Масштабирование рекламы в онлайн-школах: MVP-решения для увеличения ROMI

Катастрофа в рекламном агентстве: первые рекламные запуски дали сногсшибательный результат. Получив десять конверсий за $100, клиент приносит еще $10 тыс — давайте делать тысячу продаж!

Увы, масштабирование в таргете работает нелинейно — охватив самую горячую аудиторию первыми показами, Фейсбук переходит к менее целевым пользователям. А с увеличением бюджета резко проседают конверсии.

Вместе с Борисом Поповым — медиабаинг группхедом Skvortsoff.info, рассказываем, какие техники помогут удержать стоимость конверсии при масштабировании онлайн-школ и образовательных продуктов.

При первых запусках таргетированной рекламы в воронку попадает самый релевантный трафик — это горячая аудитория, готовая к покупке. Однако при увеличении бюджетов в воронку начинает попадать нецелевой трафик: ЦА с низкой платежеспособностью, неподходящими демографическими характеристиками и покупательским поведением. В этот момент результат кампаний может упасть в несколько раз.

Технически, мы платим Facebook за количество показов объявления — чем больше показов нам нужно для совершения конверсии, тем выше будут расходы на рекламу.

Чтобы сохранить желаемые показатели и не разориться при резком масштабировании, мы используем инструмент для аналитики и контроля качества аудитории. Они помогают отследить, с кем мы имеем дело и самостоятельно оптимизировать показы.

В идеальном мире у каждой онлайн-школы есть своя система аналитики. Если вы уже разработали сложную воронку, настроили автоматизированный сбор информации и аналитику о пользователях — этот материал не для вас.

Но мы знаем, как много крутых проектов проваливается на этапе масштабирования. В критический момент онлайн-школе не хватает бюджетов, а результаты рекламы не сходятся с экономикой. Что делать в таких случаях? Принимать экстренные меры и учиться работать с аудиторией.

Для этого мы предлагаем быстрые и безотказные способы аналитики, которые помогут сузить аудиторию до самой релевантной и улучшить показатели конверсий.

UTM-метки — это фрагменты кода, которые вставляются в URL и позволяют отследить информацию о клиенте. Мы используем метки для анализа 10 параметров:

💡 Проходим по пунктам выше и по каждому выписываем нужный параметр.

Например:

• utm_source (Площадка) — FB
• utm_medium (Формат) — Online_Auto
  
• utm_campaign (Стратегия) — Acquisition
  
• utm_content (Направление) — School
  
• utm_country (Страна) — RU
  
• utm_geo (География внутри страны) — 1+mln
  
• utm_audience (Аудитория) — wide
  
• utm_landing (Лендинг) — mc-new-page
  
• utm_creative (Креатив) — 9-14-1
  

Как это работает? Мы запускаем кампании на широкую аудиторию, а после первых целевых действий анализируем данные из UTM-меток. Так мы можем отследить наиболее удачные города, площадки, креативы и т.д., а затем вручную отредактировать аудитории для последующих запусков.

Мы выгружаем данные из UTM-меток с помощью Amo CRM. Сервис хранит в себе информацию о клиентах, которые совершили покупку/целевое действие. Благодаря этому мы анализируем только самых релевантных пользователей:

1. Как правило, мы заранее выбираем гипотезу, которую необходимо протестировать: разные креативы, города, демографические характеристики клиентов.

2. Делаем первые запуски на широкую аудиторию. При этом на поступающий трафик накладываются все десять UTM-меток.

3. Метки присваиваются к каждому пользователю через Amo CRM. Собрав нужное количество трафика, выгружаем из сервиса данные о пользователях.

4. С помощью Facebook Ads поднимаем данные по расходам в зависимости от исследуемого параметра UTM: например, какие бюджеты были потрачены на каждый тестируем креатив.

5. Все данные из CRM и Facebook сводятся в общую таблицу. Нам остается лишь подставить расходы на группы объявлений и разделить на количество конверсий — так мы узнаем стоимость целевого действия.

Так мы быстро определяем удачные гипотезы и можем вручную настроить кампании под релевантный трафик.

Пример таблицы с данными из Amo CRM, UTM-меток и Facebook. Мы тестировали несколько креативов, ведущих пользователя на вебинар. На выгрузке мы увидели, что креатив с меткой 9-14 принес самые дешевые регистрации. При этом заявок после вебинара оказалось всего 6.

В это же время, креатив 8-70 привел 16 заявок с вебинара, что оказалось в 9 раз выгоднее. В результате мы отсекли нерабочие макеты и улучшили результаты кампаний.

Еще один пример — тестирование городов России. Условно, мы разделили их на три группы:

• Москва
• Миллион+ (города с численностью населения больше миллиона)
• Миллион- (города с численностью населения менее миллиона)

Стоимость конверсий отличалась разительно:

• Москва — $400 (расход — $10.700)
• Миллион+ — $380 (расход — $5.746)
• Миллион- — $115 (расход — $6.296)

Чтобы выровнять результаты, мы перенесли часть бюджета на города с населением менее миллиона человек.

В Facebook Ads при использовании рекламы с целью «Конверсии» существует одно золотое правило: «Что хотите получить, под то и оптимизируйте».

До введения строгой политики конфиденциальности от Apple мы могли получить почти всю информацию об аудитории: Пиксель собирал данные о телефонных номерах и почтах пользователя, отправлял их в рекламный кабинет. Это помогало оптимизировать кампании и не терять релевантную аудиторию. Нынешняя же оптимизация выглядит таким образом:

Facebook Ads анализирует информацию о клиентах, которые оставили лиды. Это очень широкая аудитория, часть из которой теряется на пути к конверсии. Она не может служить качественной базой для оптимизации.

Conversions API который собирает информацию о пользователях на всех этапах воронки и отправляет ее в Facebook Ads для оптимизации. Так мы получаем больше информации о клиентах:

Запуская рекламу с оптимизацией «Покупка», мы используем весь потенциал рекламных алгоритмов Facebook и сокращаем количество нецелевых рекламных показов. Как итог, CPS снижается, а мы получаем рост ROMI.

С помощью Amo CRM и Conversions API мы анализируем данные о покупателях. Но что, если причина снижения конверсий кроется не в аудитории, а в продукте или отдельных этапах воронки? Например, лендинге с плохим копирайтом или скучном вебинаре.

Для поиска точек роста мы используем автоматизированную таблицу «Результаты маркетинга».

В таблицу вынесен каждый шаг пользователя перед совершением покупки. Сюда автоматически выгружаются данные из Facebook Ads и Amo CRM, а затем через авто формулы определяется стоимость конверсии на каждом этапе воронки. Для каждого канал трафика создается отдельная таблица. Так мы определяем точки роста и ищем проблемные места в стратегии.

Для одного из клиентов мы закупали трафик в Тик Ток. Небольшой бюджет давал хороший результат, да и при масштабировании стоимость заявки оставалась в приемлемом диапазоне. Проблема была в том, что Тик Ток позволяет отследить лишь стоимость заявки. Мы не знали, конвертируем ли регистрации в продажи.

Собрав ретроспективу по Тик Ток мы выяснили, что за весь период совершил всего одну (!) продажу — дешевые регистрации на вебинар в итоге не окупились. Мы оставили соцсеть в качестве brand awareness инструмента и начали искать другие каналы.

Любопытно, что для этого же проекта отлично сработал Вконтакте: при небольшом бюджете 100 000 рублей мы уже в первую неделю получили продажи.

Данные всех каналов сводятся в общую таблицу по перфомансу с разбивкой по неделям.

Мы находимся в постоянном поиске эффективных рекламных коммуникаций — это те смыслы, которые максимально эффективно привлекают целевую аудиторию.

Чтобы быстро вывести эффективную коммуникацию для каждого оффера, мы используем тизерный формат рекламы в Facebook. Рекламное объявление условно делится на составляющие, где каждый элемент играет свою роль:

• Заголовок — притягивает ЦА;
• Подзаголовок — подкрепляет заголовок и дает ключевую информацию;
• Изображение — передано общий смысл;
• Текст — несет подробности;
• Заголовок текста — играет роль вспомогательного заголовка.
  

Мы стремимся к тому, чтобы каждый элемент объявления был максимально эффективным. Для этого составляется ТЗ в таком формате:

В сетке прописано 3 элемента — заголовок, подзаголовок и требования к визуалу.

При этом оформление всех креативов одинаковое — оно не может повлиять на решение аудитории. Подзаголовок в нескольких объявлениях также повторяется.

В данном случае мы тестируем заголовок, остальные же элементы идентичны на всех макетах.

Мы получили 10 креативов, схожих между собой, но несущих разные смыслы.

Если наша задача — быстрый и точный тест, мы можем элементарно запустить кампанию с десятью креативами. Это примитивный, но быстрый подход к анализу:

1. Все настройки, кроме тестируемого элемента, должны быть идентичны во всех группах объявлений — в том числе аудитория.
2. При тестировании лучше избегать широких аудиторий. Нужна максимально однородная целевая группа. Мы используем look-a-like 1% по узкой географии. Потенциальный охват не должен быть большим. Ориентируйтесь на 100-200 тысяч пользователей.
3. На каждый тест закладывается 2-3 дня, чтобы дать алгоритму время на обучение. Рекламный бюджет устанавливается индивидуально, в зависимости от ниши. Ориентируйтесь на получение 30-40 конверсий.

Результаты по креативам сводятся в общую таблицу, где мы определяем лучшие элементы каждого макета. После этого лучший заголовок, лучший текст, визуал и т.д. соединяются на одном креативе — получается рабочий макет, где каждый элемент дает наилучший возможный результат.

Лучший способ понять аудиторию — расспросить своих покупателей. Для этого мы проводим глубинные интервью с клиентами разных сегментов.

В проекте Educate Online кастдев помог расширить возрастные рамки покупателей. Мы долго запускали рекламу с общими смыслами и привлекли аудиторию родителей с детьми разных возрастов. При этом покупку совершили родители с детьми 9-16 лет — все остальные уходили на разных этапах воронки.

Тогда мы провели JTBD-исследование (jobs to be done) и выяснили, какие проблемы решают родители при покупке нашего продукта. Мы опросили 37 человек и сегментирования их по болям и потребностям — родители детей разных возрастов руководствовались разными факторами и нуждались в соответствующих смыслах.

Полученная информация использовалась только на креативах — возможно, это и стало причиной проседания конверсий. Давить на боли разных сегментов стоит и на других этапах взаимодействия: вебинарах, лендингах и т.д. Сейчас мы работаем над тем, чтобы смыслы для разных возрастных групп доносились на всех этапах воронки.

Мы также проводили кастдевы для холодного трафика и разработали таблицу для acquisition-кампаний.

Реабилитировать старую аудиторию проще и дешевле, чем привлечь новую. Чтобы дожать пользователей, которые не дошли до конца воронки, мы выделили основные сегменты ретаргета в Ed-Tech:

• Зашли на сайт, но не зарегистрировались
• Перешли в инстаграм
• Зарегистрировались на вебинар
• Перешли в чат бот
• Не пришли на вебинар
• Пришли на вебинар
• Не пришли на пробный урок
• Пришли на пробный урок

Для них мы используем следующие коммуникации:

• UGC (user generated content) — контент, нацеленный на трансляцию пользовательского опыта. Отзывы реальных пользователей, комментарии клиентов.

• UVP (unique value proposition) — контент, нацеленный на лидогенерацию. Для людей, которые решили не посещать вебинар мы используем альтернативные входы в воронку: специальные предложения, лид магниты.
• HLD (Hunt ladder) — контент, нацеленный на закрытие осведомленности аудитории по лестнице Ханта. Так мы проводим пользователя от осознания проблемы до поиска решений и покупки.

А пока мы готовим крупный материал по работе с образовательными продуктами, будет ждать ваш фидбек и вопросы. По традиции — отвечаем на все комментарии, делимся полезными навыками в Телеграме, а на сайте бесплатно составляем экспресс-стратегию по закупке трафика.