Хитрее, выше, сильнее: как использовать цены конкурентов для оптимизации рекламной кампании в Яндексе

Как увеличить конверсию, когда у клиента множество конкурентов на рынке, все продают одинаковую технику и запускают рекламу в Яндексе? Придумали нестандартное решение с применением конкурентного анализа, чтобы потенциальные покупатели видели только те товары клиента, которые дешевле, чем у других продавцов. Как осуществили и какой получили результат – рассказываем в кейсе.

*Next Level – группа рекламных агентств по основным каналам digital-маркетинга: контекстная реклама, таргет и брендформанс, маркетплейсы.

Автостратегии – безусловный тренд последних двух лет. Однако в некоторых случаях их недостаточно – например, когда клиент продает крупногабаритную бытовую технику, а помимо него, технику этого бренда продают еще множество конкурентов. Чистая автостратегия показывала среднюю эффективность, необходимо было повысить конверсию.

Целевая аудитория клиента долго обдумывает решение о покупке техники, сравнивая товар у разных продавцов по доставке, способе оплаты, наличию и цене. Поэтому было решено использовать цены конкурентов, чтобы оптимизировать показы рекламы ТГО (текстово-графических объявлений).

Мы использовали парсинг цен основных конкурентов и распределили в рекламных кампаниях товары по группам, каждая из которых соответствовала определенной модели техники. Затем подключили разработку Next Level, сервис N-Gram, который позволяет с помощью данных влиять на результат контекстной рекламы.

Действовали по такой логике:

На фото 1 наша цена выше на 44,4%, чем минимальная среди всех конкурентов. Алгоритм выключает все объявления с товаром А.

На фото 2 наша цена всего на 4,84% превышает минимальную среди всех конкурентов. Объявления с товаром А включаются или продолжают работать.

Режим тестирования был выбран последовательный: кампании сначала работали 90 дней без тестируемого алгоритма, а потом еще 90 дней с отключением объявлений по неконкурентоспособным товарам. Сравниваем результаты работы кампаний с начала июня 2023 по конец августа 2023.

Для теста выбрали две рекламные кампании на поиске: первая – на ручном управлении ставок, вторая – на автоматической оптимизации конверсий. Оценивая результаты, мы ориентировались на две цели – “Заказ создан” и “Заказ оплачен”.

Для удобства разделили тест на две части, первая – тестирование на ручной стратегии, вторая – автоматическая оптимизация конверсий.

Результаты РК до и после введения алгоритма по цели «Заказ создан»

Результаты РК до и после введения алгоритма по цели «Заказ оплачен»

На ручном управлении ставок гипотеза не подтвердилась – результаты стали хуже, чем до запуска алгоритма.

Итак, чтобы повысить конверсию, мы взяли цены конкурентов за ориентир для нашей рекламной стратегии и показывали рекламу только тогда, когда цены клиента выгоднее, чем у конкурентов. Результаты вышли неоднозначными. На ручных ставках стратегия не оправдала ожиданий, конверсия упала, а количество успешных сделок сократилось. С автостратегией вышло иначе: получили рост конверсии, увеличение числа заказов и значительное сокращение доли рекламных расходов. Эти результаты подтвердили гипотезу.

Почему такая разница в результатах? У алгоритма нейросети Яндекса гораздо больше внутренних данных, чтобы показывать рекламу именно тому клиенту, который купит товар. В автостратегии учитывается множество факторов, на ручных стратегиях – в разы меньше, поэтому на автоматической рекламной кампании подход сработал лучше.

В будущем мы планируем протестировать алгоритм на форматах смарт-баннеров и DSA, и в случае успеха адаптировать стратегию под различные условия. И вскоре выпустим еще серию кейсов по работе с влиянием данных на автоматические рекламные кампании.

Есть идеи, как еще можно оптимизировать контекстную рекламу с помощью анализа данных? Пишите в комментарии и подписывайтесь на канал, чтобы следить за нашими исследованиями.