Нестандартные гипотезы в контекстной рекламе, которые увеличили выручку на 30 млн рублей

Рекламные механики, которые отыграли 70% спад продаж после ухода Google Ads и обеспечили впечатляющий рост интернет-магазину мебели. Учитесь на наших ошибках и применяйте успешные методики на своих проектах! 🙂

Привет! Я — Татьяна Коровина, директор по работе с клиентами в МАКО, агентстве контекстной рекламы с оплатой за результат. С весны 2021 года мы продвигаем интернет-магазин крупного производителя мебели, который пожелал остаться анонимным в этой истории. Изначально клиент пришёл к нам с задачами: увеличить ежемесячный оборот и снизить долю рекламных расходов (ДРР) с 30% до 20%.

В 2021 году порядка 70% продаж приходилось на Google Ads. В начале 2022 года мы лишились этого источника. По-началу у всех опустились руки, потому что Яндекс исторически работал хуже. Казалось, что только за счёт него не получится вернуться даже к старым показателям по выручке и доле рекламных расходов. Но мы не просто удержали продажи на том же уровне, а значительно улучшили показатели: увеличили доход на 30 000 000 рублей в сравнении с прошлым годом, а долю рекламных расходов снизили до 20%.

В прошлом году, на наше счастье, Яндекс активно развивался: улучшал работу алгоритмов и представлял новые инструменты. Наше агентство в числе первых получало к ним доступ и участвовало в различных тестах. В этой статье я расскажу о восьми гипотезах, которые мы проверяли в прошлом году.

Какие гипотезы сработали

Гипотеза №1. Наличие характеристик товаров в заголовках улучшит эффективность работы динамических кампаний на поиске за счёт более релевантного объявления.

Динамическая кампания на поиске работает на основе фида, из которого алгоритмы берут информацию для своей работы. Фид — файл с данными товарных позиций. Может создаваться автоматически в системе управления сайтом, а можно формировать вручную. От фида зависит: по какому поисковому запросу покажется объявления; какой будет заголовок в объявлении; на какую посадочную страницу попадёт пользователь. Обычно в фиде фигурирует та же информация, что и на странице товара на сайте: в заголовке дивана написано что-то типа Аврора» и следом его артикул. Так динамические объявления работают хуже.

Категория товара, цвет, наличие или отсутствие каких-то составляющих в названии товара положительно сказываются на работе динамических кампаний: динамические объявления на поиске, смарт-баннеры, товарная кампания. Алгоритмам становится проще подобрать условие показа и релевантную страницу для пользователей, а заголовок объявления максимально соответствует запросу.

В идеале название товара на сайте должно содержать в себе характеристики товара. Однако переделывать карточки товаров в крупных интернет-магазинах трудозатратно и не настолько приоритетно для разработчиков. Проще и быстрее в этом случае изменить фид.

Мы вынесли характеристики диванов и прочей мебели в параметр фида . Под характеристиками имеем в виду цвет, материал, механизм. Этот тест удался: повысились релевантность страниц, кликабельность объявлений и конверсия в покупку.

Пример товара в обновлённом фиде. Добавили вхождение «диван кровать» в параметр <name> и заполнили <param name> размерами, цветом и материалом каркаса.
Пример товара в обновлённом фиде. Добавили вхождение «диван кровать» в параметр <name> и заполнили <param name> размерами, цветом и материалом каркаса.

Гипотеза №2. Сделать корректировки по геолокации.

Создали несколько гео-сегментов в Яндекс Аудиториях:

  • посетители выставок, в которых участвовали товары клиента;
  • посетители торговых центров, в которых у клиента есть шоурум.

На эти сегменты мы сделали повышающие корректировки. В поисковых кампаниях корректировки дали рост количества конверсий, а в РСЯ корректировки дали медийный эффект и повысили узнаваемость бренда. Гипотеза сработала.

Гипотеза №3. Использовать для оптимизации несколько целей в Мастере кампаний и Товарной кампании с оплатой за конверсии.

Сначала это тоже был закрытый тест Яндекса, а сейчас — общедоступная настройка в кампаниях. Если задать для оптимизации конверсий несколько целей, алгоритмы будут обучаться по каждой из них по-отдельности. Система выставляет приоритеты оптимизации в зависимости от цены каждой указанной цели: чем выше цена, тем выше приоритет для алгоритмов.

Например, можно импортировать из CRM цель по максимально целевым лидам и добавить её для оптимизации в Мастер кампаний и Товарную кампанию с более высокой ценой. При этом в настройках оставить оплату и за конверсию по отправке формы обратной связи. Так получается бороться с фродом и повышать конверсию в качественный лид на 20–30% за счёт новых паттернов для алгоритмов.

Для интернет-магазина мебели мы тестировали оптимизацию одновременно по цели «Покупка» и по составной цели на пути к покупке — от добавления товара в корзину до перехода в корзину. Гипотеза сработала, алгоритмы работали на обе цели.

Оптимизация одновременно по двум целям. Составная цель содержит в себе отдельные шаги на пути к покупке и засчитывает достижение любого из этих шагов.
Оптимизация одновременно по двум целям. Составная цель содержит в себе отдельные шаги на пути к покупке и засчитывает достижение любого из этих шагов.

Гипотеза №4. Получим дополнительные лиды из CPA-сети «Где Слон?».

CPA-сети — это площадки, которые организуют сотрудничество рекламодателей и вебмастеров. Первые хотят, чтобы на их сайте совершили целевое действие. Вторые зарабатывают привлечении посетителей на сайт рекламодателей. Оплату при этом вебмастера получают только за посетителей, которые совершили целевое действие. Отсюда и название: CPA — cost per action, цена за действие..

Возможно, это одна из самых простых, но эффективных гипотез. Мы подключили платформу CPA-маркетинга «Где Слон?», в которой оплачивали только выкупленные заказы. Разместили предложение. Получили продажи с долей рекламных расходов на уровне 11% при среднем показателе по другим источникам в районе 20%. Гипотеза сработала.

CPA-платформа «Где Слон?» приносит несколько десятков лидов в месяц с конверсией в продажу от 50% до 80%. Самое приятное — доля рекламных расходов на уровне 11%. Это в два раза меньше, чем средний ДРР по остальным инструментам.
CPA-платформа «Где Слон?» приносит несколько десятков лидов в месяц с конверсией в продажу от 50% до 80%. Самое приятное — доля рекламных расходов на уровне 11%. Это в два раза меньше, чем средний ДРР по остальным инструментам.

Какие гипотезы не сработали

Гипотеза №5. Показывать рекламу в Google пользователям VPN, которые находятся в России, но продолжают пользоваться поиском от Google.

Реклама может и пропала из Google в России, но люди продолжают пользоваться этим поисковиком. Пользователи и спрос есть, а способа взаимодействия, кроме SEO, нет. На старых аккаунтах запустить рекламу уже не получалось, поэтому мы создали новый аккаунт в Google Ads с платежными данными физического лица и картой оплаты из СНГ. В других случаях Google блокировал аккаунт ещё на этапе создания.

Чтобы показывать рекламу именно тем, кто в России заходит в интернет через VPN, мы выбирали таргетинг на весь мир, но на русскоязычную аудиторию через выбор языка в настройках кампании.

Были показы объявлений. Были переходы на сайт и даже были конверсии. За месяц такой сложный способ показа рекламы принёс порядка 300 000 рублей выручки. Однако стоимость таких конверсий была слишком высокая. Мы решили, что это того не стоит и перестали показывать рекламу. Гипотеза не сработала.

Таргетинг на все страны и русский язык в настройках рекламной кампании в Google Ads.
Таргетинг на все страны и русский язык в настройках рекламной кампании в Google Ads.

Гипотеза №6. Использовать в качестве условия таргетинга кастомные сегменты Яндекса.

Мы попали в закрытый тест нового инструмента Яндекса. На крупных клиентах проще проводить тесты, потому что есть и бюджеты на это и на выходе будет достаточно данных для статистики.

Кастомные сегменты — это те же сегменты аудиторий, но Яндекс формирует их самостоятельно на основании собственных данных. Мы запросили сегмент пользователей, которые одновременно интересуются мебелью, посещали торговые центры и интересуются темой ремонта. Сам по себе инструмент выглядит интересно, но это был один из первых тестов, который в нашем случае провалился. Продажи были, но конверсия была низкой. Гипотеза не сработала.

Сегмент аудитории по данным Яндекса на фоне других корректировок выглядит совсем слабо. Низкая конверсия, высокая цена цели и никакая рентабельность.
Сегмент аудитории по данным Яндекса на фоне других корректировок выглядит совсем слабо. Низкая конверсия, высокая цена цели и никакая рентабельность.

Гипотеза №7. Автотаргетинг поможет охватить больше целевых запросов.

Автотаргетинг — инструмент Яндекс Директа, который самостоятельно подбирает поисковые запросы, по которым будет показывать объявление. Алгоритм анализирует информацию в объявлении и на посадочной странице и решает, соответствует ли она запросу пользователя.

Мы предполагали, что включение автотаргетинга внутри уже работающей группы позволит охватить больше запросов. Оказалось, что в группе с заранее собранной семантикой этот инструмент начинает «душить» ключевые слова и забирать показы и бюджет на себя. В кампаниях с оплатой за конверсии сам по себе автотаргетинг работает эффективно, но группы объявлений с ним в целом отрабатывают хуже. Если и тестировать автотаргетинг, то только в отдельной группе объявлений, без ключевых слов внутри. Гипотеза не сработала.

Это статистика кликов по объявлениям в динамике. С конца февраля мы начали тестировать автотаргетинг. Вертикальная черта — конец активного теста. С этого момента переходы по фразам становятся более равномерные. 
Это статистика кликов по объявлениям в динамике. С конца февраля мы начали тестировать автотаргетинг. Вертикальная черта — конец активного теста. С этого момента переходы по фразам становятся более равномерные. 

Гипотеза №8. Автоматическая стратегия «Оптимизация ДРР» будет работать не хуже оптимизации конверсий.

В рекламном кабинете называется по-другому — максимум конверсий с ограничением доли рекламных расходов. Обычно хорошо работает у интернет-магазинов с количеством заказов заказов больше 10 в день и высоким средним чеком — больше 20 000 рублей с покупки. Отлично показывает себя в динамических объявлениях и форматах.

На этом проекте сперва тоже всё было хорошо: продажи и ДРР укладывались в согласованный KPI. Однако в конце месяца часть заявок отменилась и ДРР скакнул до 30%. Похоже, что стратегия оптимизации по доле рекламных расходов не подходит бизнесам с длительным сроком принятия решения — у интернет-магазина мебели этот срок составляет около двух недель. Гипотеза не сработала.

Как тестирование гипотез сказалось на выручке интернет-магазина

За 2022 год доход интернет-магазина увеличился на 30 000 000 рублей, а доля рекламных расходов снизилась на 7%. Несмотря на отключение в Google, интернет-магазин не только удержал продажи на прежнем уровне, но и значительно вырос. И это только на одном Яндексе. Для сравнения: в августе 2021 года Google принёс 70% лидов со средней стоимостью в два раза ниже, чем в Яндексе. В августе же 2022 года уже только из Яндекса мы получили больше продаж и дохода.

Всплеск продаж в марте связан с внезапным ростом спроса. Люди боялись не успеть купить мебель. ДРР в этот месяц был рекордно низким. Потом постепенно вышли на ровные показатели.
Всплеск продаж в марте связан с внезапным ростом спроса. Люди боялись не успеть купить мебель. ДРР в этот месяц был рекордно низким. Потом постепенно вышли на ровные показатели.

Мы в МАКО не первый раз помогаем интернет-магазину кратно вырасти: уже спасали мебельную фабрику от банкротства и выводили в плюс интернет-магазин косметики. Начинаем всегда с аудита: ищем точки кратного роста, на которых можно построить новую стратегию продвижения и спрогнозировать ожидаемый доход или количество обращений. Оставьте заявку и мы бесплатно сделаем вам аудит рекламы и сайта.

2323
15 комментариев

В статье есть ряд проблем. Во-первых, нет ссылки на магазин. А значит кейса могло и не быть.

Во-вторых, если это реально крупный магазин +30 млн. рублей выручки, это не о чем. В прошлом году ушла ИКЕЯ. Много мебельщиков выросли.

Опять же по статье не понятно, сколько был оборот и что вы называете крупным. Крупный магазин мебели это от ярда оборот. Тогда с учетом ухода ИКЕЯ и бешеного роста продаж мебельных прошлой весной. Этот результат - провал.

Короче, пишите давно, хорошо. Но больше данных. Больше реальных клиентов.

2
Ответить

Кейсы — это часто компромисс между цифрами и «лицом» заказчика. Кто-то не даёт разрешение упомянуть себя в статье. Кто-то готов на упоминание, но запрещает показывать финансовые показатели. Когда-нибудь обязательно будет материал, в котором покажем и клиента и больше данных.

+ 30 млн рублей из одного источника не похоже на провал. Да, IKEA ушла, рынок мебели в целом изменился. Только ещё и пропала реклама в Google, который ранее давал до 70% выручки. Мы компенсировали этот момент за счёт Яндекса и выжали из него ещё сверху.

Весь оборот магазина не упоминали, потому что статья про рекламу и обороты с неё. Можете представить сами, какие есть ещё суммы, с учётом наличия оффлайн-магазинов. :)

2
Ответить

написал ниже: магазин палится по url из фида, это pushe.
- кейс крутой для мебели, но мы работали с МАКО и я им не верю
- но и с Виком мы тоже работали, и результат такой же, как у МАКО, lol

Ответить

Вам же приходится платить за несколько целей, которые вы указали. С учетом доп.расходов на рекламу за заказ - это выгодно?

Ответить

Есть 3 ситуации, когда это выгодно:

1. Если не хватает данных для обучения алгоритмов, добавляем вторую равновесную цель. Например, классические звонок или заявка. Тогда получаем в 2 раза больше данных для кампании и наращиваем объём обращений. Да, если бы мы платили только за одно целевое действие, другие конверсии могли бы приходить бесплатно, но если кампания не обучится, то мы не получим вообще ничего.

2. Борьба с фродом. Актуально для высококонкурентных фродовых тематик вроде недвижимости. Предположим, у нас есть цель по отправке формы, на основании которой создаётся лид в СRM. Лид проходит квалификацию и в том случае, если он качественный, данные возвращаются в Директ.

Мы можем платить только за эти квалифицированные лиды, но часто их слишком мало. Можем платить за отправку форм, но оттуда много фрода. Логичный шаг — добавить обе цели в настройки кампании.

С нас деньги действительно списывают 2 раза: за первичную отправку формы, а затем — дополнительно, если лид оказался качественным. Однако, в тематиках, где один качественный лид окупает рекламу на месяц и даже год, такая переплата стоит денег.

Кроме того, обучая так кампанию, со временем можно отказаться от одного из этапов: либо станет достаточно квалифицированных лидов, чтобы платить только за них, либо система обучится приводить тех пользователей, которые оставляют качественные обращения.

3. Можно в целом высчитать всю воронку, чтобы снизить риск двойной переплаты. Например, мы знаем, что для нас рентабельно платить за цель «Покупка» 2 000 рублей, но с такими настройками кампания обучаться не хочет. Также мы знаем, что каждый десятый пользователь, добавивший товар в корзину, совершает покупку.

Что мы пробуем: запускаем Товарную по двум целям — «Покупка» за 1 000 рублей и «Добавить в корзину» за 100 рублей. В сумме мы платим всё те же 2 000 рублей, по которым кампания обучаться не хотела, но, благодаря двум целям, получаем больше шансов на получение именно того результата, какой нам нужен.

4
Ответить

Статью не читал, но заголовок хороший, цепляет

Ответить

Заголовок сложнее всего подбирать. :)

Ответить