Руководство по контекстной рекламе на примере реального кейса

Контекстная реклама на реальном кейсе

Дано: интернет-магазин запчастей для айфонов и макбуков youroptibay.ru, в котором 1500 страниц.

Цель статьи? Рассказать заказчикам о внутренней кухне. Поделиться опытом с коллегами. Найти клиентов.

Хронология событий

1. Вникаем в рынок
2. Устанавливаем аналитику
3. Запускаем первую рекламную кампанию
4. Анализируем
5. Масштабируем

Изучаем рынок

Смотрим выдачу рекламных объявлений, делаем выводы:

• Конкуренты ленятся глубоко прорабатывать семантическое ядро и не используют низкочастотные ключевые слова, такие как «аккумулятор macbook pro 13». — Можно заработать на их халатности.На скрине присутствуют наши объявления, так как он делался уже после запуска рекламной кампании.
• Нас вытесняют сервисные центры, так как они готовы платить за клиента больше чем, мы. — Нужно отминусовать слова «замена», «ремонт» и т.д., чтобы не пересекаться с ними.
• Селлеры айфонов «сливают» бюджет на запросы, которые им не релевантны. — Судя по скрину, нам еще и целесообразно с ними конкурировать, так как они занижают ставки из за низкой окупаемости - не удивительно.

Частично сравниваем цены с конкурентами. Бывает, что заказчик не способен конкурировать - мы ему так и говорим. В данном кейсе наши цены были выше среднего, но уровень сервиса восполнял этот пробел.

В нашей практике были интернет-магазины, которые автоматически проверяли цены своих конкурентов и в зависимости от них понижали/повышали свои.

Почитав отзывы на Яндекс Маркете и otzovik.com, это кладис информации, мы поняли, что многие из нашей целевой аудитории боятся заказать не ту деталь или боятся самостоятельно заменить ее — мы сделали на этом акцент в объявлениях «Поможем подобрать» и «Инструкция по замене».

Также рекомендуем посмотреть сайты конкурентов с помощью similarweb.com, чтобы понять, откуда они берут трафик и какая у них аудитория. Будет не лишним изучить и свои данные об аудитории в Google Analytics: посмотрите конверсию в разрезе устройств, возраста, пола, интересов, в разрезе времени и географии, чтобы корректировать ставки соответственно.

Устанавливаем аналитику

Стандартный комплект:

Google Analytics

Не будем повторяться, вот дельная статья по базовой настройке.

Метрика

Метрика нужна, чтобы смотреть вебвизор, установить сегменты для ретаргетинга и электронную торговлю. Учтите, электронную торговлю в Метрике и Google Analytics нужно ставить первым делом, это сложно, вам понадобится помощь программистов, но это одна из лучших инвестиций в аналитику.

Google Tag Manager

Пример хорошего тона, GTM помогает устанавливать коды счетчиков на сайт, чтобы не нагружать его, устанавливать цели, забирать данные без вмешательства в код сайта, также GTM необходим для установки ретаргетинга во Вконтаке и Facebook.

K50 Статистика

В отличии от Google Analitycs, K50 позволяет сразу в интерфейсе отключать/включать объявления и корректировать ставки, но со ростом GA, сервис K50 теряет актуальность, сейчас мы стараемся все данные выгружать в Analytics и далее работать в нем.

Вопросы, на которые отвечает аналитика:

Реклама окупается?

Если контекстная реклама в среднем приносит вам клиента за 500 рублей вместе со всеми затратами на его последующее удержание (CAC), а прибыль которую он вам принесет за всю свою жизнь составит 400 рублей (LTV), то такой канал можно считать невыгодным ( LTV < CAC )

Реклама дает рост постоянных клиентов?

Например, в месяц мы привлекаем на сайт 100 новых посетителей, 1 из 100 в течении 6 месяцев купит у нас товаров на сумму 100 тыс.р. Итого 100 посетителей, 1 из них принесет нам 100 тыс.р., в течении 6-ти месяцев. Следовательно, наш коэффициент удержания 1% ( 1 покупатель / 100 посетителей ). При таких показателях 1000 посетителей в год принесут нам 1 млн р., но после отключения рекламы, уже через 6 месяцев у нас не останется ни одного клиента. Следовательно, мы делаем оборот, но не растем, а рост будет, если посетители остаются с вами на более долгий период (зеленая кривая). То есть, если у вас плохой показатель удержания, то любая маркетинговая активность сходит на нет.

Как все это посчитать на практике?

К сожалению, все на 100% посчитать невозможно, это факт, так как часть заказов идет через звонки, сарафан, повторные продажи и сложные многоканальные последовательности, особенно в сфере услуг. Поэтому для каждого кейса актуальны свои показатели, которые наиболее приближены к прибыли: лиды, выручка, сама прибыль, посещения страницы контактов. Руководствуйтесь здравым смыслом.

Есть много способов посчитать LTV и CAC, начиная с блокнота и заканчивая инструментами BigData. Не пытайтесь сразу строить сложные отчеты, внедрять расширенную электронную торговлю, USER-ID, внедряйте аналитику небольшими итерациями и замеряйте экономическую пользу от каждой. Cпециалисты цепляются за сложные задачи, потому что цепляться за простые задачи неинтересно.

Запускаем первую рекламную кампанию

Есть 2 основных подхода:

1. От предложения. Генерировать объявления из YML, основные инструменты для этого: K50 генератор или Ракета от Wikimart.
2. От спроса. Собирать ключевые слова и подбирать для них ссылки с помощью KeyKollector (~30% не релевантных ссылок) или JustMagic (~10% не релевантных ссылок, но дорогой)

На деле используется комбинированный подход. У нас не было YML, поэтому нам пришлось делать все в полуручном режиме в Excel:

1. Методом перемножения сгенерировали 20 тысяч ключевых слов (пример ниже)
2. Собрали частотности в сервисе topvisor.ru (рекомендую!) для каждого ключевого слова и удалили слова с частотности 0
3. Для оставшегося массива добрали ключевые слова до частотности 50 (стандарт в ecommerce)
4. Дополнили массив ключевыми словами из Метрики, GA, Similarweb.com и Just Magic
5. Ссылки подбирали вручную от основных категорий к частным, лучше, нечего не придумали.

Структруировать рекламную кампанию решили по категориям, так как каждая категория товаров, например, аккумуляторы, имеет свою маржинальность и спрос. Так будет удобно смотреть статистику, выключать/включать.

Стандарт UTM-метки:

?utm_medium=cpc&utm_source=yandex&utm_campaign=%Nazvanie_campanii%|{campaign_id}&utm_term={keyword}&utm_content={retargeting_id}|cid|{campaign_id}|gid|{gbid}|aid|{ad_id}|adp|{addphrases}|pos|{position_type}{position}|src|{source_type}_{source}|dvc|{device_type}

Ретаргетинг

Обычно, настраивается на старте, чтобы сразу собирать аудиторию. На данный момент самыми популярными площадками являются Google c динамическими товарными объявлениями, когда вы показываете посетителю товар, в карточке товара которого он находился, Вконтакте, Facebook, Яндекс Директ и Target.Mail, последний тоже с динамическими показами. Хорошая статья на эту тему от Петра Аброськина, но без использования динамических товарных объявлений.

Анализируем

Когда вы только запускаете кампанию, то первым делом смотрите веб-визор, чтобы вкратце понять, по каким запросам переходят пользователи, и как они себя ведут, так как еще недостаточно других статистически значимых данных.

Когда набралось уже несколько тысяч кликов, то анализируем CTR, отказы, глубину, конверсии и прибыль.

Учтите, что Google Analytics по всех отчетах показывает прибыль по атрибуции «Последний непрямой клик», что значит, если посетитель перешел на ваш сайт с контекстной рекламы, а потом через 4 дня зашел на него из социальной сети и купил, то такая конверсия присвоена контекстной рекламе не будет. Однако, в екомерс используется именно этот тип атрибуции, так как он наиболее точно отражает эффективностть контекстной рекламы.

В нашем случае пользователь переживает достаточно длинный путь до конверсии и 40% дохода приходится на следующие дни после посещения. Следовательно, для информации нам стоит посмотреть отчет по ассоциированным конверсиям, пример:

Идем далее, чтобы посмотреть показатели в разрезе кампаний или фраз, используем K50 Статистику (Атрибуция по последнему непрямому клику)

В К50 Статистика можно фильтровать сегменты ключевых слов, например, все ключевые слова, у которых показов более 100 и CTR менее 4, а затем корректировать их или отключить. А сервис К50 Правила позволяет установить автоматические правила, например, отключать все объявлении, у которых ROI менее 1 — удобно, но нужен опыт для настройки.

Интерпретируем цифры

Мы выгрузили все цифры с помощью Microsoft Pivot по API Analytics.

Если кампания показывает отрицательную прибыль, то отключаем в ней все ключевые слова, кроме тех, которые показывают положительный результат. А если результат кампании положительный, то пытаемся максимизировать прибыль.

В К50 Статистика мы должны проанализировать основные ключевые слова и кампании на показатели ДДР (расход на рекламу/прибыль с рекламы) и «Доля показов в спецразмещении». То есть мы смотрим, сколько зарабатываем с каждого ключевого слова, и смотрим, cможем ли мы увеличить охват.

Например, если ДДР 90%, то 90% прибыли мы тратим на рекламу (ДДР, это отношение расходов к прибыли), следовательно нужно снизить стоимость клиента, понизив ставку. И наоборот, если ДДР менее 40%, а для показов в спецразмещении меньше 30%, то можно уверенно повысить ставку на 20%. С точки зрения матиматики мы делаем это на глаз, так и есть, но на мылых рекламных бюджетах это допустимо.

Если у вас больше 200 конверсий в месяц, то нужно подключать оптимизатор конверсии, который будет делать прогнозы по более продвинутым математическим алгоритмам, но у большинства нет так много конверсий или они сосредоточены на маленьком количестве ключевых слов.

Масштабируем

Теперь у нас есть реальный опыт о том, какие категории товаров/услуги хорошо продаются - начинаем их масштабировать:

• Увеличиваем семантическое ядро в ширину и глубину
• Перенос на Google
• Тестируем DSA Google
• Ремаркетинг
• РСЯ/КМС

Как организовать работу?

Мы работаем со средними и большими проектами, поэтому в первую очередь выполняем задачи, которые наименее затраты и точно принесут заказчику прибыль. Сами задачи выполняем мелкими итерациями, что бы сразу оценить результат. Используем asana.com. Оплату берем фикс + % от продаж или достижение KPI. Условно говоря, мы считаем, сколько стоит наше время и делим сумму на фикс и бонус.

Ставьте плюсы, если статья была полезна! Буду рад услышать, какие вопросы вам показались интересными, чтобы раскрыть их в следующих статьях.

Оригинал: http://1jam.ru/blog