Ломаем «черный ящик» Google Ads и получаем клиентов в 10 раз дешевле, чем в Merchant

Удваиваем онлайн-продажи обувной федеральной сети без роста бюджета всего за месяц. Свежий кейс и лайфхаки от «Мако».

Привет! Я собственник performance-агентства МАКО Андрей Горностаев. Делюсь важной для рекламного рынка историей работы с интернет-магазином широко известной обувной федеральной сети. Раскрыть ее название я, к сожалению, не могу, так как разрешения не получил:

Это стандартная ситуация. Редко, кто из клиентов, соглашается на публикацию коммерческой инфы. Поэтому приходится скрывать бренд, делая выбор в пользу реальных цифр. Так интереснее, на мой взгляд.

Это проект, в котором уже больше года мы ведем контекстную рекламу исключительно на автостратегиях в Директе и Ads – ежедневно экспериментируем с их настройками и добиваемся лучшего результата.

Каждая такая история ценна, т.к. приоткрывает завесу пресловутого «черного ящика», которым многие спецы окрестили работу автоматизированных алгоритмов Яндекса и Гугла. Точную логику их работы нам не раскрывают, но не пользоваться ими в современном интернет-маркетинге сродни выстрелу в ногу.

Все это удалось сделать при помощи экспериментов с автостратегиями Яндекса и Гугла. Автостратегия – это настройка рекламной кампании, когда мы задаем системе ключевой KPI, на основании которого она сама подбирает аудиторию. Мы платим не за клики, а за достижение ключевых целей. Например, выставляем цену 300 руб. за заказ и платим только за совершение заказа на сайте.

Данный кейс можно рассматривать как углубление поднятого в моей нижеприведенной статье вопроса про роль агентства в работе с контекстной рекламой в условиях, когда эффективностью рекламы управляют роботы, а не люди.

На старте сотрудничества мы провели аудит их текущей рекламы заказчика, в которой практически не нашли ошибок. У клиента было идеально собранное семантическое ядро, в котором ключи проработаны до самых низкочастотных, а нецелевой мусор весь вычищен. Трафик с рекламы был полностью целевой, корректировки по полу–возрасту–устройствам стояли правильные. Конверсия в заказ для тематики одежда/обувь высокая – от 0,7% до 1,2% в зависимости от инструмента, ср. цена клика низкая – 6 руб. Можно ли было сделать лучше?

В МАКО мы практикуем ответственный подход – если не сможем за 1-2 месяца сделать лучше хотя бы на 20% – не берем проект в работу. Улучшение в пределах 10% находится в зоне статистической погрешности – естественных колебаний эффективности рекламы от месяца к месяцу.

Мы понимали, что значительно цену клика не снизим, конверсию не нарастим. Единственное, за что зацепился глаз – одинаковая ставка на все ключи. Что само по себе – не ошибка. Когда ключей тысячи – статистики по каждому из них меньше десятка кликов, поэтому о конверсии ключа в отдельности говорить не приходится. Соответственно и точную ставку назначить невозможно.

Но так рассуждает «старая школа» контекстной рекламы, представители которой до сих пор считают, что автоматизированные рекламные кампании – для ленивых, а ручная проработка РК и ручное выставление ставок – главный инструмент повышения эффективности. Психологически это понятно – нужно все взять под свой контроль, и результат будет наилучшим. Нельзя доверять непонятным алгоритмам, работающим в интересах площадки и стремящимся сожрать твой бюджет...

Мы и сами так считали еще пару лет назад, когда алгоритмы систем были молоды и слабы. Но современная контекстная реклама – это на 80% сочетание автоматизированных алгоритмов и экспериментов с их настройками. Многие параметры рекламных систем, влияющие на эффективность, не доступны в ручном режиме. И заранее не понятно, какая настройка окажется ключевой. Поле для экспериментов – широкое. Чем больше их проводишь, тем лучше понимаешь логику работы алгоритмов и учишься предсказывать их эффективность в разных ситуациях.

Увидев одинаковую ставку на все ключи, мы подумали – это мощная точка роста, как ее можно использовать?

Варианта было два:

Мы не рискнули выбрать сразу 1 вариант. Несмотря на точные настройки по стоимости за конверсию, мы могли сильно просесть в объеме заказов, если алгоритм не сумеет быстро найти нужную аудиторию. Поэтому не стали делать резких изменений в рекламе, вручную перелопатили всё семантическое ядро и выставили на каждый ключ точную ставку.

Запустили рекламу в воскресенье вечером. В понедельник утром проверяем РК и видим, что вся реклама остановлена по ограничению дневного бюджета. Смартбаннеры в Яндексе разогнались и потратили за ночь весь бюджет, не принеся заказов. Пробовали разные настройки, но результаты первой недели работы были значительно хуже, чем у клиента.

Было у клиента

Стало за 1 неделю на ручных настройках

Цена клика выросла почти в 2 раза, стоимость заказа увеличилась на 200 руб. в Гугле и на 100 руб. в Директе, ДРР вырос на 30%. Можно было себя утешать, что это всего первая неделя, ничего страшного, хотя бы объем заказов не потеряли… Но, на самом деле, это был полный крах нашей гипотезы с точными ставками по ключам, выставленными вручную.

Самое сложное решение в этом проекте – убедить себя разом перевести все рекламные кампании на автостратегии. Почему сложное? Потому-что есть риск обрушить продажи в несколько раз, в то время пока стратегии будут обучаться, а мы экспериментировать с их настройками. Причем не факт, что это все в итоге будет оправдано даже по прошествии нескольких недель. Вероятность положительного исхода с автостратегиями на новом рекламном аккаунте – 50/50.

Чтобы набраться смелости, мы изучили статистику сайта в Google Analytics. Самое важное для успешной работы алгоритмов – быстрая обратная связь. Чем короче и быстрее путь между первым кликом и конверсией, тем эффективнее работает алгоритм. Ему проще понять взаимосвязь между этими событиями, т.к. временной интервал короткий, и путь пользователя простой – его легко просчитать и предсказать.

В этом смысле, данные были обнадеживающие – половина пользователей совершала конверсию с первого захода на сайт. Остальным для принятия решения тоже требовалось немного времени – 1-2 дня и 2-3 посещения сайта. Объема конверсий для обучения алгоритма тоже хватало. 150 онлайн-заказов с рекламы в неделю – это намного больше минимального рекомендованного Яндексом порога – 10 конверсий.

Вдобавок, шел второй месяц после появления в Директе стратегии с оплатой за конверсию. В Гугле он был давно, а Яндексе появился впервые. Мы решили, что данный проект с быстрой обратной связью и достаточным числом макроконверсий идеально подходит для теста нового инструмента.

Перевели все кампании, где это возможно, на оплату за заказ. А остальные – на автостратегию «целевая цена конверсии» (ЦЦК). В этом случае мы платим за клики, но алгоритм показывает рекламу пользователям, которые с высокой вероятностью совершат конверсию, и сам управляет ставками за клик в зависимости от установленной ЦЦК.

Через неделю работы на автостратегиях получили результат

Всего за неделю мы втрое улучшили результативность рекламы – ДРР сократился в 3 раза, число заказов выросло на 40%, а их стоимость упала в 3,5 раза. Это был успех. Мы выдохнули и радовались, напряжение спало. Гипотеза подтвердилась.

В итоге, за первый месяц работы мы значительно приросли относительно прежней результативности рекламы у клиента:

За тот же рекламный бюджет уже в 1 месяц мы привлекли в 2 раза больше заказов и в 2 раза увеличили доход с рекламы, уменьшив ДРР с 9% до 5%

На этом наша работа закончилась. Клиент пожал руку за отличную работу, настроил в своем аккаунте такие же автостратегии, получил точно такие же результаты и перестал платить нам за услуги...

Ну, мы и сами так думали :) Но вышло иначе. Оказалось, нужно прикладывать постоянные усилия, чтобы работа алгоритмов происходила в нужном русле, и достигнутые результаты не падали, а росли.

В ecom–рекламе, как правило, самые конверсионные кампании по ключам по названию товаров. Руками их не делают, т.к. товаров тысячи, а используют фид, на основе которого система сама подбирает ключи и создает объявления. В первую очередь, такой фид загружается в Google Merchant – инструмент в Google, заточенный под товарные торговые кампании. Если создать фид правильно, ключи и объявления получаются релевантными, и такая реклама отлично работает. Большинство интернет–магазинов обязательно использует этот инструмент.

На этом проекте мы 4 раза пробовали запускать Google Merchant с разными настройками. Тестировали торговые кампании с ручной оптимизацией с разными вариантами фида. Запускали смарткампании, работающие на полном автомате с оптимизацией по ROI… Но стоимость заказа всегда выходила во много раз выше целевого CPO 500 руб. Высокая конкуренция в Google Merchant не дает привлекать дешевый трафик, и дорогой клик «съедает» всю эффективность, достигнутую экспериментами с фидами и настройками.

Мы сделали вывод, что Merchant не подходит для низкого ср. чека в тематике обуви и одежды.

Чтобы получить цену по товарным кампаниям ниже, чем в Merchant, мы придумали обходной путь – запустили рекламу по названию товаров через DSA – динамическую поисковую рекламу в Google.

DSA – это автоматизированная реклама, при которой система сама подбирает ключи и создает объявления на основе содержания сайта. Надо ли говорить, как «старая школа» директологов к этому относится? Да это же слив бюджета! Как можно доверять алгоритму важную работу по подбору ключей, да еще на основе контента сайта!

Этот инструмент редко используют в ecommerce, так как:

Именно поэтому аукцион в DSA не так разогрет, как в Google Merchant, и мы этим решили воспользоваться.

DSA работает с оплатой за клики, но можно выставить целевую цену заказа, на которую будет ориентироваться алгоритм. Если отправить систему в свободное плавание, просто указав в качестве таргетинга главную страницу или раздел – мужская обувь / женская обувь / босоножки и т.д., результат получится непредсказуемым. Система подберет широкие ключи, и стоимость заказа выйдет высокой. Мы сделали иначе.

Взяли фид для Google Merchant и удалили из него все кроме ссылок на карточки товаров. Загрузили его вручную в DSA и оставили алгоритму только 1 степень свободы – взять для ключевого слова и объявления название товара из заголовка страницы и привести пользователя на страницу этого товара. Именно то, что и было нужно!

Google Merchant за все время работы:

DSA за неделю:

Цена заказа и ДРР упали более чем в 10 раз! Мы получили не только снижение цены клика в 2 раза, но и рост конверсии в 5 раз за счет низкой конкуренции в DSA–аукционе.

Почему в нашем случае общие ключи, которые тоже попали в DSA, хорошо отработали? Важный фактор успеха – правильное ценообразование у клиента. Именно столько среднестатистический российский покупатель готов заплатить за босоножки. Он не уходит в отказ, перейдя на сайт и увидев цены. По этой же причине, DSA в сегменте одежды не сработал, т.к. цена на нее была выше среднерыночной.

Мы рекомендуем использовать DSA в категориях, в которых у вас средние по рынку цены в вашем регионе. Если ваш сегмент выше среднего, автоматические товарные объявления без указания цены будут приводить на сайт нерелевантных пользователей, и нужный ДРР и цену привлечения заказа вы, скорее всего, не получите.

Большая проблема автостратегий в этом проекте состояла в том, что они сильно разгонялись, возникал перерасход бюджета, и их требовалось «зарезать» – снижать целевую цену конверсии в настройках. Из–за этого алгоритм начинал переобучение и в сл. неделю мы не получали нужный объем заказов. Такие «качели» были на всем протяжении работы с проектом.

Сохранилась бы эта проблема, если бы у нас был неограниченный бюджет? Скорее всего нет, но появилась бы другая. Иногда мы не упирались в бюджет и готовы были к разгону автостратегий, но нужная аудитория быстро заканчивалась, и объем заказов все равно начинал снижаться. Если ничего не предпринимать и не перенастраивать стратегию, алгоритм упирается в «потолок» и перестает эффективно работать. Перезапуск – возобновляет обучение, и стратегия снова начинает приносить заказы.

В этом проекте мы выработали такой прием – 3 дня даем стратегии разогнаться на высоком CPO – стоимость за заказ выставляем на 20% выше требуемого KPI. Через три дня опускаем CPO на 20% ниже KPI – объем перестает расти, сохраняется постоянным, даем так поработать еще – 2–3 дня. Как только объем заказов начинает снижаться, снова увеличиваем ЦЦК на 20% от нашего KPI, и цикл повторяется.

Самое интересное, но через несколько месяцев таких корректировок алгоритм «понял», что от него требуется, и сам научился работать в нужном ритме без нашего участия.

Когда что–то меняется на сайте, влияющее на конверсию, например выход новой акции – это сильно влияет на логику работы алгоритма. В моменте конверсия сайта увеличивается, и автостратегия начинает приносить много заказов по низкой цене. Робот «думает», что он настолько эффективен, что может покупать клики дороже, и резко расширяет аудиторию. Но в итоге это, наоборот, приводит к значительному росту стоимости заказа. Ситуативные моменты воспринимаются алгоритмом как ключевые, и он начинает слишком сильно расширять аудиторию, приводя менее релевантных пользователей.

У клиента каждые выходные выходила новая акция. В результате, росла конверсия сайта, и алгоритм резко начинал скупать клики по завышенной цене. Больше заказов от этого не становилось, они только дорожали. Более того, с приходом понедельника, все становились значительно хуже, чем было в будни на прошлой неделе, так как алгоритм загрузил себя нерелевантными данными и потерял нужную фокусировку.

В будни стоимость заказа выходила в районе 400 руб. На выходных, из–за роста конверсии сайта, CPO опускался до 300, но в понедельник резко возрастал до 900. Объем заказов при этом значительно снижался относительно прошлой недели. Если не вносить корректировки в автостратегии, не давая алгоритму расширять аудиторию, можно потерять всю следующую неделю, т.к. роботу потребуется время на переобучение и выход на прежние показатели. В нашем случае для этого достаточно было в субботу понизить ЦЦК до 300 руб. за заказ, а в понедельник вернуть к прежнему значению – 400–500 руб.

Вдохновленные успехом, мы решили и брендовые кампании по названию магазина запустить через DSA. Обычно такие кампании самые конверсионные и поэтому дают наименьшую стоимость привлечение заказа. Но в нашем случае это было не так. Высокая цена клика в общем аукционе по брендовым ключам давала заказы выше необходимых значений CPO.

Показатели брендовых РК за 2 месяца:

Мы остановили брендовые РК, созданные в ручную, и запустили их через DSA. Это уменьшило цену клика по брендовым ключам в Google с 14 руб. до 6 руб., но сохранило ту же конверсию. Что дало CPO ниже 300 руб.

С сентября 2020 по март 2021 мы удерживали отличные показатели по рекламе. Экспериментировали с настройками автостратегий, масштабировали заказы, сохраняя ДРР до 10%... Но наступил апрель 2021 – время смены осенне-зимней коллекции одежды и обуви на весенне-летнюю, и в этот момент у нас перестало работать абсолютно все. Все наши таргетинги и настройки оказались неэффективными. Требовалась глобальная перезагрузка всего проекта.

Было за неделю в марте:

Стало за неделю в апреле:

Объем заказов упал более чем в 2 раза и на столько же возросли CPO и ДРР. Это была катастрофа. Что же произошло? С приходом нового сезона поведение аудитории стало другим. Изменились ключевые параметры – спрос, конкуренция, конверсия. Нужно было начинать с нуля – заново обучать алгоритмы Яндекса и Гугла и искать новую конверсионную аудиторию.

Снова, как и в начале проекта, возникла дилемма:

1. Переводить проект на ручное управление и выставлять ставки в ручную

2. Перезапускать и переводить автостратегии на новые настройки.

В этот раз мы не стали искушать судьбу и решили сразу начать с автостратегий. Идея была перевести алгоритм на оптимизацию по ROI. При этой настройке мы платим за клики, но робот ориентируется на целевой ДРР (выставили 15%).

Почему решили перейти на ROI?

Полгода назад осенью 2020 мы тоже пробовали на этом проекте стратегию по ROI в Директ, но она показывала низкую эффективность – практически такую же, как самая неэффективная стратегия Яндекса «максимум кликов». Но мы изучили современные кейсы и нашли немало примеров ее эффективности. По видимому, Яндекс смог за полгода ее доработать, и мы решили еще раз ее протестировать.

С ROI есть одна серьезная проблема

При переходе на ROI алгоритм начинает сразу много тратить, т.к. оплата происходит за клики. Мы получаем много трафика еще без учета ROI, т.к. ROI считается по прошествии недели, а не в моменте. И в этом самом моменте может происходить все что угодно. Например, в понедельник алгоритм тратит 500 руб. и привлекает случайно заказ с чеком 10 000 р. Это развязывает ему руки, и он начинает тратить с удесятеренной силой… Во вторник расходует 10 000 р., в среду еще 5 000… но заказов это не приносит, а недельный бюджет рекламной кампании 20 000 р. на ¾ уже исчерпан. Вероятность получить нужный ROI снижается, и алгоритм останавливает рекламу. В итоге мы потратили 15 500 и получили только 1 заказ.

Из этой ситуации есть выход – перевести разогнавшийся алгоритм с оптимизации по ROI на оплату за заказ (CPO = 500 р.). Робот увидит, что РК принесла ранее много трафика и начинает снова его активно наращивать, но это нам уже ничего не стоит, т.к. мы платим за заказы. И вот алгоритм приносит еще 10 заказов по 500 р. В результате, средний показатель CPO за неделю выходит уже не такой катастрофический. И благодаря смене стратегии, мы выжимаем из оставшихся 5 000 р. недельного бюджета еще 10 конверсий.

Решение себя оправдало – мы начали восстанавливать потерянный объем по заказам. Например, общая РК по босоножкам (не бренд), ничего не принесшая неделю, принесла при новой стратегии более 10 заказов.

Постепенно, шаг за шагом мы разогнали так каждую рекламную кампанию, и через месяц вышли на требуемый KPI.

Третья неделя мая:

Объем заказов вырос на 50%, стоимость заказа уменьшилась на 42%, а ДРР опустился до требуемого значения 10%.

В итоге, за месяц удалось преодолеть кризис смены коллекции и найти нужную аудиторию. В дальнейшем такую механику смены автостратегий мы применяли раз в месяц, чтобы обогащать алгоритм новыми данными и увеличивать объем заказов.

Наиболее полно подход МАКО в работе с проектами вы можете узнать из нашего самого известного диванного кейса