Кейс Альфа-Банк х Риалвеб: Сокращаем расходы и получаем лучший результат

В небрендовом кластере B2B-сегмента банковских услуг конкуренция растет с каждым днем. По данным ФСИ, на сентябрь 2021 года в РФ общее количество действующих ЮЛ и ИП — 6 937 748.

В сравнении с B2C, B2B-сегмент менее охватный, и все рекламодатели стремятся получить максимум потенциальных клиентов из того числа, которое есть на рынке.

Такая ситуация приводит к перегреву аукциона на поиске Яндекса, что напрямую влияет на рост стоимостных показателей. А чем выше ставки рекламодателей в аукционе, тем дороже выходит финальная заявка.

Поэтому перед нами стояла цель найти точки роста в данном сегменте, при этом снизив стоимость выданного счета РКО. В условиях сильно перегретого аукциона сделать это было непросто.

• снижение стоимости открытия счета (CPS) в небрендовом кластере.

• запуск небрендовых кампаний на поиске Яндекса с использованием повышающих корректировок ставок;

• оценка эффективных аудиторий и поиск возможностей для их масштабирования в кампаниях.

• небрендовый поиск на Яндексе;

• базы CRM;

• сегменты Яндекса.

Небрендовый кластер является дорогим с точки зрения открытия счета: большая конкуренция за клиента среди рекламодателей. Важно было найти уникальный подход, который позволит удержать текущие объемы счетов, при этом снизив стоимость открытия. Было принято протестировать RLSA, который позволяет таргетироваться по поисковым запросам (стандартный поиск) с повышающими корректировками ставок на релевантную аудиторию.

Данный подход позволил снизить CPC на 55%, сократив объем трафика всего на 3% и удержав количество выданных счетов.

В первую очередь необходимо было собрать аудиторные сегменты, опираясь на CRM банка. Мы выявили и кластеризировали наиболее подходящие аудитории всех продуктов Банка, при этом исключив текущих клиентов. После этого настроили таргетинг на собранные базы, а также собрали по ним Lal (look-alike).

Большая часть сегментов CRM была собрана на аудиторию оставивших номер телефона, но не открывших счет за 2 года с разной степенью охвата и сегментации. Также таргетировались на базу Спарк — открытую базу с данными об организациях и контрагентах.

Следующим шагом мы обратились к сегментам Яндекса. Мы использовали кастомные сегменты «владельцы бизнеса» и сегмент похожих на пользователей с высоким доходом (в опросе Яндекс.Взгляд отвечали, что являются владельцами предприятий).

Кроме того, собрали сегменты хороших/плохих (открытие счета 10%-90%) — это обучаемые сегменты на основе данных клиентов Банка. Собирается список текущих клиентов по упомянутым критериям, и на основе этих данных Яндекс автоматически строит модель и сегментирует аудиторию.

На данные аудитории мы запустили поисковый ремаркетинг.

В результате проведенного теста (с 12.05 по 25.06 и с 22.07 по 31.07) мы выявили ТОП-эффективных и менее эффективных аудиторий:

Самый высокий процент открытия счета показали сегменты «Оставили номер телефона» (с разной степенью охвата) и «База спарк» и Lal по ним.

Сравниваются периоды без использования повышающих корректировок на аудитории (сентябрь-октябрь’20) и с использованием RLSA (май-июль‘21).

В результате корректировки на аудитории привели к:

• росту счетов на 4%;

• снижению CPS на 58%;

• увеличению TR на 55%.