Ecommerce: увеличить выручку с 250 тысяч до 1,25 млн рублей за счет базовых инструментов контекстной рекламы

Рассказываем, как вдвое увеличили выручку интернет-магазина запчастей для тюнинга в течение первого месяца и в пять раз в течение года за счет базовых инструментов для всех ecommerce-проектов: динамических рекламных кампаний «Яндекса» и Google, автоматических стратегий, оптимизации ставок и веб-аналитики. Все просто, но многие этого не делают.

Мы в jam.agency занимаемся платным трафиком для eCommerce-проектов. В 2017 году к нам пришел интернет-магазин запчастей для тюнинга автомобилей city-tuning.ru с соответствующими проблемами.

В 2010 году они закрыли все офлайн-магазины и сосредоточились на онлайне. У физических магазинов были большие накладные расходы, они отнимали много времени, а онлайн к тому времени начал приносить свыше половины выручки.

За 10 лет они прошли примерно один и тот же путь в контекстной рекламе и поисковой оптимизации. На старте привлекали фрилансеров, но недооценивали сложность задач, и в результате всё получалось криво — теряли время и деньги.

Несколько лет назад, сменив пару агентств по SEO, они пришли к тому, что дешево этот вопрос не решить и начали серьезнее подходить к выбору подрядчика плюс самостоятельно начали вникать в нюансы продвижения.

Мне бы вообще не хотелось разбираться ни в SEO, ни в контекстной рекламе — просто платить за работу и получать результат в виде прибыли. Но без этого, увы, никак. Поэтому мы сами начали разбираться в контексте и поняли, что подрядчик не управляет ситуацией, а просто плывет по течению.

Вы же увеличили выручку в несколько раз и даете развернутую и понятную веб-аналитику, поэтому мы продолжаем работать с вами.

Понять и оценить эффективность рекламы стало проще. Вы первые ввели понятия «стоимость обращения», «расходы» и «валовая прибыль рекламного канала». Меня, как собственника, интересуют только высокоуровневые показатели прибыли. И ваша система аналитики помогла соединить цифры экономики моего бизнеса с тем, что обычно показывают специалисты по контекстной рекламе.

Сергей Шумаев, CEO в city-tuning.ru

В ноябре 2017 года Сергей пришел с проблемой: расходы на Яндекс Директ выросли с 81 в месяц до 147 т.р, при этом выручка и количество транзакций оставалось на прежнем уровне ≈ 45 в месяц. Нужно было разобраться, в чем причина снижения эффективности и как минимум вернуться на прежние показатели.

Оптимизируем текущие кампании и делаем +445000 рублей к выручке за 2 месяца

Самый понятный способ начать сотрудничество — показать клиенту, что мы собираемся делать и как это повлияет на прибыль в рамках аудита. Таким образом мы показываем свою компетенцию уже в рамках клиентского проекта. Плюс, мы делаем это бесплатно, чтобы получить кредит доверия. Вот как это выглядит на пример аудита мебельной фабрики.

В аудите проекта city-tuning.ru мы увидели возможность увеличить выручку с рекламы на 50% в первый месяц, а по факту увеличили ее вдвое. Лучше обещать средние, но стабильные результаты, чем высокие и рискованные: зрелые клиенты это понимают и ценят.

Доход с платного трафика: Яндекс Директ, Яндекс Маркет, Google Ads.

Так выглядит график Дохода за 2017-2019 годы, на графике отмечен момент старта работы над проектом в феврале и уже в конце марта получилось увеличить выручку в 2 раза.

Спрос сезонный, поэтому на графике есть просадка осенью, начиная с сентября и до февраля следующего года. Второй сильный скачек выручки наблюдается в июне 2019 года, и он связан с запуском умной торговой кампании в Google Ads. Об этом тоже расскажем чуть ниже.

Вы скажете, что выручка и прибыль — разные вещи и будете правы. Но так как клиент не желает раскрывать данные о прибыли, а нам важно показать, что выручку не съедают расходы на рекламу, показываем график ДРР с платных каналов в период начала сотрудничества:

Выручка и ДРР с платного трафика: Яндекс Директ, Яндекс Маркет, Google Ads.

Нашли точки роста и эффективно распределили рекламный бюджет

В рамках аудита мы идем от общего к частному — и смотрим расходы и доходы в разрезе категорий товаров. Например, по брендам Omsa, JMT, TCC стоимость лида выше средней в 2 раза, поэтому нужно снизить ставки. Это уменьшит стоимость лида и сэкономит клиенту 20 000-30 000 рублей при условии, что маржинальность категорий товаров одинаковая.

Лиды и их стоимость в разрезе некоторых брендов, данные за 90 дней.

Аналогичное исследование проводим в разрезе типов рекламных кампаний, где МКБ кампания не окупается, а ремаркетинг имеет потенциал для увеличения охвата.

Лиды и их стоимость в разрезе типов кампаний.

Копнув глубже, видим распространенный пример несбалансированной экономики. Есть пул красных кампаний со стоимостью лида выше среднего. Здесь 25% расходов на кампании приносят только 12% лидов — можно сэкономить 30 000 рублей путем снижения ставок.

Также есть пул зеленых, недооцененных, кампаний, по которым всего 9% рекламного бюджета генерируют 20% лидов. Здесь можно получить еще 20% лидов, повысив стоимость лида до средней.

Показатели рекламных кампаний.

Аналогичным образом дела обстоят с площадками. Корректировать ставки на уровне площадок нельзя, но мы можем отключить неэффективные и сэкономить 50 000 рублей. Что мы и сделали.

Показатели площадок РСЯ в Яндекс Директ.

Также мы проверили географию, устройства, пол и прочие параметры, но выше представлены прогнозные значения на этапе аудита, так как по мере погружения в проект появлялись новые вводные.

В итоге за счет оптимизации рекламного бюджета нам удалось увеличить выручку с рекламы с 300 000 руб. до ~725 000 руб. в месяц.

На графика данные по Яндекс Директ и Google Ads.

По сути мы просто перераспределили бюджет с сегментов трафика которые не работают на те, которые работают, без внедрения динамических кампаний и оптимизаторов конверсий.

Запускаем новые рекламные кампании

Распределив бюджет на текущих кампаниях, мы получили быстрые результаты в виде роста выручки до 700 000 рублей. С задачей минимум мы справились: вышли и даже улучшили предыдущие показатели. Далее — запускаем новые инструменты, чтобы получать максимум результатов.

Для всех e-Commerce проектов есть набор инструментов, которые требуют 20% действий, но приносят 80% результатов. Их использование в нашем случае, это последующий рост выручки свыше миллиона.

Настраиваем динамический ретаргетинг — +15% к выручке

В Яндекс Директ инструмент называется «смарт-баннеры», а в Google Ads «динамический ретаргетинг», когда объявление автоматически формируется из карточек товаров, которые пользователь посетил ранее или добавил в корзину, но не купил. Примеры динамических объявлений из Яндекса и Ads:

Примеры динамических объявлений из Яндекса и Ads.

Запуск смарт-баннеров в Директе увеличил выручку магазина примерно на 10%

Выручка от смарт-баннеров (динамический ремаркетинг в Директ) относительно выручки от всего платного трафика.

Аналогичный динамический ремаркетинг запустили в Google Ads, он приносит еще 5-10% выручки:

Доход от динамического ремаркетинга относительно всего Дохода с платного трафика.

Подключаем Яндекс.Маркет и Google Shopping — +35% к выручке

Похожие друг на друг платформы-агрегаторы. Про Яндекс Маркет знают все, а Google Shopping многие магазины обходят стороной, хотя он имеет отличительное преимущество: это товарные объявления над результатами поиска. То есть ваши товары размещаются выше самого дорогого первого места в поиске, ещё и с фото товара.

Доход с Маркета принес 20% в общую кассу, но мы его запустили только в 2020 году, так как откладывали из-за проблем с модерацией.

Google Shopping приносит еще 15% выручки:

Запускаем умные кампания в Google Ads — +50% к выручке

Кампания умная, потому что полностью автоматическая и сочетает в себе все форматы размещений: поиск, торговые карточки, графические объявления в КМС.

Все настолько автоматизировано, что до недавнего времени невозможно было выбрать даже регион таргетинга, только всю РФ. Сейчас умные кампании приносят до 50% выручки:

Доход от Умной торговой кампании относительно всей выручки с платного трафика.

Тестируем динамические поисковые кампании — DSA

В данном случае системы сами создают объявления для поиска из информации в фиде. Объявление автоматически формируется по тексту описания товара. Ключевое слово, по которому происходит показ, также определяется по названию товара.

На данном проекте DSA отработали плохо, потому что алгоритм часто подбирает нерелевантные ключевые слова: происходит много показов, где запрос состоит из одного слова. Намерение пользователей в таком случае непонятно, и это приводит к плохим показателям всей кампании.

В данном примере много показов по одному слову и по запросу конкурентов, которые нужно выносить в отдельную кампанию и работать с ними по другой стратегии.

После 6 месяцев попыток оптимизировать кампанию, так и не получилось вывести её в плюс. ДРР был слишком высок, и нецелевые ключи появлялись регулярно.

На ежедневную чистку минус-слов приходится тратить по несколько часов, поэтому мы перешли на генератор объявление от К-50.

Используем генераторы объявлений

Мы используем K50 и Лингвогенератор от eLama. Они ежечасно генерируют и обновляют рекламные кампании на базе фида. Объявления составляются автоматически по заранее заданному шаблону в формате «название товара + марка машины + размер скидки». А показы происходят по ключевым запросам также созданным по шаблону: «купить + название товара + марка машины».

И это только самые простые вариации. Похожим образом формируются объявления для РСЯ, где картинка берется из фида.

Фишка генераторов в том, что он каждые 15 минут отслеживает наличие товара и изменение цены. Если товар закончился, то объявления по нему остановятся и не будут тратить бюджет. Кроме создания самих объявлений, генератор решает еще одну важную задачу — их актуальность. Когда у вас больше 10 000 товаров, то поддерживать актуальность вручную невозможно.

Собираем обычные поисковые и РСЯ кампании

Автоматические рекламные кампании охватывают только 40-70% возможного спроса, остальное нужно добирать обычными кампаниями на поиске и площадках РСЯ/КМС. Как правило, это общий спрос по категориям, например, «купить пороги».

Так как у нас много брендов и категорий, а по части из них кампании уже запущены, было непонятно, с чего лучше начать. Чтобы расставить приоритеты, мы собрали матрицу, где в ячейках отображается мультипликатор: отношение рекламного трафика к объему спроса в wordstat. Но по факту наш мультипликатор немного сложнее, поэтому итог видим в виде шкалы от -82 до 157.

Так стала понятна очередность проработки и запуска товарных категорий, где сначала запускаем синии ячейки: коврики и решетки для всех брендов, подлокотники, защита на картер и так далее.

Настраиваем автоматические стратегии

У нас вышло по несколько десятков кампаний в Яндексе и Google, в каждой кампании десятки групп и сотни ключевых слов — управлять ими вручную можно, но делать этого не стоит. При большом ассортименте от 1000 позиций ручное управление ставками на 10-30% менее эффективно. Специалист просто не в состоянии регулярно рассчитывать и делать корректировки по такому количеству товаров.

У нас есть статья о том как работают автостратегии в интернет-магазинах. Если кратко: вы выбираете цель, например ROI, и говорите Яндекс какая рентабельность вам нужна — и алгоритмы сами управляют кампаниями. Но для корректной работы необходимо минимум 20 конверсий по кампании в неделю.

Переводить кампании на автоматические стратегии лучше через инструмент Яндекс.Эксперименты. Задача эксперимента — сравнить кампании с ручным и автоматическим управлением в равных условиях и оставить лучшую.

Вот пример результата эксперимента, который мы проводили один месяц. Сравнивали смарт-баннеры на стратегии Оптимизации кликов, когда специалист сам настраивает среднюю стоимость клика и стратегию Оптимизация конверсий. В ней мы задали целевую стоимость Добавления в корзину и далее алгоритм сам решает какие ставки выставлять и какие делать корректировки по аудитории:

Автоматическая стратегия сработала лучше и принесла Валовой прибыли на 55% больше:

Для корректной работы автостратегиям необходимы данные о транзакциях и прочих целях. Если данные передаются с расхождениям 20-30%, то это может сказаться на точности обучения стратеги, подробнее в статье.

С другой стороны в среднем 50% выручки интернет-магазина генерируется динамическими кампаниями: умная торговая кампания и динамический ретаргетинг вообще не работают без передачи выручки в Google Analytics, а в Яндексе без выручки не работают Смарт-баннеры и динамические кампании.

Настраиваем аналитику, которая помогла увеличить

Мы могли сразу внедрить какое-нибудь интересное решение. Убедить клиента отправлять данные из CRM в BigQuery, компилировать их с данными с сайта для красивых отчетов. Но спустя сотню проектов мы научились думать о времени и деньгах.

Аналитика не приносит денег напрямую — на старте лучше вложить ресурсы клиента в разработку и запуск РК. Поэтому в начале мы сделали минимум.

От аналитики польза не столь очевидна, объясню, почему. Мы вкладываем в несколько рекламных источников 300 тыс. руб. и, если получаем приемлемую отдачу — общая прибыль положительная, идем решать более важные задачи, чем поиски минорных точек роста в аналитике. Даже, если там есть потери в 50 тыс.руб., это не значительно меняет картину.

В нескольких агентства нам предлагали сделать веб-аналитику. Стоимость варьировалась от 5 до 100 тыс. руб. Прежде чем потратить эту сумму, нужно было разбираться в вопросе, а у нас не было на это времени.

Сергей Шумаев, CEO в city-tuning.ru

У коллег и клиентов есть мнение, что работа веб-аналитика за 2 500 руб. в час — это настроить цель на конверсию и потом просто смотреть на показатели. В действительности настоящая работа начинается после запуска рекламных кампаний. Модель аналитики city-tuning.ru эволюционировала в 3 этапа.

Этап 1. Настраиваем аналитику для запуска рекламы

В первую очередь мы разложили все по полочкам в Google Tag Manager и проверили работоспособность всех конверсий.

Затем нам нужно было понять, сходятся ли выручка и транзакции в Google Analytics с фактическими показателями в 1C. Для этого мы вручную выгрузили данные по транзакциям из обеих систем за месяц и сравнили: расхождение составило не более 10% — с этим можно работать на старте, для точности можно раз в месяц выгружать данные и считать вручную.

Это лихо сэкономило нам время, потому что в случае расхождений свыше 30% пришлось бы либо ориентироваться на промежуточные цели: корзины, звонки, формы, и тогда упала бы точность, что является критичным при марже в несколько десятков процентов, либо писать полноценную интеграцию с 1С, что растянется на месяцы.

Когда мы запустили новые рекламные кампании, количество конверсий вопреки нашей уверенности не росло. Зато аномальным образом начали расти конверсии с прямых переходов и реферальных площадок.

Зеленая кривая — рекламный трафик, а голубая и красная — переходы с внешних сайтов и прямые переходы соответственно.

В части случаев во время оформления заказа вас просят подтвердить свой email и, когда вы переходите по ссылке из письма, то Google Analytics присваивает конверсии не контекстной рекламе, а email-рассылке.

В ссылку подтверждения мы добавили метку utm_nooverride=1, чтобы такой переход не учитывался в качестве источника конверсии.

В другой части случаев были переходы из личного кабинета, которые распознавались, как переходы с внешнего сайта. Вопрос решается активацией кросс-доменного отслеживания, это когда несколько доменов и поддоменов воспринимаются, как один сайт. Настроить легко: поставить пару галочек в Analytics и Tag Manager — расписывать не будем, легко гуглится.

По итогу первого этапа веб-аналитик справился с задачей по минимальной настройке аналитики за 2 часа — и передал эстафету рекламщикам, хотя мог бы запросто раздуть задачу до 20 часов, а то и до нескольких месяцев.

Этап 2. Настраиваем базовую аналитику для eCommerce

Через месяц мы показали первые результаты, лучше узнали клиента, а он нас. Стало понятно, что наше сотрудничество долгосрочное. Поэтому мы начали настраивать аналитику более основательно.

В 2020 году недостаточно собрать данные о продажах в одном месте, например в Метрике, помимо нее нужно передавать данные о продажах во все рекламные кабинеты и даже в MailChimp для отслеживания конверсии рассылок, и вот почему:

  • Всем рекламным системам нужны транзакции, чтобы использовать автоматические стратегии. Мы уже рассказывали, почему интернет-магазины теряют деньги на этом.
  • Невозможно посмотреть CPO и ROI в разрезе географии, пола, возраста, площадок показов, мест показов, объявлений и т.д. Эти данные есть только в рекламных кабинетах Директа, Ads, Facebook, а им нужны конверсии.
  • Намного удобнее видеть выручку напротив каждой рекламной кампании в интерфейсе Google Ads или Facebook, а не бегать между вкладками.

Мы можем распределить транзакции по всем системам через Google Tag Manager. А если бы нам приходилось передавать их из 1C, то пришлось бы с сайта забирать Client ID (Cookie) всех рекламных систем, а это долгая и сложная история.

В качестве основной системы аналитики мы использовали Google Analytics, так как это бесплатно и решает основные задачи. В него собрали расходы рекламных систем через mybi.ru и подтвержденные транзакции с сайта, подробнее на схеме ниже.

Для удобного доступа к данным рекламных систем Яндекс Директ, Вконтакте и прочих лучше выгружать их в BigQuery, так как выгрузка данных напрямую занимает много времени, а далее уже к BigQuery подключаться из Power BI и Google DataStudio для визуализации. В BigQuery данные можно выгрузить через коннекторы вроде Renta.im, но мы использовали Google Functions, так как у нас есть своя библиотека коннекторов.

На выходе мы получаем динамический отчет в Power BI, где клиент видит связь между своими бизнес-показателями и данными рекламных кампаний:

Валовая прибыль и ROI. Каждый рекламный канал важно рассматривать по абсолютному и относительному показателю. В нашем случае это валовая прибыль и ROI. Последний позволяет понять эффективность вложений, а прибыль — увидеть конечный результат в совокупности всех факторов.

Сравнение расходов одного канала относительно остальных. Например, нажав на Яндекс.Директ, можно увидеть его долю расходов в разрезе недель или месяцев. Зеленым цветом выделены расходы по Директу, а светло-зеленым по остальным каналам:

Многофакторный анализ повышения расходов. Нажав на месяц, который выбивается по расходам из общего тренда, получаем многофакторный анализ повышения:

Например, после щелчка по месяцу в отчете выше, мы видим, что расходы увеличились на 104 т.р. из-за Умной торговой кампании:

Такие отчеты значительно экономят время клиента, потому что ему проще использовать данные в дашборде, чем в интерфейсе Google Analytics или Метрики, а фича с многофакторным анализом позволяет сразу получать ответ на вопрос «Почему увеличилось/уменьшилось Х» без привлечения специалистов.

Пример выше в большей степени ориентирован на клиента, давайте рассмотрим, как данные превращаются в добавленную прибыль на примере использования специалистом.

Например, возьмем площадку images.yandex.ru, она имеет низкий ROI и работает в ноль, но в динамике мы видим, что с 3-его квартала 19 года валовая прибыль с площадки стабилизировалась. В большинстве случаев специалист отключит площадку, потому что строить отдельный отчет в динамике для каждой площадки слишком затратно по времени.

Выделив категорию товаров, например коврики для ног, можно увидеть срез по регионам, полу, возрасту и прочим параметрам, чтобы:

  • Проанализировать предложения конкурентов, если низкая конверсия в транзакцию.
  • Поработать с региональной доставкой.
  • Понять аудиторию по возрасту, полу и интересам, на ком вы зарабатываете, предложить дополнительные продукты, чтобы повысить средний чек.

По итогу второго этапа мы получили систему обновляемых отчетов по валовой прибыли и ROI по стандартной модели атрибуции последнего не прямого клика. Помимо этого мы распределили транзакции по всем рекламных системам.

Этап 3. Отслеживаем повторные покупки и LTV

Когда клиент и команда видят в отчетах ответы на стандартные вопросы: «сколько потратили и получили в декабре» в разрезе кампаний, ключевых слов, таргетингов, товаров на маркете, появляются вопросы более глубокого уровня:

  • В декабре 100 транзакций, это от новых или постоянных клиентов?
  • Сколько у нас стоит привлечение нового клиента?
  • А давайте как-то в ретаргетинг запустим клиентов, кто уже год ничего не покупал?

Для ответов на эти вопросы нам нужно «склеить» данные о транзакциях одного пользователя с разных устройств. Клиент может просмотреть баннер с телефона, потом заказать товар сидя дома с ноутбука, а через месяц зайти в оффлайн-магазин и купить там обвес на авто. Обычная аналитика подумает, что это — три разных человека. Наша реализация позволяет максимально точно объединить поведение одного человека в разных местах в единого клиента.

Перед тем, как тратить время на реализацию данной модели аналитики я бы порекомендовал вам свести те же самые отчеты вручную, чтобы понять, будут ли они вам полезны, мы предлагали один из способов сделать это в нашем блоге.

Часто аналитика делается, чтобы «посмотреть отчет», это неправильно, так как почти любой отчет дешевле собрать руками, а если он имеет пользу, то тогда можно его автоматизировать, чтобы «не собирать руками каждый раз».

Итак, как сегодня выглядит аналитика на максималках?

  • Используя Renta.im или OWOX мы передаем сырые данные о сессиях пользователей в BigQuery, почти такой же состав данных передает Google Analytics 360
  • Далее эти данные мы сопоставляем с данными о продажах через Google Client ID, тема сопоставления Google Client ID и клиентов заслуживает отдельной статьи, поэтому в подробности вдаваться не будем.
  • Внутри BigQuery соединяем данные SQL-запросом, как нам нужно.

На скрине ниже мы видим когортный анализ, с помощью которого можем узнать показатель возврата клиентов. Например, в июне 2019 года к нам пришли 1669 новых клиентов, 167 из которых совершили повторную покупку в июле, 146 в августе и т.д.

В среднем 20% выручки от первого заказа доходят в последующие несколько месяцев за счет повторных и отложенных продаж, с учетом этих данных мы перешли со стратегии максимизации прибыли с первого чека на максимизацию прибыли со всех покупок клиентом в течение последующих 3-х месяцев, это позволило нам увеличить охват и итоговую прибыль клиента на 5-10%. Проще говоря, мы поняли, что готовы платить за приобретение клиента чуть выше первого чека, за счет чего подняли охват.

Как себя окупает веб-аналитика

Мы могли бы остановится уже на первом этапе аналитики, где мы настроили транзакции в Google Analytics, но тогда бы мы сделали сделали выручку на 450 000 рублей меньше. И вот почему:

  • Время специалистов и клиента ограничено. — Подготовленные данные позволяют быстрее принимать решения, минуя согласования.
  • Уровень детализации дает возможность более гибко управлять кампаниями, так как внутри рекламных систем необходимые срезы построить невозможно.
  • 10-20% выручки терялось бы в прямых переходах и внешних сайтах, следовательно, мы бы искусственно занизили охваты.
  • Связав устройства по клиентам, мы посчитали LTV, а это позволило повысить прибыль.

Как применить эти знания на вашем проекте

Мы последовательно использовали стандартные решения и инструменты, что позволило быстро увеличить выручку вдвое. Банально и просто, но до нас над проектом работали несколько фрилансеров, небольшие и крупные агентства — но ничего из этого не работало.

Поэтому резюмируя, дадим вам советы, как быстро проверить свои кампании и оптимизировать их:

  1. Убедитесь, что аналитика настроена и работает корректно: цели настроены и правильно работают, конверсии совпадают с реальными заявками и продажами. В идеале — настройте электронную коммерцию, чтобы видеть эффективность до продаж по всем каналам. Без этого автоматизировать и эффективно управлять рекламой не выйдет.
  2. Изучите стандартные срезы рекламных кампаний и перераспределите бюджет с неэффективных сегментов на эффективные, как это сделали мы в аудите. Базовые срезы, которые можно найти в рекламном кабинете: рекламные кампании, группы и ключевые слова, регионы и города, пол и возраст, время и дни недели, поисковые запросы пользователей, РСЯ-площадки.
  3. Проверьте, все ли виды рекламных кампаний вы тестировали. Если нет — протестируйте каждую из них: обычные поисковые и РСЯ кампании, динамический ретаргетинг (смарт-баннеры) в Яндексе и Google, Яндекс.Маркет и Google Shopping, умные торговые кампания в Google Ads, DSA в Google Ads, артикульные кампании на базе К-50 Генератор или Лингвогенератор от eLama.
  4. Внедрите автоматические стратегии управления ставками с оптимизацией на целевой ROI или стоимость заказа. Нужно настроить передачу транзакций в Google Analytics, Google Ads, Яндекс. Директ, Facebook и прочие рекламные системы для использования автоматических стратегий.

Пишите вопросы и предложения, как можно увеличить выручку проекта. Если у вас интернет-магазин и проблемы с контекстом, то пишите на сайт или в FB, проведем аудит и подумаем, как сможем помочь. Телеграм-канал, 1 пост в месяц — Джоин!

0
37 комментариев
Написать комментарий...
Даниил Романов

Блин, сказать что МОЩНО - это ничего не сказать. Ребята реально шарят. Как дойдет до необходимости - обязательно обращусь!

Ответить
Развернуть ветку
Yury Grinev

Чего мощного то? Очередная вода для рекламы.

Ответить
Развернуть ветку
Евгений Одинцов

А в чем вода? Вроде ж все популярно объяснили)

Ответить
Развернуть ветку
Yury Grinev

В какой, в сто тысячный раз?

Ответить
Развернуть ветку
Кирилл Беккер

Ребят статья конечна отличная как инструкция по запуску любого екомм проекта, но это ВООБЩЕ не кейс, это описание этапов работы. 
Ни гипотез, ни конкретных показателей по тем или иным креативам/группам ключей и пр. 
Спасибо за полезный контент, но формат "мы запустили ремаркетинг и получили +700%" это не кейс а вода. 
Но работу провели большую, скину директологу как пособие по запуску.

Ответить
Развернуть ветку
Pavel Koryakin

Привет!
1) Мы экспериментируем с уровнем детализации кейса, возможно, стоит написать чуть больше о том, что было под капотом.
2) Проект ведем уже много лет, было сложно собрать детальные данные.
3) Не хотим «грузить» читателя цифрами и технической информацией.

Ответить
Развернуть ветку
Митя Мараев

«мы перешли со стратегии максимизации прибыли с первого чека на максимизацию прибыли со всех покупок клиентом в течение последующих 3-х месяцев»

Как вы это сделали и что конкретно имеется ввиду? Все было хорошо и понятно до того как появились слова «когорты» и “ltv” - что вы с ними делали из стать непонятно

Ответить
Развернуть ветку
Pavel Koryakin

Давайте упростим, потому что объяснять подробно, это тема отдельной статьи.
1) Вы ориентировались на средний чек с клиента 10 т.р. и максимальную стоимость транзакции 1000 рублей, то есть 10% от среднего чека.
2) Когда посчитали LTV, то понимаете, что часть пользователей совершает отложенные транзакции, а часть повторные, которые ранее не учитывались.
3) И вот вы их учитываете и видите, что в среднем с клиента имеете 12 т.р., а не 10 т.р.,  тогда и тратить на привлечение можете не 1000, а 1200 рублей.
4) За 1200 рублей мы получите больше транзакций, чем за 1000 рублей, например на 10 штук, которые в свою очередь принесут дополнительную прибыль.

Ответить
Развернуть ветку
Александр М

Ну у заказчика экономика не сходилась по первой покупке и они предложили заложить ltv для того чтобы в плюс выйти. )

Ответить
Развернуть ветку
Кирилл Комиссаров

Ну это как-то совсем мелко(( Не уверен, что с таким подходом у нас получилось бы работать с таким клиентом так долго.

Ответить
Развернуть ветку
Aziz Temurkhan

Действительно полезно) спасибо за очень подробный разбор.

Ответить
Развернуть ветку
Goga Tender

много текста, но ребята видно что шарят )))) 

Ответить
Развернуть ветку
Satom.ru

Спасибо, полезная статья, тоже "боремся" с яндекс директом.

Ответить
Развернуть ветку
Аккаунт удален

Комментарий недоступен

Ответить
Развернуть ветку
Pavel Koryakin

Приветствую,

1) Ниже графика по выручке приведен график ДРР, это доля расходов в выручке, и она снижается. То есть, если при росте выручке доля расходов не растет, то валовая прибыль растет вместе с выручкой соответственно.

2) Клиент не готов открыто давать данные по валовой прибыли, это нормальная практика.

3) Валовой прибыли после вычета расходов на бургеры хватает :)

Ответить
Развернуть ветку
Виталий Олесик

Неплохо. Но тут больше про аналитику и инструменты аналитики. Как и что связать чтобы делать корректные выводы. Кто больше маркетолог и директолог им не очень зайдет наверное :) 

Ответить
Развернуть ветку
Pavel Koryakin

Согласен, попробуем написать кейс с более глубокой детализацией. Мы экспериментируем с форматом.

Ответить
Развернуть ветку
Виталий Олесик

Да мне нравится и такой формат. Про дэшборды. Про интеграции. Чтоб по итогу четко понимать что работает а что нет. И что делать чтобы больше стало денег. Хотя бы оборотных. И даже маркетинговые вещи немного затронули. Мне понравилось как взяли позвонили клиентам и спросили что им нравится что нет что хотят, что отталкивает. Простое действие но с большой вероятностью привет к росту конверсии в целом. Периодически тоже спрашиваю клиентов почему обратился что привлекло на сайте, что модно убрать или уменьшить, что добавить. Очень много интересного узнаю.. честно :) остаётся просто взять и сделать что просят сами клиенты

Ответить
Развернуть ветку
Игорь

почему в ручную ставки изменяете и не пользуетесь всякими к50?

Ответить
Развернуть ветку
Кирилл Комиссаров

Для управления ставками мы используем автоматические стратегии внутри самого Яндекса и Ads. Сначала запускаем A/B-тест, сравниваем показатели автоматической стратегии и ручного управления. Передаем полное управление алгоритму только после того, как убедимся, что он работает не хуже специалиста. 

Ответить
Развернуть ветку
Pavel Koryakin

Вроде, в блоке «Настраиваем автоматические стратегии» написано, что как раз внедрили автоматические стратегии.

Не пользуемся К50, потому что внутренние работают не хуже.

K50 полезен, когда есть внешние данные, по которым можно управлять ставками, например, там есть интеграция с Сompetera, это сервис для мониторинга цен конкурентов. Когда у вас цены по отдельным товарам ниже рынка, то конверсия растет, следовательно вы поднимаете ставки (охват рынка), а когда ваши цены выше среднерыночных, то опускаете ставки (охват рынка). — Тем самым максимизируете прибыли за счел лучшего фита рынка.

Аналогично можно делать с доставкой, наличие/отсутствием вашего сайта в поисковой выдачи и прочими параметрами.

Ответить
Развернуть ветку
Pavel Koryakin

-

Ответить
Развернуть ветку
Александр Котомцев

Скажите пожалуйста, умные торговые кампании и динамический ретаргетинг это одно и тоже?

Ответить
Развернуть ветку
Кирилл Комиссаров

Это разные типы. Динамический ремаркетинг догоняет только тех, кто был на вашем сайте.

Умные торговые кампании включают в себя динамический ремаркетинг и стандартные торговые объявления. Поэтому он предлагает товары новым клиентам на поиске и догоняет тех, кто уже заходил на сайт. Показы происходят на поиске и в сети КМС, поэтому охват больше.

Ответить
Развернуть ветку
Александр Котомцев

Спасибо. Получается если настроены умные торговые кампании динамический ремаркетинг настраивать отдельно не нужно

Ответить
Развернуть ветку
Кирилл Комиссаров

Да, потому что будет пересечение между ними. При этом умная торговая кампания всегда имеет наивысший приоритет перед другими. Поэтому, если рекламируется один и тот же товар в умной и дин. ремаркетинге, то показы будут по умной.

Ответить
Развернуть ветку
Владислав Строгин

Не хочу быть занудой. Но не могу молчать XD. 
В креативе для РСЯ у вас в тексте Ауди, изображение с бНв.

Ответить
Развернуть ветку
Аккаунт удален

Комментарий недоступен

Ответить
Развернуть ветку
Виталий Владимиров

Я прошу прощения, но Вы называете это кейс? Настроили цели , включили стандартный пул инструментов, отключили что не работает, это сработало, и все - кейс готов?
Называете кейс Как увеличить выручку от стандартных инструментов контекстной рекламы, и пишите как включили маркет и шоппинг, которые не контекстные.
Нет ни одной гипотезы, почему работало плохо и стало работаю хорошо тоже не ясно. Что мешало раньше запустить все эти же инструменты?
Похоже больше на то, что клиент пригрозил уходом, и Вы решили ему хоть что то запустить, кроме стандартного набора поиск+РСЯ+ретаргет+МКБ.
Выглядит как кейс маленького агентства, которые умеют только контекст делать кое-как, но никак не крупного агентства. Мое мнение - пускать на такое рекламу сравнимо позору.
И ещё вопрос - а у скольких клиентов такой же шаблонный подход НЕ сработал?

Ответить
Развернуть ветку
Pavel Koryakin

Приветствую, особых секретов в кейсе нет, мы просто последовательно и дисциплинированно выполняли задачи, которые дали результаты в деньгах. — Не вижу в этом проблемы.

Делать простые действия вместо сложных не так просто :)

Ответить
Развернуть ветку
Виталий Владимиров

А может потому, что эта простыня, обычный чек-лист для предпринимателей, размещенная на авторитетном ресурсе и запущенной на нее рекламой только ради привлечения клиентов агентством с экспертизой, близкой к одному из тысячи маленьких агентств?

Ответить
Развернуть ветку
Pavel Koryakin

Так тоже нельзя делать? :)

Ответить
Развернуть ветку
Виталий Владимиров

Можно или нельзя - вопрос неправильный, и не ко мне точно. Правильный вопрос - а какая ценность от этой статьи? Это точно не кейс (но кликбейтный заголовок понятен), но Вы упорно пытаетесь его так позиционировать.

Ответить
Развернуть ветку
Виталий Олесик

Согласен. Можно делать что то сложное ручное, но денег если не принесет в ближ будущем.. то зачем оно все это тогда..

Ответить
Развернуть ветку
Berezhnov Andrey

Молодцы, хороший результат)) как-то тоже с одним интернет-магазином работал

Ответить
Развернуть ветку

Комментарий удален модератором

Развернуть ветку
Вячеслав Ра

"Корректировать ставки на уровне площадок нельзя, но мы можем отключить неэффективные" 

На скрине видны сервисы яндекса, которые нельзя отключить и по которым цена лида большая.  Получается отключили только то что могли, а сервисы яндекса оставили? 

Ответить
Развернуть ветку

Комментарий удален модератором

Развернуть ветку
Pavel Golubev

Ну а самое главное, денег то вы сколько заработали клиенту? Про выручку понятно, прибыль то была?

Ответить
Развернуть ветку
34 комментария
Раскрывать всегда