Как мы искали новых клиентов по гипотезам: кейс «Альфа-Потока»

Рассказывает Роман Кумар Виас, основатель маркетингового агентства Qmarketing

На первом этапе мы тестировали аудитории по должностям и интересам — это не привело к результату, стоимость одной заявки была выше KPI. Это стандартная история — чем уже аудитория, тем дороже трафик в Facebook.

На первом этапе мы работали с аудиторией look-alike на основании базы контактов заёмщиков, которую клиент загрузил в кабинет. Если вы немного знакомы с рекламой в Facebook, то наверняка знаете об эффективности данного инструмента. Мы получили большое количество качественных лидов, которые укладывались в рамки нашего KPI.

Но мы понимали, что аудитория скоро себя изживет и параллельно начали работу над другими гипотезами. Сперва провели тестирование самых очевидных таргетингов для потребителей услуг бизнес-кредитования: бизнес-интересы и должности, связанные с финансами организации (бухгалтеры, коммерческие или финансовые директора), а приоритет в размещении отдавали ленте Facebook.

Результат не устроил: просмотры рекламы обошлись слишком дорого. Поэтому решили включить более дешёвые форматы: Facebook Messenger, Instagram, «Истории». Но столкнулись с тем, что показатель конверсии в заявку снизился пропорционально стоимости показов.

Чтобы решить эту задачу, мы использовали персонализированные сообщения к аудитории: людям, работающим в сфере ритейла, показывали баннеры с сообщением «Деньги на оборотку — без поручителей и бумажной волокиты», а участникам тендеров — «Деньги под крупный проект — за 15 минут с фиксированной ставкой». Это дало снижение стоимости лида, но мы всё равно не достигли желаемого результата.

Мы решили пойти от обратного — брали мужчин и женщин 25–60 лет в Facebook и начали тестировать гипотезы на микробюджетах. Когда собрали выборку данных, исключили неработающие инструменты: ленту и «Истории» в Instagram. В итоге оставили только ленту новостей Facebook и мессенджер компании.

После тестирования гипотез, которые не принесли должного результата, мы решили пойти от обратного: взяли аудиторию в возрасте 25–60 лет без определённой сферы интересов. В группе объявлений назначили оптимизацию на шаг регистрации, выставили дневной бюджет в 300 тысяч рублей и цену за конверсию 300 рублей, которую повышали на 15% каждые два дня. В результате стоимость заявки снизилась в три раза, и мы укладывались в KPI. На тот момент пиксель Facebook уже получил достаточно конверсионных событий и на широких таргетингах находил нужных нам людей.

Дальше исключили неэффективные регионы и стали тестировать различные ставки: автоматические и мануальные. Для каждой группы объявлений можно ставить цену за конверсию.

Сначала тестировали похожую аудиторию на различных этапах воронки. Выбирали людей, которые зарегистрировались, загрузили свою выписку из 1C или из банка, подали заявку, и людей, которым уже подтвердили заявку. Мы выделили закономерности и обнаружили сегменты, которые дают дешёвый шаг. Это оказались в основном мужчины.

Параллельно мы проводили тесты собственных аудиторий look-alike, которые нам удалось собрать за время работы с проектом. Мы создавали её по различным этапам воронки:

• ввод ИНН;
• регистрация;
• загрузка банковской выписки;
• оценка заёмщика;

В конечном итоге выбрали только последние два шага для создания похожей аудитории, потому что качество заявок по ним было выше.

Ретаргетинг тоже сегментировали и тестировали по различным временным промежуткам: через 3, 7, 10 и 21 дней с момента посещения страницы. Ретаргетинг делали на людей, которые начали заполнять заявку, но не завершили.

Сейчас у нас отрабатывает ретаргетинг по людям, которые начали заполнять заявку. Через семь дней мы показывали им баннер.

Те гипотезы, которые сперва кажутся очевидными, порой не работают. Нужно искать новые подходы и тестировать на аудитории.

Сначала мы протестировали различные аудитории: по интересам, должностям, а также похожие аудитории. Однако бизнес-интересы, равно как и интересы, связанные с торговлей и кредитованием, не показали достойных результатов за исключением интереса «малый бизнес».

Ядром же наших кампаний стали таргетинги на похожие аудитории и по должностям, а именно «владелец», «директор», их англоязычные аналоги и поведенческий таргетинг «владельцы малого бизнеса». При этом похожие аудитории строились как на основе сегментов клиентской базы, так и на основе конверсий на сайте.

Не секрет, что похожие аудитории относятся к наиболее эффективным инструментам таргетинга в Facebook, однако их результаты во многом зависят от качества базы, её размера и уровня сегментации. Во многих случаях в качестве базы для look-alike рекомендуется выбирать наиболее целевой сегмент базы, например клиентов с наибольшим LTV. Но не стоит забывать, что Facebook способен находить схожих пользователей не по всякому признаку — к некоторой информации у него попросту нет доступа.

В нашем случае были протестированы несколько похожих аудиторий на основе владельцев бизнеса, которым займ был выдан, и наоборот — не выдан. При этом результат нескольких итераций тестирования оказался случайным — Facebook попросту не в силах достаточно точно судить о бизнесе по косвенным признакам, скрывающимся в информации о его владельце.

Аналогичная ситуация ждала нас при тестировании клиентов «Альфа-банка» и иных банков — это настолько же неизвестный Facebook критерий сходства. В таких случаях не остается ничего, кроме создания похожих аудиторий по нескольким частям имеющейся базы и тестирования наудачу. Стоит отметить, что это создаёт известные проблемы с масштабированием.

С другой стороны, практически все look-alike показали хороший результат в рамках KPI, например, аудитория, похожая на оставивших заявку на сайте. Такой аудиторией никогда не стоит пренебрегать, особенно если на сайт приходит большой объём трафика с множества каналов.

Естественно, не обошлось и без тестирования плейсментов. Лента в Facebook, к сожалению, всегда оказывалась несколько дороже ленты в Instagram, особенно когда для последней были созданы баннеры точно под формат — квадратные. Однако мы не стали торопиться с отключением ленты в соцсети, ведь не все потенциальные клиенты пользуются Instagram. Это особенно критично для узких аудиторий — аудиторий look-a-like и ретаргетинга.

Более интересная ситуация сложилась при тестировании формата «Истории». Когда он был запущен в первые два раза, он показал отвратительные результаты — снижение CPC было скомпенсировано ещё большим снижением коэффициента конверсии. Однако мы не отчаялись и запустили тест в третий раз с новыми креативами.

И не пожалели. На данный момент «Истории» приносят «Альфа-Потоку» наибольшее количество заявок по наименьшей цене. А мораль — не стоит ставить крест на перспективном плейсменте, пока не будут протестированы все элементы рекламного материала, особенно посылы и офферы, из-за провала в конверсионности в данном случае.

До:

После:

Редкий кейс в Facebook обходится без обсуждения оптимизации, и немудрено — без неё результатов не достичь в принципе. На первых порах мы были вынуждены оптимизироваться под введенный ИНН организации, то есть шаг воронки, предшествующий лиду. Но как только появилась возможность оптимизироваться под лиды, дело пошло в гору. Лиды стали дешевле, а масштабирование — стабильнее.

А вот оптимизироваться под следующий шаг воронки, ввод банковской выписки, мы не стали. Во-первых, его стоимость слишком велика, что замедляет обучение алгоритмов Facebook, а во-вторых, между вторым и третьим шагом имеется элемент сарафанного радио.

Действительно, владелец бизнеса запросто может делегировать введение выписки своему бухгалтеру, который завершит процесс заявки. Выходит, оптимизируясь под выписку мы не всегда показываем рекламу лицам, принимающим решения. По этой же причине не отработал look-alike, собранный по базе загрузивших выписку.

В преддверии 23 февраля и 8 марта клиент предложил протестировать ситуационный маркетинг. Он был реализован в виде отдельных баннеров с посылом «закупи товар к праздникам». К сожалению, идея не сработала.

Во-первых, у нас не было возможности сегментировать аудиторию и найти в ней владельцев бизнеса розничной торговли. А во-вторых, для подобного эксперимента были совершенно не обязательны новые креативы — праздничный посыл вполне можно было поместить и на уже проверенные. Увы, специально отрисованные под праздники баннеры оказались некликабельными, а шанс был упущен.

Также был протестирован и формат лидогенерации с формой внутри Facebook. Известно, что стоимость показов такого формата выше обычного, но в некоторых случаях это компенсируется высоким коэффициентом конверсии в лид (даже без учёта нецелевых заявок).

Отлично такой формат отрабатывает в случаях, когда посадочная страница ещё не выдает должной конверсионности или когда её разработка слишком затратна, а то и вообще не нужна — иногда информации в форме лидогенерации более чем достаточно для принятия решения. В случае же с «Альфа-Потоком» формат оказался слишком дорогим: стоимость показа владельцам бизнеса и без наценки лидогенерации немаленькая.

Конечно на геотаргетинг и таргетинг по полу мы тоже обратили внимание. Во втором случае до тестирования даже не дошло — отчётность в разбивке показала, что стоимость привлечения для мужчин и женщин примерно равна, что для такого продукта совершенно не очевидно.

А вот тестированием гео мы не пренебрегали. Выяснилось, что стоимость показа в Москве и городах миллионниках выше, но и конверсионность тоже. Стоимость лида в разных регионах оказалась сопоставимой, и мы завершили тестирование, начав показывать рекламу на них всех в рамках одних групп объявлений.

Что закономерно, это позволило алгоритмам Facebook найти наиболее конверсионные сегменты внутри аудиторий каждого из регионов, и совокупная стоимость лида снизилась.

Это стало возможным исключительно благодаря постоянному и структурированному тестированию настроек, форматов, аудиторий и рекламных материалов. Таким образом, мы вновь убедились и, я надеюсь, убедили читателя: