Представители мебельного гипермаркета Hoff предположили, что существует зависимость между заказами продуктов с контекстной рекламы и погодными условиями, после чего провели эксперимент с регулированием ставок в «Яндекс.Директе» и Google Adwords на основе температуры воздуха, облачности и осадков. Это позволило компании увеличить продажи товаров категории на 64%, а конверсию в покупку — на 21% при росте расходов на 18,5%.
Руководитель отдела интернет-маркетинга Hoff Татьяна Панина рассказала vc.ru о реализации кейса.
С первым потеплением в марте-апреле начинается сезон продаж садовой мебели, а уже в июле товар уходит на распродажу. У нас получилось найти необычное решение продвижения этой категории в контекстной рекламе.
Еще в 2013 году в летний сезон мы предположили, что продажи садовой мебели зависят от погоды. Однако в тот момент под рукой не было инструмента, который позволил бы автоматизировать управление контекстной рекламой в зависимости от погодных условий.
В 2014 году по итогам летних продаж мы провели повторный анализ, который подтвердил гипотезу и показал явную зависимость между дневной температурой воздуха и заказами с контекстной рекламы: чем выше температура, тем больше продаж.

К летнему сезону 2015 года мы решили подготовиться заранее: вместе с нашим партнером Alytics (система автоматизации контекстной рекламой) разработали автоматические правила, которые регулируют ставки в контекстной рекламе в зависимости от прогноза погоды по трем условиям:
- дневная температура текущего дня;
- тип осадков;
- уровень осадков.
В качестве поставщика данных о прогнозе в наших целевых регионах мы выбрали Gismeteo.
Как это работает
Рассмотрим механику: система автоматизации контекстной рекламы Alytics каждый день в 4 утра получает выгрузку от Gismeteo по API c прогнозом погоды на текущие сутки. Для принятия решения за основу берется дневная температура в градусах по Цельсию в зависимости от региона и отсутствие осадков. Поскольку лето 2015 года выдалось дождливым и холодным, в середине отчетного периода правила пришлось скорректировать в сторону допущения небольших осадков (мелкий дождь).
Температура в 2015 году была в среднем ниже, чем год назад:


Правила работы со ставками мы сформировали следующим образом:
Исходная ставка увеличивается на 100%, если:
- дневная температура воздуха больше порогового значения;
- нет осадков или мелкий дождь;
- нет облаков или малооблачно.
Исходная ставка увеличивается на 50%, если:
- дневная температура воздуха больше порогового значения;
- есть осадки — дождь;
- облачно.
Исходная ставка остается без применения коэффициента, если:
- дневная температура воздуха меньше порогового значения;
- осадки — сильный дождь;
- пасмурно.
В остальных случаях, которые не затронуты ни одним из правил, ставки не изменяются. Визуальная схема автоматизации ставок:

Результаты
- Рост конверсии в покупку с рекламных кампаний «Садовая мебель» на 21%.
- Рост дохода по данной категории за отчетный период на 64%.
- Рост расхода по рекламным кампаниям «Садовая мебель» на 18,5%.

Руководитель отдела интернет-маркетинга компании Татьяна Панина сообщила о намерении продолжать подобные эксперименты.
Интересно, у нас был схожий опыт. Замечали зависимость конверсии от наличия/отсутствия дождя. Проект по продаже керамзитоблоков. Если шел дождь то конверсия резко падала (стали снижать ставки). В дни солнечные поднимали. Итоговый ROI заметно улучшилсяулучшился.
Рекомендую еще проверить гипотезу: "ожидание солнечных дней", те если Гидрометцентр сообщает, что через N дней планируется солнце, то конверсия может начать отрастать уже с этого момента "ожидания", а ставки низкие... У нас это есть в планах.
Татьяна, здравствуйте. Скажите, а как вы определяете, на что повлияло использование вами новой системы, а что связано с просто другой погодой в сезоне, трендами и всеми остальными факторами?
Добрый день, до этого лета никакой системы не было. Было управление ставками по данной категории такое же, как и по остальным - от ROI. В этом году добавился фактор погоды по описанной схеме. Факторы: рост год к году, увеличение цен в связи с кризисом отделялись на этапе анализа конечного эффекта. В итоге получался все равно плюс в доходе и ROI, но конечно не такой большой, как общая цифра.
Т.е. ничего кроме "рост год к году" и фильтрации "по росту цен"?
Коллеги, это первый опыт проверки гипотезы, которая 50/50 могла, как сработать, так и нет, тем более на нашей специфичной категории.
Если вы готовы посоветовать: "а подумайте еще", "а проверьте еще", "а посмотрите еще" - мы будем рады и благодарны новым идеям и диалогу. Особенно, если у кого-то есть аналогичный опыт управления контекстом.
Хорошо, Татьяна, я бы посоветовал вам еще:
1. Для начала разделить контекстную компанию на 5 максимально равномерных групп объявлений.
2. Для каждой группы назначить ставки следующим образом: с двумя группами (они будут контрольными) ничего не делать, просто трекать отдельно от остальных; в одной группе действовать по тестируемому правилу (менять ставки от погоды), еще в одной группе сделал бы на весь период теста +100% цены, и в последней +50%.
3. Прокрутил бы их статистически значимое время.
4. Посмотрел разницу показаний по выручке/расходам первых двух групп для определения погрешности разделения объявлений (читать эксперимента).
5. Сравнил бы показания по трем тестовым компаниям с одной из контрольных групп.
6. Если бы разница в конверте была достаточной для статистичекских выводов, сделал бы их.
К такой методологии тоже было бы не мало вопросов, но она бы могла хоть что-то показать, если мы нормально справились с задачей из пункта 1.
В вашей же текущей проверке гипотезы не учтено влияние даже средней цены клика (читать позиции на выдачи и места в аукционе) на конверсию и средний чек, может раньше "работая по ROI" вы и не учитывали. Также у вас сейчас не учтена активность оффлайна и вклад других каналов, конкуренты и много чего еще (сравнение с прошлым годом куда более спорный критерий оценки).
Итого ваше текущее исследование я сходу смог бы интерпретировать минимум пятью разными способами, и ваш вывод был бы отнюдь не самым правильным с моей точки зрения.
1. Разделить на 5 групп - сложновато, но ок.
2. У нас есть основное правило - размер ставки определяет категория приведенного лида за последние N дней (прямой заказ, звонок, подписка и тп). Тут оно никак не учтено.
3. ок
4. Мы еще смотрим на "штуки" - ок.
5. т.е основной фактор берем - конверсия? Но для нас важнее стоимость привлеченных лидов)
6. Нам все равно какая средняя цена, нам все равно какая позиция - нам важен уровень получаемого лида и стоимость его получения. Т.е мы стартуем от заоблачной ставки, чтобы набрать статистику, а дальше оставляем ее уровень в случае эффективности ключа или снижаем в случае неэффективности. В этой ситуации мы получаем максимум разноуровневых лидов при контролируемой эффективности. У нас нет задачи - нагнать и побольше.
7. Активность оффлайн, конечно же учитывается, но она не менялась год к году на столько, чтобы создать серьезный шум.
8. Другие каналы? Опять же не было столько серьезного изменения в каком-то из каналов, чтобы повлиять на контекст в плюс, или наоборот, забрать долю у контекста.
9. А как в данной ситуации притянуть конкурентов? Рост ставок на аукционе - нам не важно. Что-то еще?
Пункты 7,8 и 9 я расписывать не буду из-за лености своей природной, скажу лишь, что все они могут влиять на конверсию, и список их можно дополнить.
Т.е мы стартуем от заоблачной ставки, чтобы набрать статистику, а дальше оставляем ее уровень в случае эффективности ключа или снижаем в случае неэффективности. В этой ситуации мы получаем максимум разноуровневых лидов при контролируемой эффективности. У нас нет задачи - нагнать и побольше.5. т.е основной фактор берем - конверсия? Но для нас важнее стоимость привлеченных лидов)
Вы не находите эти факторы зависимыми? - ок.
А вот здесь вы загоняете себя в ловушку, если я правильно вас понял:
Один раз прогнувшись ставками на сезонном спаде или будучи вытесненными конкурентами вы не имеет механизма возврата наверх.
Это приводит к тому что на длинной дистанции вы потенциально теряете вкусных клиентов из-за имеющегося механизма регулирования ставок.
Вполне вероятный вывод из вашего эксперимента - подъем ставки на 50-100% просто вернул вам вкусный трафик, которого вы сами себя до этого лишили. И получается, что погода здесь не при делах (вы могли также получить профит меняя цену клика просто по четным/нечетным дням недели, а если бы подняли на весь период теста возможно получили бы еще больше профита).
ps Я ничего не имею против самой гипотезы, проблема в том, что по факту вы ее не проверили.
Федор, у нас получается очень длинная дискуссия.
Мы можем перенести ее в рамки фейсбук, например? Чтобы не писать здесь длинные "тирады" ;)
Год назад была похожая статья про ребят из Украины, занимающихся доставкой еды. они в дождливую погоду закупали контекст, что увеличивало конверсию. Погода на самом деле влияет на конверсию
За 2 минуты нагуглился скрипт управления ставками в зависимости от погоды в AdWords
https://developers.google.com/adwords/scripts/docs/solutions/weather-based-campaign-management#generic-weather
Комментарий удален модератором
Ну да, не шибко шустрый он:) Но большим плюсом является то, что он может менять мультипликатор ставки по разным городам в рамках 1 кампании.
Что будет делать ваш алгоритм если в рамках 1 кампании несколько городов с разными погодными условиями?
Комментарий удален модератором
Нам нужна была единая система для Яндекс.Директ и Google Adwords - ваш пример не релевантен данному запросу.
Так же система, способная ежедневно принимать решение на 100к ключевиков в зависимости от сложных разветвленных условий (в кейсе речь идет только о погоде), но если посмотреть наш кейс сентября про триггерное управление контекстной рекламой, там приведена ветка принятия решения, которая учитывает вес нескольких вариантов лидов, что добавляет сложности системе.
Суровцева и Макаров лютуют и минусут все комментарии кроме "своих". Вы чего такие злые с самого утра?:)
Татьяна, к вам вопрос - пороговое значение это 16с? И допускаете ли вы отклонения или меняете ставку если разница достигает 1с?
По погоде порог был жестким - ниже 16 не играем)
Но на след год планируем подходить к этому более гибко, тк есть ряд непроверенных гипотез, которые не соответствуют этому жесткому правилу.
За другие цифры сказать не могу, но вот «рост дохода 64%» если сравнивать 2014 к 2015, по меньшей мере, лукавство.
Если взять семантику порядка 7000-10000 запросов, по категории «сад и огород» и спарсить частотность 2014 к 2015, там естественный рост частотности ~30%
На это есть поправка?
скопирую из ответа выше: "Факторы: рост год к году, увеличение цен в связи с кризисом отделялись на этапе анализа конечного эффекта. В итоге получался все равно плюс в доходе и ROI, но конечно не такой большой, как общая цифра."
+ семантика по ключевикам в наших РК 15ый год к 14ому не менялась
Вы или меня не поняли, или полнота СЯ у вас очень скудная.
Я говорю не про изменение семантического ядра, а про изменение его частотности. И сравнение ее, а не ядра помесячно 2014 к 2015-му.
Спасибо, этот фактор мы не минусовали, забыли в процессе.
Наложим на результаты и его.
http://www.mathworks.com/videos/how-weather-and-pricing-affect-sales-using-matlab-to-improve-tescos-supply-chain-93077.html
Посмотрите как анализ данных походы и цены влияет на продажи в гипермаркетах (и как это использовать).
Как учитывался рост цен в вашем случае?
Я уже уточняла выше, что данный фактор был наложен во внутр. анализе. Здесь указана цифра "сверху".
Препарировать все факторы в рамках кейса не планировалось, тк это был первый опыт. След.осенью надеемся понять гораздо больше, и мб поделимся выводами.
Речь об интернет продажах? Анализируемые периоды 2014 и 2015? А дефолт рубля учтен??
Речь о продажах ИМ.
Дефолт учтен в более глубоком внутреннем анализе, для кейса требовались цифры "сверху". Рост продаж всех категорий за аналогичный период составил 50% (сюда входит фактор и дефолта).
А в натуральном выражении, рост на том же уровне?
Татьяна, а доход в вашем примере - это выручка или прибыль?
Выручка.
Есть вероятность что рандомный рост ставок на 50 и 100% дал бы схожий эффект :)
Плюс еще много факторов - конкуренция, цены, кризис. В цифрах достоверно сложно просчитать.
Не проще ли анализировать прошлые продажи (с одинаковыми ставками) в солнечные и пасмурные дни и плясать от этого?
Комментарий удален модератором
Комментарий удален модератором
Тоже думаю что рост позиций объявлений съиграл, а не зависимость от погоды.
Тот самый случай, когда бесполезный менеджер создает видимость своей полезности.
Я не вчитывался, но логика простая: поднималась ставка = больше показов/выше позиции = больше доход.
Искать связь с погодой можно, когда больше нечем заняться.
Во всех этих кейсах не показывают абсолютных цифр и вообще не слова не говорят об окупаемости рекламы. Окупается?
Если вы такие спецы, что вы еще на зарплатах то сидите, офер Hoffa есть в какой-то партнерке точно. Открывайте ИП-шечку и вперед за миллионами.
Комментарий удален модератором
Конвесию они подняли
Цены опустите сначала
недоИкея