Кейс: как гиперлокальный таргетинг принес продажи в локдаун и почему полигоны — это круто

Всем привет!

Помните, какое событие несколько лет назад серьезно встряхнуло все бизнесы, а особенно малые? Конечно, COVID-19.

В этой заметке я расскажу, как в условиях экстремально низкого спроса и всеобщего COVID-безумия я сумел привлечь заявки и клиентов для нашего небольшого производства. Здесь было все: парсинг, много Excel, работа с API, динамические лендинги и непоколебимое желание выжить.

Немного про ЦА

Начну с того, что шкафы в паркинг в большинстве случаев заказывают владельцы машиномест. Если уж совсем коротко, то целевая аудитория — это жильцы жилых комплексов c паркингами.

Во время карантина весной 2020 года прямой спрос сильно упал, конкуренция за клиента выросла, и цена за лида из рекламы улетела в космос. Мы это ощутили на себе, и я даже временно остановил закупку рекламы.

На тот момент я уже много что протестировал в Яндекс. Директе, в списке гипотез был гиперлокальный таргетинг. Это когда мы целимся на жителей района, микрорайона или даже дома с предложением.

Я решил взять в работу этот подход. Для этого мне требовалось собрать аудитории для моей задачи — это жильцы жилых комплексов, которые подходят по параметрам.

Расскажу, что делал, и что из этого получилось. Кому не интересен дальнейший рассказ и технические детали:

Также не забывайте подписывать на мой канал в Telegram. Спасибо.

Первым делом я собрал перечень жилых комплексов в Москве и в Московской области. Источниками выступили Яндекс. Недвижимость и Циан.

На тот момент я не был знаком с Python, поэтому я использовал PowerQuery и Excel в качестве инструмента для получения данных.

В недавней публикации по инструментам парсинга я упоминал, что связка PQ и Excel — это экзотика, но на тот момент я активно ей пользовался. Я с улыбкой вспоминаю это время, сейчас, конечно же, инструмент был бы другим.

За пару дней я собрал таблицу ЖК с параметрами. Приведу ключевые, что удалось достать: наличие подземного или открытого паркинга, количество парковочных мест, стадия готовности, класс недвижимости.

Меня интересовали сданные либо близкие к сдаче жилые комплексы с открытым либо подземным паркингом. Двигаюсь дальше.

Нам подойдут сегменты в Яндекс. Аудиториях по геолокации, они бывают двух видов:

Приведу пример:

Минимально допустимый радиус 500 метров захватывает нецелевые дома, снижая качество аудитории. Нужный ЖК в центре круга у метро.

Тот же самый ЖК с помощью полигонов (делал вручную для статьи, не судите строго =)

Решено было использовать полигоны. Нужно было всего-навсего собрать все полигоны всех домов всех ЖК.

Я сделал конфиг для A-parser, с помощью которого я собрал координаты очертаний каждого дома.

Вот пример полигона одного дома секретного ЖК:

Далее я залил все полигоны Яндекс. Аудитории. Использовал API и Postman. Медитативно и ручками (говорила мама: “учи Python”).

На выходе у меня получилось более 1000 аудиторий с жильцами жилых комплексов. В названия сегментов я дополнительно добавил класс ЖК для удобной сегментации внутри рекламного кабинета.

По каждому ЖК у меня было количество пользователей и возможность залипнуть в репорты:

В элитном сегменте недвижимости картинка несколько другая. Это тема отдельного материала.: )

Идем дальше. После этого я создал в Директе соответствующие условия нацеливания. Ручками, но теперь это делаю через API.

За пару часов я сделал посадочную страницу, которая оптимизировалась под каждое объявление. Опишу механику на примере одного сегмента:

Аудитория жилого комплекса Лучи видит объявление:

«Машиноместо в ЖК ЛУЧИ? Используйте его на 100% с нашими шкафами в паркинг»

«Машиноместо в ЖК ЛУЧИ? Удобное хранение вещей в шкафах на парковке»

Здесь владелец машиноместа идентифицирует себя и видит персонализированное сообщение.

Заинтересовавшийся пользователь кликает на эту рекламу, попадает на страницу, где его встречает оптимизированная под его ЖК страница.

Далее я сгенерировал несколько тысяч рекламных объявлений, по 2-3 под каждый ЖК. Они отличались лишь текстом и параметром в целевом URL, который влиял на текстовку на странице.

Отмечу, что реклама крутилась без каких-либо настроек по таргетингу, кроме аудиторий. Можно персонализировать страницу как угодно, мне хватило лишь заголовка.

Эта рекламная кампания работала полгода вообще без изменений, она стабильно давала лиды и сразу себя окупила. Как я говорил в начале, ROI составил 156%.

Cейчас я многое поменял, но такой подход не потерял актуальность.

Считаю метод интересным для тех, у кого большая конкуренция и нет проблем с ярко выраженной привязкой к гео. Такую методику можно использовать на коттеджные поселки и так далее.

Такой подход может формировать спрос. Мы как бы закладываем знание о существовании продукта, но не через медийку, как это обычно бывает, а через перформанс-канал. Я это понял, когда анализировал заявки и слушал звонки.

К нам приходили люди, у которых было машиноместо, но которые не подозревали, что есть такой продукт на рынке, что так вообще можно.

До перехода на наш сайт они даже не задумывались о покупке, у них не было четкой потребности в том, чтобы купить шкаф здесь и сейчас. Было лишь любопытство, вызванное триггером в объявлении.

Но мы все равно многих доводили до покупки, через полгода, год. Использовал ретаргетинг + периодические контакты через менеджеров.

Этот кейс не теряет актуальности, этот подход можно использовать в b2c, b2b.

Работайте с аудиториями, таргетируйтесь с умом, используйте персонализированный подход как в заголовках, так и на посадочных страницах и улучшайте результат.

В своей карьере я множество раз встречал случаи, когда одна и та же аудитория, созданная по-разному, дает противоположные результаты. Экспериментируйте, не ленитесь =)