа канала и показателей. Но абсолютно для любого канала нужно определиться с KPI до начала размещения. Нужно определиться, за что именно вы готовы платить деньги.

Шаг второй: распределяем каналы

Рассмотрим классическую схему распределения каналов, где фундамент трафика — это органический и type-in-трафик. Это та база, на которой вы зарабатываете деньги, ваше ядро аудитории: люди, которые постоянно приходят на сайт, находят его в поиске или вбивают адрес в адресную строку. В среднем для здорового бизнеса этот фундамент составляет около 40%.

Если эта доля значительно ниже, значит, что-то не так с трафиком или с сайтом. Встречается довольно распространённая ошибка: многие, не добирая эту долю, начинают вкладывать деньги в покупку трафика, тем самым снижая эффективность бюджета.

Следующий блок трафика — платный поиск, контекст и ретаргетинг. Это работа с аудиторией, у которой уже сформировался спрос. Клиент знает, что хочет, конкуренты тоже знают, что он это хочет — и вы на рынке за него бьётесь.

Шаг третий: анализируем кампании

Рассмотрим простой кейс, основанный на реальных событиях, но с абстрактными данными. Допустим, бюджет по платному поиску составил 1 млн рублей. Был неплохой процент отказов (15%), но совершенно космические показатели ДРР:

  • ДРР нового заказа — 30%.
  • ДРР хорошего заказа — 80%.
  • ДРР выкупленного заказа — 180%.

Очевидно, что надо оптимизировать процессы и разобраться, что и где пошло не так. Для этого нужно проанализировать источники трафика. Любой контекстный поиск состоит из двух основных каналов (почти у всех это «Яндекс.Директ» и Google AdWords) и разных экзотических каналов вроде «Avito Контекст» по работе со сформированным спросом.

Для каждого канала нужно определить набор KPI-показателей: в нашем кейсе это показатель отказов и группа ДРР. Допустим, плохие показатели у Google AdWords, — его и будем дальше анализировать.

В нашем кейсе Google AdWords состоит из нескольких кампаний:

  • брендовые кампании;
  • кампании по конкурентам;
  • категорийные кампании: например, кольца, серьги и так далее.

Для каждой кампании надо определить всё тот же набор показателей. И если в целом показатель отказов неплохой, то после анализа кампаний наглядно видно, что именно по серьгам он очень высокий.

Есть две ключевые причины высокого показателя отказов: либо вы не то показываете в объявлениях (не тот баннер, не тот текст), либо приводите человека не на ту страницу. Если клиент ожидал увидеть совсем другое — он уходит. Оптимизировать это легко.

Снизив вдвое показатели отказов, вы примерно на 25% увеличите свою прибыль при том же бюджете.

Здесь: BR — Bounce Rate (показатель отказов), CRR — Cost Revenue Ratio (ДРР)

С показателями отказов разобрались, на очереди показатели ДРР, с которыми немного сложнее. Разложив данные по кампаниям, мы видим, что по категории «Кольца» показатели ДРР плохие.

Кольца показываются в разных регионах: Москве, Санкт-Петербурге, Екатеринбурге и других городах. В каждом регионе своя покупательская способность, структура расходов, конкурентная среда, модели потребления и так далее.

Чтобы разобраться в причинах данной ситуации, нам нужно разложить каждую кампанию по региональному признаку и посмотреть, что идёт не так.

Шаг четвёртый: анализируем гео-данные

Везде, кроме Санкт-Петербурга, показатели хорошие.

Можно просто отключить Санкт-Петербург и игнорировать этот регион, а деньги перераспределить по другим городам. Но наша задача — добиться максимальной эффективности для каждого региона. Даже если по Петербургу будет один заказ в месяц — надо его обработать, но с приемлемыми показателями.

Как оптимизировать эти показатели? Для этого нужно узнать свою аудиторию. Вы можете проанализировать данные по полу, возрасту, устройствам пользователей, с которых они предпочитают заходить к вам, дни визита (в будние, выходные и предпраздничные дни поведение пользователей, как правило, отличается).

Также характерны отличия в поведении в зависимости от времени суток и прочих факторов. Утро, день, вечер, мороз, жара, дождь, солнце — всё это (и многое другое) влияет на поведение вашей аудитории.

Ваша задача — построить матрицу эффективности для каждой комбинации. Допустим, женщины в возрасте 24-35 лет, которые заходили на сайт с мобильных устройств дождливым вечером в будни — это ядро нашей аудитории, и мы должны обязательно ориентироваться на них. А вот с мужчинами 18-24 лет, сидящими утром за стационарным компьютером, всё намного сложнее.

Построив пересечение всех этих характеристик, вы получите тепловую карту эффективности вашей аудитории. Ваша задача — отсечь всё ненужное и предлагать рекламу только тому сегменту аудитории, которому это интересно и который готов у вас покупать.

Результаты

Любая теория хороша только тогда, когда она подкреплена практикой.

Если сравнивать 2016 и 2017 финансовые годы, то видно, что компания «Адамас» добилась значительных результатов. Средний чек вырос на 25%, показатель отмен упал больше чем на треть. Коэффициент транзакций вырос почти в два раза — именно потому, что мы перестали показывать рекламу (и приводить к нам на сайт) людей, которым это не интересно и не нужно.

Валовая прибыль возросла почти в 2,5 раза при значительном росте выкупаемости заказов. При этом значительного роста бюджета на контекстную рекламу у компании не было.

Думаете, для такой аналитики нужен целый штат? А вот и нет. Это может сделать каждый.

#кейсы

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Alytics", "author_type": "self", "tags": ["\u043a\u0435\u0439\u0441\u044b"], "comments": 2, "likes": 20, "favorites": 1, "is_advertisement": false, "subsite_label": "flood", "id": 36844, "is_wide": false }
00
дни
00
часы
00
мин
00
сек
(function(){ var banner = document.querySelector('.teaserSberbank'); var isAdsDisabled = document.querySelector('noad'); if (!isAdsDisabled){ var countdownTimer = null; var timerItem = document.querySelectorAll('[data-sber-timer]'); var seconds = parseInt('15388' + '59599') - now(); function now(){ return Math.round(new Date().getTime()/1000.0); } function timer() { var days = Math.floor(seconds / 24 / 60 / 60); var hoursLeft = Math.floor((seconds) - (days * 86400)); var hours = Math.floor(hoursLeft / 3600); var minutesLeft = Math.floor((hoursLeft) - (hours * 3600)); var minutes = Math.floor(minutesLeft / 60); var remainingSeconds = seconds % 60; if (days < 10) days = '0' + days; if (hours < 10) hours = '0' + hours; if (minutes < 10) minutes = '0' + minutes; if (remainingSeconds < 10) remainingSeconds = '0' + remainingSeconds; if (seconds <= 0) { clearInterval(countdownTimer); } else { timerItem[0].textContent = days; timerItem[1].textContent = hours; timerItem[2].textContent = minutes; timerItem[3].textContent = remainingSeconds; seconds -= 1; } } timer(); countdownTimer = setInterval(timer, 1000); } else { banner.style.display = 'none'; } })();
{ "id": 36844, "author_id": 109438, "diff_limit": 1000, "urls": {"diff":"\/comments\/36844\/get","add":"\/comments\/36844\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/36844"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199791 }

2 комментария 2 комм.

Популярные

По порядку

1

Хорошо!

Ответить

Комментарий удален

–2

О, это же те самые ребята, которые мне спамят бесконечными смсками со всяким дерьмом.
Спасибо, парни, если мне понадобится больше золота - я обязательно обращусь к кому-нибудь, кто не так настойчив в игнорировании моих просьб перестать отписать меня от смс рассылок.

Ответить
0

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Нейронная сеть научилась читать стихи
голосом Пастернака и смотреть в окно на осень
Подписаться на push-уведомления