Cписок подходов для контекстной рекламы, которые вы не используете

Всем привет! Хотелось бы ввести рубрику небольшой подборки фишек по контекстной рекламе, которые я часто использую в работе и сталкиваюсь при аудитах.

Надеюсь, формат станет регулярным.

Подписывайтесь на мой блог, там много всего интересного, что не влазит по объему в большие лонгриды на VC.

Системы сквозной аналитики / CRM не содержат данные по срезам вашей ЦА. Их можно собирать вручную на основе вопросов от менеджеров, дальнейших кастдэвов и так далее, но со старта этого нет.

Это частично решает «прокидывание» оффлайн-конверсий в Метрику и сводке данных в Директе, но помним про окно атрибуции в 21 день, ошибки мэтчинга, ненастроенные статусы у клиента в CRM.

В Директе | GAD можно за счет корректировок каждую группу выделить в отдельный сегмент и через простые метки utm передавать их внутрь систем, для этого нам нужно взять параметр {gbid} — это ID группы, и смэтчить это всё через стандартную ВПР-функцию в таблицах.

Но у нас сразу встает вопрос касаемо объема групп в РК. Мы всегда должны соблюдать ограничение на 1000 групп. Поэтому, если проект большой, то мы не сможем на каждый возраст или любой другой сегмент сделать свою группу, а излишняя сегментация по РК может навредить количеству конверсий и уменьшить наш объем конверсий для обучения.

Поэтому, если объем групп небольшой, то мы спокойно можем передавать данные, например, по возрасту / полу / типу устройства. Обычно лучше прокидывать возраст и пол, можно вместе, можно по раздельности, смотрите на ваш объем данных для достижения статистической достоверности.

А если наоборот, то можно попробовать сегментировать на разные РК, если у вас достаточно данных по конверсиям, или взять более крупные сегменты, получить хоть какую-то информацию.

Таким образом, мы можем узнать:

И так далее.

Основная проблема — мобильные приложения и DSP-площадки в показах РСЯ.

Об этом писал в статье ранее - https://vc.ru/marketing/1210634-kak-poluchat-do-85-trafika-s-nuzhnyh-ploshadok-v-rsya-keis-ot-idtoneru

Если кратко:

Делаем в дополнение к вайт-площадкам. Сначала обучаем РК на десктоп трафике, после выхода на стабильный результат постепенно возвращаем мобайл.

Тут важно учесть, что под мобайлом я подразумеваю и мобильные, и планшеты. Несмотря на небольшую долю планшетов в среднем, по ним слить можно очень много, учитывая миссклик с приложений и DSP.

Со старта получаете идеальный трафик, который даже чистить без статистики не надо. Единственная проблема, с которой сталкиваемся, — это объем конверсий, но подумайте в сторону объединения РК или использования пакетных стратегий.

Алгоритм простой:

В чем «соль»: мы не копим статистику по каждому из поисковых запросов, накапливая статистическую достоверность данных, сливая деньги клиента, а разделяем их на отдельные слова или словосочетания (граммы, N — количество слов) и снимаем показы/клики/расход/CPL и прочие метрики в отдельности по ним. Тем самым получаем усредненную картину по каждой форме, дальше мы можем делать с ней что хотим: отключать все запросы, содержащие данную грамму, выносить в отдельные группы с корректировками, расширять семантику на основе положительной граммы и т. д.

Чтобы провести N-GRAM анализ нужна надстройка от Димы Тумайкина SEM TOOLS - https://semtools.guru/ru/blog/n-gram-analysis-ppc/ (не реклама, можно сделать на python, но зачем если уже есть готовое решение за смешные деньги с дополнительным огромным функционалом который упрощает работу).

Подробно описывать процесс не буду, он полностью описан у Дмитрия в видео. Остановлюсь только на особенностях которые нужно учесть при его выполнении:

P. S.: данные лучше хранить и обрабатывать в Excel, потому что, если скопируете из Google Таблиц, нужно будет удалять доп. символы, которые нетипичны, просто поверьте, вы этого не хотите).

Начнем с правила: если сущность РК — не набирает 10 конверсий в неделю (лучше больше) и не сталкивается с ограничениями: по бюджету, дневному ограничению на аккаунт, низкими ставками по ключам/стратегии, ошибками настройки и т. д., то имеет смысл ее объединять с другими рекламными кампаниями.

Многие пугаются, что тем самым теряют управление бюджетами, приоритетами, нужно задавать разные ставки для разных продуктов — тут доля правды есть, но нам же нужно, чтобы лучше работало?

Как объединять? Использовать общие рекламные кампании с разделением по группам, используя простые префиксы к названиям, например _посудомойки, а также корректировки ставок для всех устройств, тем самым мы можем задавать приоритет, менять бюджет внутри групп, задавать разные CPL и так далее.

Правила объединения:

С этой структурой удобно работать через таблицу соответствия: группа — продукт, собирая статистику в табличке по каждому продукту в отдельности (чтобы смэтчить, поможет формула ВПР или любой другой метод объединения). И управление будет происходить не на уровне самой кампании, а на уровне группы за счет корректировок.

Как один из примеров, табличка, созданная по такому принципу в отчете datalens. Отдельно можно по каждому продукту выводить по любому срезу, поисковым запросам или площадкам. Если собираете отчеты вручную, то не очень удобно, если через базы данных и отчет datalens, то всё это собирается автоматом.

Классическая ситуация, которую вижу повсеместно: загрузили фид, настроили товарные объявления — всё, показываем. Что там внутри, какой перфоманс у конкретного товара не очень интересно.

На самом деле, тут анализ аналогичен тому, как мы анализируем любой срез. В мастере отчетов Директа есть галочка «Название товара/каталога», тем самым мы можем проанализировать любой товар и исключить его, вынести в отдельные группы через фильтр с корректировками. Тем самым улучшив экономику по товарным объявлениям.

На этом всё, применяйте методы, тестируйте, и стабильных вам результатов, и, конечно же, поменьше фрода.

Мой блог в ТГ: