Клиент уперся в потолок по количеству заявок. Нам было необходимо увеличить количество лидов с 80 до 120 штук в день. Чтобы достичь озвученных результатов у нас был всего месяц.
Всем привет! Сегодня расскажу про старт работы с одним из крупнейших застройщиков Юга России.
Клиент: застройщик жилья комфорт- и бизнесс-класса на Юге России.
Бюджет на контекстную рекламу: до 14 000 000 руб. в первый месяц
Задача: увеличить количество валовых заявок на 50% в первый месяц сотрудничества с сохранением цены за лид
Стартовая позиция: 80-85 лидов в день при CPL 3200-3500 руб.
Подготовительный этап
При первичном аудите рекламных кампаний мы были удивлены, насколько разрозненную систему аналитики использовал предыдущий подрядчик. Метрика, Calltouch, Marquiz, AmoCRM, Smartis не работали вместе на достижение результата. Между сервисами не было организовано должной интеграции, из-за чего приходилось тратить уйму времени, чтоб установить, откуда идут целевые заявки. В каждом конкретном случае нужно было проводить целое расследование. Учитывая объемы клиента, такой подход не выглядел перспективным.
Мы начали аккуратно. Первое, что было сделано – на стратегической сессии с клиентом мы подчеркнули все минусы текущей аналитики. Значительное время ушло просто на то, чтобы собрать все участвующие в рекламе сайты и квизы, соотнести с ними счетчики Метрики и каталогизировать все это в одном файле.
Когда все это было собрано, мы приступили к более глубокому чек-апу: проверили на актуальность все посадки, протестировали настроенные цели. Как выяснилось, львиная доля заявок вообще не попадали в Метрику
Пока одна часть команды занималась интеграцией и настройкой целей, другая начала работу непосредственно над кампаниями. Мы полностью изменили логику использования UTM-меток в соответствии с двумя правилами:
1) Стандартизируй
2) Добавлять только то, что будешь использовать
Руководствуясь этим, мы переписали названия всех рекламных кампаний на всех аккаунтах подрядчика. Придумали и согласовали для них единый информативный метод нейминга, в котором учитывали тип площадки, гео, кластер семантики, продвигаемый ЖК и конкретную посадочную страницу.
В UTM-метках остались только самые важные динамические параметры, которые наша команда собиралась использовать для оптимизации.
Разобравшись с аналитикой и убедившись, что все данные во все системы тянутся корректно, мы приступили к самому интересному - оптимизации.
Оптимизация кампаний
Учитывая дневной расход на рекламные кампании, нам удалось достаточно быстро собрать необходимую для первичной оптимизации статистику. Плюс ко всему, через боль и слезы удалось обработать прошлые данные по конверсиям. Несмотря на имеющуюся погрешность, они также использовались для анализа. На основании обобщенных данных была составлена дорожная карта для достижения желаемых результатов.
Первым делом мы постарались масштабировать кампании с обучившимися автоматическими стратегиями. По нашему опыту, риск сломать алгоритмы уже обучившейся кампании расширением недельного бюджета сравнительно невысок, тем более в сравнении с плюсами, которые такой подход мог принести.
Во вторую очередь под оптимизацию попали кампании на ручном управлении. Минус-фразы, запрещенные площадки, отключение неэффективных ключевых фраз - стандартный набор работ по контексту с поправкой на большие объемы и сжатые сроки.
Дополнительно расширили бюджеты и скорректировали ставки по большинству оставшихся в работе ключевых фраз – все для того, чтобы в оставшиеся недели дать максимум конверсионного трафика.
Достаточно скоро настал момент, когда расширять хорошо работающие РК стало невозможно. Чтобы пробить этот стеклянный потолок, мы стали усиливать сегменты аудитории, которые по той или иной причине недополучали трафик, а значит, могли стать источником новых лидов. Например, если в общей кампании на РФ мы находили регионы с минимальным количеством показов или вовсе без них, то вычленяли данные гео, объединяли в новую РК и запускали отдельно. В течение 3 дней обычно было понятно, насколько конверсионный трафик можно получать с ранее неохваченных сегментов.
Результат
Благодаря такому подходу ближе к финальной неделе теста мы вышли на заданный KPI. Кроме того, за время работы показали клиенту важность рабочей аналитики и точечных изменений.
Напомним, на старте работ средний показатель по дневному количеству заявок был на уровне 80-85 штук по средней стоимости около 3 300 руб. В конце тестового месяца в среднем за день мы приводили уже порядка 132 заявок по средней стоимости около 3 137,86 руб. Прирост по количеству лидов составил порядка 60% при снижении стоимости валового лида почти на 6% от изначальной.
#реклама #директ #яндексдирект #performance #performance_marketing #недвижимость
Наши бесплатные продукты:
Ну, все правильно, стандартно. А я-то ждал секретного секрета, чтобы бах, и лиды за копейки посыпались.
Такое, к сожалению, только в бета-тесте автостратегий было пару лет назад)