Как продавать сложные продукты в В2В с минимальным бюджетом

Автор: Александр Коршаков

Дата публикации: 17 февраля 2023 г.

Компания цифрового маркетинга PLATZKART работает с 2004 года. Помогаем компаниям со сложными (и не очень) продуктами и услугами в секторах В2С и В2В разработать и реализовать маркетинговую стратегию, повышая эффективность вложений в маркетинг и продажи. Кроме этого делаем маркетинг понятным на всех этапах для владельцев компании.

Имеем опыт работы в нишах:

Наша компания работает с проектами по методологии SOSTAC. Методология позволяет с 80% вероятностью гарантировать успех продвижения товаров и услуг в интернете. Опираемся только на количественные данные, тщательно изучаем рынок, готовим и реализуем стратегии продвижения, используем накопленные данные по проекту для его оптимизации.

В рамках проекта используем следующие инструменты для реализации стратегии:

PLATZKART рекомендуют для дальнейшего сотрудничества 90% наших клиентов. По запросу предоставим их контакты.

Чтобы узнать больше о нашей работе пишите на email: st@platzkart.ru

История полезна компаниям, которые сталкиваются с проблемой продвижения сложного продукта на высококонкурентных рынках при минимальных бюджетах в условиях кризиса. Расскажем, что и как мы делали в течение 9 месяцев и к каким результатам пришли.

Заказчик — филиал Торгового дома МТЗ-Северо-Запад г.Краснодар. Официальный дистрибьютор «Минского тракторного завода» («МТЗ») на территории Краснодарского края и Республики Адыгея. Занимаются продажами тракторов «Беларус» и сельскохозяйственной техники.

Компания поставляет продукцию фермерским хозяйствам, колхозам, агрохолдингам и другим предприятиям занимающиеся сельским хозяйством.

Получить NN-е кол-во заявок из «Яндекс Директ» при минимальных бюджетах. При этом не ставились конкретные KPI по количеству обращений и стоимости. Однако были определены:

У компании есть свой сайт, созданный нашей компанией ранее. Сайт имел чёткую структуру и подготовлен к SEO-сопровождению. Это важно, так как при запуске рекламы сервис оценивает по множеству параметров посадочную страницу и если она не качественная, рекламная компания получит меньше показов.

На сайте присутствовал счетчик «Яндекс Метрики», но требовалась дополнительная настройка целей по обращению в компанию через «JivoSite» и входящих звонков.

В нашей работе мы большое внимание уделяем подготовительному этапу.

Сначала необходимо провести Ситуационный Маркетинговый Анализ (СМА). СМА — это фундамент будущей стратегии привлечения клиентов. Нет фундамента — нет гарантий, что стратегия будет работать. Необходимо понимать с кем мы будем конкурировать, в каких регионах наибольшая конкуренция, какие УТП транслируют в объявлениях конкуренты. Также необходимо предсказать теоретический объём обращений и необходимый бюджет для установки KPI.

Ситуационный анализ состоит из следующих пунктов:

Разберем каждый пункт подробнее.

Анализ рынка состоял из следующих пунктов:

Анализ семантического ядра дает понимание о том, какое кол-во ключевых слов имеют показы в рекламных системах. Приблизительные бюджеты на основе данных рекламных сервисов, а также предсказать возможный объем обращений в компанию.

Для рекламной компании по тракторам собрали 239 ключевых слов. Ключевые слова отбирались по частотностям из сервиса «Яндекс подбор слов», но это не означает, что у всех ключевых слов из нашего списка будут показы в «ЯДирект». Поэтому необходимо собрать статистику по показам и стоимости клика из «ЯДирект». В итоге получили таблицу для дальнейшего анализа. Ниже показаны первые пять строк исходной таблицы.

Обычная таблица, однако уже на этом этапе можно получить полезную информацию. Рассмотрим общую картину по ядру.

Вывод

Видим различия между медианной и средней ценой клика. Это значит, что в ядре содержаться преимущественно ключевые слова ниже средней стоимости клика. Проверим предположение на графике.

Действительно видно, что большинство ключевых слов из нашего ядра сгруппированы по стоимости клика в диапазоне от 25₽25₽ до 40₽40₽.

Также узнали, что разброс вокруг средней цены клика sd≈17 ₽sd≈17 ₽, т. е. стоимость клика может отличаться от среднего значение в большую или меньшею сторону на указанную сумму.

Часто бывает, что в утвержденной семантике, после сбора частот в рекламном сервисе, содержатся ключевые слова с нулевыми показами. Данные слова необходимо исключить из рекламных кампаний, так как по ним не будет показов и в процессе анализа будет легче и быстрее работать.

Рассмотрим распределение частотности показов по группам, тем самым узнаем по каким группам ожидается большее кол-во обращений. Это полезно учитывать, когда у вас в рекламной кампании разные продукты. Например, кредитные карты для физ. и юр. лиц или различные виды сельхозтехники и т.п.

График ниже приведен без названия групп из-за политики NDA.

Вывод

Выяснили, что как минимум четыре группы имеют ключи с большим охватом. В данных группах ожидается большее число кликов, а значит именно с этих группу будут в первую очередь приходить заявки. Также ожидаем, что данные группы будут быстрее расходовать бюджет.

Такой же график можно создать для распределения по стоимости клика, тем самым узнать какие группы содержать наиболее дорогие ключевые слова и взять группы на контроль.

Методология отбора конкурентов в платной выдаче «Яндекс» строится на гипотезе, что чем больше показов у домена конкурента по выбранным ключевым словам (т. е. чем больше доля охвата), тем больше трафика получает домен, а значит это наши конкуренты в сети. Это не значит, что домен может быть нашим прямым конкурентом. Прямыми конкурентами считаются компании, которые предоставляют те же услуги и продукты, что и ваша компания, в том же регионе.

По нашему семантическому ядру, в платной выдаче, обнаружено 52 сайта конкурентов. На графике представлены ТОП 10 конкурентов и их доля охвата (из-за NDA на графике можем показать только первых трех конкурентов).

Вывод

Видим, тройку лидеров по охвату, а значит это наши основные конкуренты в аукционе «ЯДиректа». Отметим, что прямой конкурент только один «am-volga.ru». Площадка «spec.drom.ru» скорее косвенный конкурент, однако, по большому счету, это не имеет значение, так как конкурировать за показы наши объявления, в основном, будут с сайтами из ТОП 10.

Кстати, если площадка занимается самопродвижением, то стоит взять её на заметку. Рекомендуем разместиться на ней для привлечения потенциально заинтересованных клиентов.

Рассмотрим как конкуренты распределились по группам. В таблице увидим кол-во сайтов и объявлений на каждую группу, таким образом узнаем наиболее конкурентную группу.

Так как это пример, то покажем 3 группы из 23 и средние значения.

Выводы

В среднем у нас 1414 сайтов конкурентов и 1616 объявлений на группу. Разброс по сайтам составляет ± 4± 4. Высокая конкуренция наблюдается в первых двух группах из таблицы, значит ожидается высокая стоимость клика в данных группах.

Проверим гипотезу есть ли зависимость по охвату от занимаемой средней позиции. Как правило, чем выше средняя позиция, тем больше трафика получает сайт.

Вывод

В данной нише гипотеза не подтвердилась. Данный вывод подтверждает значение p−value=0.97p−value=0.97 (при норме p−value=0,05p−value=0,05, т.е. при данном значении гипотеза проходит проверку). Значит в данной нише не имеет значение, на какой позиции находится объявление.Трафик может собираться как с верхнего, так и с нижнего блока в выдачи поисковой системы «Яндекс».

Также заметим, что основная масса конкурентов получает небольшой объем трафика, по нашему семантическому ядру, что даёт нам возможность собрать более 80%80% трафика, а значит есть вероятность получить максимум из нашей рекламной кампании.

Рассмотрим в каких регионах транслируют объявления конкуренты.

Выясним какие регионы наиболее конкуренты.

Вывод

Введя синтетический коэффициент в соответствующем столбце можно быстро определить самый популярный регион — Россия. На втором месте Краснодарский край и Ростовская область. В данных регионах ожидается повышенная конкуренция. При создании рекламных кампаний необходимо учитывать кол-во регионов в которых планируется транслировать объявления.

Собрав данные по объявлениям конкурентов из поисковой выдачи мы можем провести их анализ. Узнаем какие слова используют в заголовках и текстах объявлений чаще всего. На что делают акцент. Из этих данных будет понятно как можно отстроится от конкурентов или что нужно использовать в заголовках обязательно.

В таблице указана частота однословных и двухсловных ключевых слов из объявлений конкурентов. Изучив всю таблицу сделаем выводы, на что делают упор и как составляют объявления конкуренты.

Также можем посмотреть ключевые слова в разрезе групп и сайтов конкурентов.

Провели анализ сайтов прямых конкурентов. В итоге получили следующую таблицу с данными.

Вывели итоговые оценки качества по всем конкурентам, что дает понимание как обстоят дела в нише.

Полученные данные используются для улучшения собственного сайта компании.

Вывод

В данном разделе рассчитаем реально достижимый объем рынка (Serviceable & Obtainable Market). Нам необходимо понять примерное кол-во обращений, которое мы можем получить на уровне сформированного спроса. Это поможет установить KPI на который мы будем ориентироваться.

Примерно кол-во обращений в месяц определяется через распределение Пуассона. Вычисляется двумя методами:

Исходя из месячного бюджета, согласно расчетам, с ≈90% вероятностью получим от 27 до 50 обращений в месяц, в среднем ≈40. При условии, что средняя цена клика CPC≈39₽, а конверсия из клика в обращение CR≈4% (данные по CR взяты из «ЯМетрики» клиента).

Сначала рассчитаем кол-во переходов исходя из средней частоты по ежемесячным показам. Нужно получить среднее значение по кликам.

При условии, что средний ctr≈10%, а среднее кол-во показов в месяц по утвержденным ключевым словам ≈7000. Тогда с ≈90% вероятностью получим от 640 до 750 переходов по объявлениям из поиска в месяц, в среднем ≈700.

Тогда с ≈90% вероятностью получим от 15 до 41 заявок в месяц, в среднем ≈28.

И рассчитаем вероятность получить продажи исходя из среднего значения по обращениям. По данным исследования Roistat средняя конверсия из обращения в продажу в В2В ≈17%, тогда с ≈90% вероятностью получим от 1 до 10 продаж в месяц, в среднем ≈5.

Вывод

Главный вывод — возможно получить продажи с семантического ядра.

Сформируем «вилку» бюджета. Расчет произведем исходя из частотности показов и среднего ctr.

Теперь знаем:

Следует учитывать:

Аудит аналитики — это подготовка и проверка систем аналитики к приему и анализу входящего трафика. Он включает в себя следующие пункты:

Здесь не будем подробно расписывать каждый пункт. Обозначим ключевые моменты.

Главная задача — проверить готовность сайта к приему трафика по следующим параметрам:

Полученные данные сравнили с таблицей качества по конкурентам. Внесли необходимые исправления на сайт.

В этой части расскажем как проходила реализации на основе проведенного ситуационного анализа.

Из ситуационного анализа сформулируем ряд тезисов:

Гипотеза в нашем случае очень проста. Если подходить с точки зрения статистики, то нулевая и альтернативная гипотезы звучат так:

При составлении структуры ориентировались на следующие параметры:

В итоге:

В данном проекте схема аналитики выглядит следующим образом:

Главная задача это учесть все источники обращения в компанию.

Все данные с сайта и сторонних сервисов собираются в «Метрике». «Метрика» и «ЯДирект» обмениваются данными. По API данные из «Метрики» и «Директа» передаются в RStudio, где мы проводим основную аналитику эффективности нашей стратегии.

RStidio обладает широким функционалом по предоставлению отчетов. Отчеты можно передавать в Гугл таблицы, отсылать по email или Telegram™. Или передавать данные в различные BI системы построения отчетов. Также можно настроить отчеты на собственных серверах.

В «Метрике» настроили цели:

Как мы уже знаем, данные по микроцелям собираются быстрее и их значительно больше. Проведя корреляционный анализ совместно с многофакторным дисперсионным анализом (ANOVA) можно определить какие микроцели предшествуют достижению макроцели. Таким образом настроив «ЯДирект» на получение микроцелей обучим систему, которая по итогу будет приводить макроцели.

В наших рекламных кампаниях мы стараемся использовать автоматические стратегии, так как они показывают наилучший результат по сравнению с ручными стратегиями. Дело в том, что в авто режиме система учитывает десятки тысяч факторов, а специалист физически не способен учесть такое кол-во факторов при управлении кампаниями в ручном режиме.

После сбора данных провели ряд анализов, которые должны были определить предшествующие макроцелям микроцели. Однако столкнулись с проблемой. По итогам анализа ни одна макроцель не коррелировала с микроцелью. Тогда мы решили создать специальную цель в которой будут собираться данные со всех источников обращений. И такой шаг в итоге показал свою эффективность.

Также в процессе реализации проекта были месяцы в которых, по разным причинам, не собирались данные с некоторых источников обращения в компанию, что повлияло на общее кол-во достижений целей в статистике.

Рассмотрим итоги нашей работы.

На графике сразу видем что в августе и сентябре у нас были проблемы со сбором данных по обращению. Некоторые каналы обращений не отслеживались по разным причинам. В октябре снова наладили аналитику.

Рассмотрим плотность распределения обращений.

Видим, что рекламные кампании чаще не получали заявок. Это ожидаемо, так как учитывая специфику товара не стоит ожидать обращений в компанию каждый день. Больше всего получали по одному обращению в день. Реже по 2−3 обращения. Вполне ожидаемое F-распределение заявок в данной нише.

Рассмотрим кол-во заявок по месяцам.

Обратим внимание, что наши расчеты по кол-ву обращений в месяц входят в рассчитанный диапазон, кроме неактивных месяцев. В среднем мы получали 30 заявок в месяц. Наш прогноз от 15 до 41 заявки в месяц.

На этом графике можно быстро определить в какие месяцы было больше или меньше всего обращений.

Как итог наша система привлечения трафика построенная на основе ситуационного анализа работает. Заявки с рекламной кампании на поиске поступали стабильно и они не были случайны. Таким образом принимаем альтернативную гипотезу сформированную ранее.

Далее проведем анализ нашей системы привлечения трафика с точки зрения шести сигм.

Каждый источник трафика генерирует обращения в определенных границах. Границы называют «границей шести сигм». Они рассчитываются с помощью «ГОСТ стандарта контрольных карт Шухарта» и набранных статистически значимых показателей (продажи, обращения, регистрации, клики и т. п.).

Зная границы шести сигм:

Не будем подробно описывать методологию расчетов, об этом напишем в отдельном кейсе. Сразу рассмотрим график и сделаем выводы.

На графике красной пунктирной линией обозначены верхняя и нижняя контрольные границы. Они показывают диапазон в котором работает наша система привлечения обращений. В нашем случаи диапазон от 00 до 44 обращений в день. По другому это мощность нашей системы. Мы не знаем хорошо это или плохо, но так работает наша система. Не стоит переживать, если в какие-то дни мы не получаем заявки. Для данной системы привлечения трафика это норма.

Однако, стоит обращать внимание на дни когда кол-во заявок выходит за пределы верхних границ. Такие дни нужно анализировать и стараться масштабировать. В нашем случаи такие выходы были сразу после запуска компании. Скорее всего проводились доп тесты по отправке заявок с сайта разработчиками сайта. Также замечены выходы за пределы в мае и в конце года. Как сообщил наш клиент в конце года всегда идёт ажиотаж и это норма.

Данный анализ особенно хорош для компаний у которых заявки в основном приходят в физических точках продаж: общепит, недвижимость, авто и другие ниши.

Так как у нас проблема с определением качества заявок, следующий шаг разработать метод определения качества заявок без связки с CRM системой. Мы уже знаем как это сделать. Метод основывается на текстовом анализе входящих звонков, обращений через виджеты и заявки с сайтов. Сторонние системы умеют определять источники поступления заявок, таким образом мы свяжем наши кампании и источники, а дальше много кода и как результат улучшение эффективности рекламных кампаний.

На этом все. Благодарим за внимание!

Хотите запуск рекламных кампаний по нашей системе? Пишите на email: st@platzkart.ru