Как бренду повысить продажи в e-commerce. Кейс DV Group и Röndell

Последние 1,5 года стали стрессовыми для многих сфер деятельности: нестабильный курс доллара, перебои в поставках, колебания потребительского спроса, смена конъюнктуры рынка, все эти факторы напрямую влияют на объемы продаж и динамику развития любой компании. И даже наладив заново бизнес-процессы и адаптировавшись под новые правила рынка, компания может столкнуться с проблемой – возврат потерянной доли внутри онлайн-магазина или маркетплейса при условии ограниченного маркетингового бюджета. В этом случае важно не упустить момент и начать использовать маркетинговые технологии, основанные на анализе данных. Они позволяют рассчитывать отдачу от маркетинговых инвестиций и оптимизировать закупку трафика. В статье расскажем, как нам в DV Group удалось увеличить продажи бренда техники для кухни Röndell на маркетплейсах.

Перед нами стояла задача – повысить продажи бренда Röndell на OZON, Wildberries и Яндекс Маркет. Помимо использования внутреннего инвентаря маркетплейсов, вместе с клиентом мы решили активно использовать внешний трафик. При этом основным требованием для работы была возможность использовать знание о покупателях категории и их паттернов поведения в сети, а так же прозрачная аналитика с возможностью расчета ROAS. Сложность заключалась в том, что на рекламном онлайн-рынке существует три важных ограничения:

1. Нет универсального инструмента для прозрачного анализа воронки продаж

Большинство рекламодателей, инвестируя миллионы в рекламные кампании, не могут корректно оценить окупаемость таких вложений.

В зависимости от маркетплейса, данные продаж по привлеченному трафику могут предоставляться, а могут и нет. А в тех маркетплейсах, где в кабинете вендора представлена такая возможность, доступная модель атрибуции может не соответствовать изначальным запросам бренда. Если контекст по ней отследить достаточно просто, то статистика по медийным форматам имеет большие потери, это замечают более 80% брендов, с которыми мы работаем. Это означает, что от закупки внешнего трафика в интернете до его конверсии в продажи товара в стороннем интернет-магазине или маркетплейсе образуется искажение статистики по конверсионным событиям.

2. Нельзя передавать данные о пользователях без согласия самих пользователей

Согласно Закону о защите персональных данных, владельцы данных не имеют права передавать третьим лицам информацию о пользователях без их прямого согласия.

3. Маркетплейсы не предоставляют необходимые данные о пользователях

Внешние отчеты, которые сейчас доступны (за исключением парсинга Wildberries), имеют ряд ограничений и низкую ценность для решения трейд-маркетинговых задач. Аналитика продаж по доступной емкости покупателей в категории, портрет пользователя, листинг популярных товаров, конкурентный анализ брендов остаются внутри маркетплейсов.

Дополнительная трудность в том, что владельцы данных о покупателях своей сети, маркетплейса или пользователях банка не делятся напрямую RAW DATA («сырые» данные о транзакционных событиях пользователя без предварительной обработки и классификации) с внешними партнерами. Они самостоятельно монетизируют их в маркетинговых целях внутри своего IT-контура.

Мы в DV GROUP научились решать эти три проблемы на каждом этапе работы с данными, и сформировали свою стратегию при работе с онлайн-покупателями.

Для решения основных задач по сбору релевантных сегментов, формированию корректного Sales Lift по рекламной кампании и оценки общего объема продаж бренда и его динамики относительно конкурента изначально нужны данные, а также IT-решение, позволяющее их обработать.

На сегодняшний день события или транзакции пользователей, полезные для онлайн-маркетинга, собираются в шести источниках:

Все перечисленные источники являются владельцами собственных данных, поэтому закупка данных у них не нарушает ФЗ о защите персональных данных. При этом у каждого свой подход по обмену данными со сторонними партнерами, начиная с мониторинга событий по брендам, заканчивая передачей сырых данных для самостоятельной обработки партнером.

Использование агрегированных данных от провайдеров не предполагает получения согласия от каждого магазина, куда был переход или где была совершена транзакция. Согласие могло бы понадобиться только в случае, если провайдер формировал сегмент посетителей или покупателей конкретного магазина, например, OZON или Wildberries.

Следующим шагом является обработка данных, которую мы делаем с помощью CDP , основной задачей которой является применение категоризации товаров, определение на основе вероятностных моделей склонность к покупке в определенном магазине, формирование аудитории для таргета в рекламной сети, построение прогноза выручки и расчет отдачи от маркетинговых инвестиций от проведенных рекламным кампаниям.

В этом и состоит основной секрет работы с данными: данные купить несложно, их давно и достаточно активно продают провайдеры. Самая дорогостоящая и сложная часть состоит в обработке.

При этом наша методология работы с данными провайдеров совершенно легитимна, т.к. строится на методологии дообогащения событиями – проксирование или мониторинг. Владельцам данных мы отправляем запросы о событии пользователя (например, использование приложения, клик на рекламу или покупка товара) и получаем ответы формата «да» и в этом случае принимаем содержание логов или «нет», что равно нулевому значению. Таким образом мы обогащаем нашу CDP-аудиторию событиями, обеспечивая безопасность соблюдения ФЗ 152 о персональных данных.

Прежде чем запустить рекламную кампанию, мы в провели анализ текущих продаж бренда на заданных маркетплейсах, динамики доли в категории и оценили потенциал роста с учетом ценовой политики и планируемых маркетинговых активностей компании. Мы посчитали плановый минимальный ROAS в размере 4,73 на выделенный бюджет на поддержание продаж бренда.

Чтобы выполнить план мы проанализировали текущие покупатели, оценили их потребительскую корзину, паттерны поведения и предложили следующую стратегию:

2. Сформулировать стратегии:

3. Подготовить рекламные креативы с четким оффером

4. Запланировать предельную стоимость закупки трафика в РСЯ и VK, исходя из ценности привлеченного покупателя.

Результаты:

Средний ROAS составил 6,9. При этом, максимальный результат показала аудитория категории «Соковыжималки» ROAS=8,96. Масштабировать такой сегмент сложно:

Пользователи, перешедшие по нашей рекламной кампании, совершали кросскатегорийные покупки, поэтому высокий ROAS в одной категории являлся следствием покупки в одной или нескольких товарных категориях бренда Röndell – это и известная российским потребителям посуда, и мелкая бытовая техника. Таким образом, новые покупатели в одной из категорий в дальнейшем становятся лояльными покупателями всего бренда.

Подытоживая всё вышесказанное, мы можем формировать сегменты с высокой вероятностью покупки в конкретном маркетплейсе, категории бренда и отслеживать покупки, совершенные при клике по нашей рекламной кампании, благодаря сочетанию данных от телекома и онлайн-чеках, что и позволяет рассчитать корректный SL, ROAS и любые другие метрики оценки эффективности привлеченного трафика. А также оценить, где это возможно, общий тренд продаж бренда и долю каннибализации органики.

Чтобы расти на маркетплейсах и не тратить рекламные бюджеты напрасно, нужно анализировать данные и иметь доступ к прозрачной аналитике, тем более сейчас это как никогда возможно.

В нашем тг-канале рассказываем подробнее об инструментарии и собственном опыте: https://t.me/DV_performance