Кейс: как за полгода повысить эффективность контекстной рекламы

За шесть месяцев работы с интернет-магазинов мебели команде удалось увеличить оборот проекта на 10%. При этом расходы на рекламу снизились на 15%. Максим Рыжов рассказывает о том, как это удалось сделать. 

 

Шаг 1. Что такое хорошо и что такое плохо 

В первую очередь необходимо погрузиться в историю работы клиента с контекстом, поэтому мы проанализировали внутреннюю статистику сайта. С помощью Google Analytics, «Яндекс.Метрики» и систем контекстной рекламы («Яндекс.Директ» и Google Adwords) мы изучили данные по кликам, их стоимости, конверсиям в заявки, подтвержденные заказы и качество технической проработки рекламных кампаний. В этот раз с клиентом повезло: штатный отдел маркетинга провел отличную работу - настроил аналитику онлайн-конверсий, создал корректные структуры рекламных кампаний, которые охватывали практически все товарные категории. Наряду с этим нашли несколько недостатков: никто не следил за офлайн-конверсиями, а ставки управлялись вручную. Без внимания остались часть конкурентов и моделей мебели - они не были охвачены в объявлениях. Стоимость размещений в контекстно-медийной сети Google была высокой, а часть дорогостоящих запросов, к примеру, «купить диван», «диван недорого», приносили низкие результаты. Кроме того, низкочастотные запросы были плохо проработаны практически по всем категориям товаров. Так, по части диванов была отработана фраза «купить диван», но не охвачены запросы по территориальному и ценовому признаку.   

 

 

Для того, чтобы не повторять чужих ошибок, было решено заново собрать рекламные кампании. Прежде всего, товары были разделены на группы, к примеру, ключевые фразы по запросу «диван» распределили по следующим категориям: 

=> коммерческие запросы - «купить диван в Москве»; 

=> товары, продающиеся у конкурентов - «диван в [название сайта конкурента]»; 

=> модели - «диван Атланта»; 

=> цвет - «диван зеленый»; 

=> материал - «кожаный диван»; 

=> форма - «диван угловой»; 

=> механизмы - «диван-книга». 

После этого мы подобрали семантическое ядро запросов с помощью «Яндекс Wordstat», вручную подготовили заголовки и тексты объявлений. В файле шаблона для загрузки в «Яндекс.Директ» указали целевые страницы, на которые должна вести реклама, добавили дополнительные ссылки и визитки (адрес, телефон) и запустили контекст.   

 

 

Шаг 3. Автоматы к бою 

Для быстрой и грамотной работы со ставками мы подключили автоматизированный сервис Origami, создав правило понижения ставок при повышении показателя ДРР (доля рекламных расходов) и наоборот. A/B-тестирование кампаний с подключением и без подключения сервиса показало, что он помогает снизить ДРР на 10-15%. Перенастройка сервиса на все кампании в течение месяца увеличила оборот интернет-магазина на 4% и снизила ДРР на 11%.   

 

Шаг 4. Новые горизонты 

Параллельно с этим решили добавить новые инструменты продвижения: DSA (динамические поисковые объявления) – настроили контекст под поискового робота, который сканировал сайт и автоматически создавал рекламу в соответствии с запросами пользователей. Это принесло увеличение оборота на 3%. В Google Merchant Center запустили поисковую рекламу в дополнительном блоке справа от выдачи. Инструмент позволил увеличить оборот еще на 5%. Реклама в контекстной-медийной сети Google по перекрестной логике таргетировали рекламу одновременно по нескольким показателям: площадкам, интересам пользователей, ключевым словам, ремаркетингу. В итоге более чем в 4 раза были снижены расходы на объявления в контекстно-медийной сети Google и ДРР. 

 

 

Шаг 5. Разделяй и властвуй 

Для отслеживания офлайн-конверсий с учетом розничных точек мы установили коллтрекинг и узнали с точностью до 90% объявления и запросы, которые приводят клиентов в шоу-румы. Таким образом, мы избавились от неэффективных запросов (дорогостоящих с минимальной конверсией) и снизили ставки по средне эффективным фразам (дорогие и конверсионные). Перераспределили бюджет в пользу эффективных ключевиков, приносящих заказы по низкой стоимости, например, «диван Атланта». Учитывая полученные данные, настроили автоматическое управление ставками с помощью Origami. В результате ДРР снизился на 5%, а продажи увеличились на 9%.  

Результат: за полгода мы снизили ДРР на 15%, увеличив при этом оборот на 10%.