Глубинная аналитика и использование алгоритмов «Директа» в b2b-тематике

Автоматические алгоритмы Директа отлично показывают себя в условиях больших данных — много трафика, высокий спрос, широкая аудитория и т.д. В узких B2B-нишах мы предпочитаем настраивать точные таргетинги вручную. Не палить же из пушки по воробьям.

Но, оказалось, не все так однозначно. Расскажу, как эксперименты с рекламой подшипников помогли снизить стоимость лида в 4 раза именно благодаря автостратегиям.

К нам в МАКО обратился PodTrade — интернет-магазин подшипников для сельскохозяйственных механизмов, автомобилей и т.д.

Владелец магазина не знал:

• Сколько заказов приходят с платного трафика?
• Сколько стоит каждый заказ?
• Выгодна ли контекстная реклама в принципе?
• Можно ли увеличить поток лидов (обращений или заказов) с рекламы?

Пришел к нам и поставил задачу — дать как можно больше лидов в рамках бюджета.

В работе с проектом мы:

1. Заморочились и собрали большое семантическое ядро с тысячами товарных НЧ-ключей и написали для каждого точное объявление… но не получили результата
2. Запустили динамическую товарную кампанию на основе фида с ручным управлением ставками — и повысили эффективность втрое
3. Перевели динамическую кампанию на автостратегии — автоматическое управление ставками — и получили еще 50% прироста
4. Получили жесткий обвал эффективности авто-РК, но быстро нашли причину — виноват человеческий фактор
5. Снизили стоимость лида в небрендовом сегменте рекламы с 3 800 р. до 980 р. и увеличили их количество

Нужно точно знать, какое объявление, по какому запросу, в какой рекламной системе принесло заказы, чтобы посчитать сколько стоило их привлечение. Тогда можно сравнить разные рекламные кампании, понять , что приносит результат, а где сливается бюджет. Мы не беремся за размещение рекламы, пока не настроим подсчет всех метрик.

• Настроили основные цели в Я.Метрике. Положил ли клиент товар в корзину, перешел на страницу оформления заказа, оформил его, нажал «купить в один клик». А также попросили подрядчика подключить возможность оплатить заказ онлайн.
• Подключили Сalltracking. Это система, которая позволяет отслеживать, с какого источника клиент перешел на сайт перед тем, как позвонить в отдел продаж. Благодаря ей мы учитываем в аналитике заказы, оформленные по телефону

«Крафтовая» досконально проработанная вручную реклама многие годы работала эффективней автомата, которым пользовались только ленивые. Такая установка «старой школы» надолго засела в головах опытных директологов. Как может быть иначе, если мы собственноручно контролируем каждую деталь?!

Чтобы созданное вручную объявление как можно точнее подходило запросу пользователя, мы разделили кампании на сегменты:

1. Отделили Москву от регионов — в столице гораздо больше рекламодателей, поэтому цена клика выше. В регионах можно сэкономить, так как ниже ставки.
2. Разбили регион по типу устройства: десктоп или смартфон. Это потребители с разным поведением, поэтому для каждого свои объявления и стратегии.

Запустили на каждый сегмент 3 кампании:

• брендовые запросы (указано название интернет-магазина).
• товарные запросы (ищут конкретный подшипник).
• общие запросы (ищут подшипники в целом).

У предыдущего подрядчика рекламные кампании были не сегментированы, поэтому даже если бы они знали источник каждого заказа, то оптимизировать рекламу было бы невозможно. Это как лечить больного со средней по больнице температурой.

Есть два способа настроить товарные рекламные кампании:

1. С помощью «фида» — файла с информацией о всех товарах компании на сайте, который формируется автоматически;
2. Вручную подбирать ключевые слова под каждый товар.

У клиента не был настроен фид, его начали готовить по нашей просьбе, но это заняло бы несколько недель, а останавливать продажи не хотелось. Поэтому мы решили добавить кампанию с «товарными запросами» вручную. Использовали сочетания бренда и конкретной модели: «подшипник 6203 nsk», «6900zz nsk подшипник купить» и т.д.

Кроме этого мы:

• Изменили структуру аккаунта в Директе по принципу каталога на сайте: отдельная кампания с запросами «шариковые подшипники», отдельная с запросами «импортные подшипники» и т.д.
• Проработали семантику — убрали из ключевых слов лишние запросы, добавили больше среднечастотных (от 500 до 2000 запросов/мес) и низкочастотных запросов (до 500 запросов/мес).
• Добавили к ключам в точном соответствии запросы и в широком — без кавычек, чтобы учитывались любые словоформы.
• Добавили к каждому объявлению соответствующие посадочные страницы.
• Настроили кампании на ручное управление ставками.

В первую очередь мы надеялись на результат от кампаний с «товарными запросами». Клиент уже знает, какой подшипник ему нужен и хочет его купить. Конверсия таких запросов обычно высокая.

Мы уже потирали руки: «Ну, сейчас лиды попрут, и понятно будет, какие рекламные кампании масштабировать, а какие отключить. Ничего сложного».

Но, не тут-то было. Чем дольше работали наши кампании, тем яснее становилось, что контекстная реклама не работает.

В основном, лиды приносили сегменты с названием магазина и с запросами «импортный». И если второе еще можно было приписать к себе в «заслуги», то кампания с брендовыми запросами работала точно не из-за нас. Как правило, по названию магазина ищут люди, которые либо уже покупали товары клиента, либо те, кто пришел по оффлайн рекламе или рекомендациям.

Статистика с разбивкой бренд/не бренд за 1-й месяц работы:

В сегменте «товарные запросы» ситуация была совсем плохой:

Обычно самые конверсионные ключи по названиям товаров, которые мы тщательно собирали вручную, дали убийственно высокую стоимость лида…

Первым делом мы проверили настройки рекламных кампаний:

• Верно мы понимаем запрос пользователя?
• На правильные посадочные ведем пользователей?
• Те ключевые слова используем?
• В порядке наши ставки, не проигрываем ли аукцион?
• Правильно настроили цели в метрике?

Никаких проблем, которые могли бы повлиять на конверсию, мы не нашли.

На другом проекте было такое, что все метрики настроены правильно, а заказов ноль. Оказалось, мы не учли поведение пользователей:

• Прежде, чем совершить целевое действие, они проводили до 3 часов на сайте. Метрика ставила таким визитам источник «Внутренний переход» и они не попадали в нашу аналитику.
• Клиенты оставляли контакты в чате на сайте, менеджеры перезванивали и оформляли заказ. Это тоже не учитывалось в аналитике.

Мы неправильно проводили оптимизацию и реклама была неэффективной. Поэтому и с подшипниками стали «копать глубже» в поведение пользователей.

Мы неправильно проводили оптимизацию и реклама была неэффективной. Поэтому и с подшипниками стали «копать глубже» в поведение пользователей.

В первую очередь мы посмотрели на:

• среднее время сессии на сайте,
• показатель отказов,
• пол, возраст, устройство и прочие метрики.

Все было в тех же пределах, что и в компаниях из сегмента «по бренду», которые давали заказы.

Тогда мы послушали записи разговоров пользователей с менеджерами и нашли причину неудач. В разговорах клиенты жаловались, что:

• им пришлось потрудиться, чтобы найти нужный подшипник;
• они не смогли самостоятельно найти товар, поэтому решили набрать и уточнить по телефону.

Чтобы понять, почему пользователи не могли найти конкретный подшипник на сайте, мы понаблюдали за их поведением через вебвизор. Это сервис Яндекса, который фиксирует каждое действие пользователя на сайте и показывает его в формате видео.

Мы нашли проблему в запросах, по которым пользователи переходили в карточку товара. Например, посетитель вбивал в поисковике Яндекса запрос «подшипник 6305 KOYO», а мы показывали объявление, которое ведет на страницу с товаром «подшипник 6305 KOYO». Казалось бы, все логично, но нет.

В 40% случаев мы не угадывали. На самом деле он искал другой подшипник — «6305 ZZ CM KOYO», но в поисковике вбивал сокращенный вариант. Пользователь не получал то, что хотел, разочаровывался, и либо сразу уходил, либо пытался сам найти его на сайте.

Мы поняли, что вручную разобраться со всей номенклатурой магазина не сможем, нужно автоматизировать процесс.

У рекламной системы есть набор карточек товаров (фид), которые она может показать по запросу пользователя. Если запрос соответствует нескольким карточкам товаров (как получалось у нас), то она проанализирует десятки параметров за доли секунды и покажет наиболее релевантную из них.

На это способно только машинное обучение алгоритма аукциона — это называется «динамический показ объявлений».

Заказчик к этому моменту уже подготовил такой «фид», и мы запустили динамические показы с ручным управлением. То есть, определили для разных групп товаров (это называется «фильтр») свою стратегию назначения ставок.

К концу второй недели мы снова начали получать лиды. А еще через пару недель их стало в 2,5 раза больше, а стоимость снизилась почти втрое.

Товарные кампании на основе фида были в разы лучше, чем в первый месяц:

Система точнее определяла запрос пользователя и вела его на правильные карточки товаров. Ожидание и реальность совпадали, пользователи чаще заказывали товары.

В начале третьего месяца работы результат стал снова ухудшаться. Объем трафика по кампаниям оставался такой же, а конверсия пошла вниз, лидов стало меньше.

Мы предположили, что системе может понадобиться время на настройку своих алгоритмов показа. Поэтому решили не вносить особых изменений в кампанию.

Подождали 10 дней, но конверсия продолжила падать.

Надо было что-то делать…

Первым делом мы проанализировали статистику. Усилили те кампании, ключи и группы товаров в фиде, которые приносили конверсии и отключили те, что не работали.

Это не дало результата. Помимо того, что количество конверсий падало, стало больше отказов. Мы заглянули в вебвизор.

Оказалось, большинство посадочных вело на 404 ошибку — «страница не найдена»! Как такое могло произойти, ведь фид генерируется автоматически? Созвонились с клиентом.

Оказалось, что он проводил эксперименты на сайте и забыл обновить фид. Мы объяснили важность своевременного обновления фида, откатили назад все корректировки и снова запустили первоначальную стратегию в кампании.

Конверсия поползла вверх и показатели приблизились к нашим изначальным значениям. Фид исправили на 15 неделе:

Клиент был доволен результатами за первые 4 месяца. Тем не менее, останавливаться на достигнутом не хотелось. Мы предположили, что оптимизация ставок вручную — это самое слабое звено в связке «пользовательский запрос — ставка — релевантное объявление».

Улучшить результат можно, если полностью отдать управление кампании алгоритму поисковика. Автоматика быстрее реагирует на изменения аукциона, и определяет какой из пользователей с большей вероятностью готов к совершению целевого действия. В этом ей помогает специальный математический алгоритм. Человек же может только «угадывать».

Для успешного запуска автоматической стратегии у нас все было готово. В справке Яндекс.Директ написано, что нужно не меньше 10 конверсий в неделю. У нас было 7-9, но и этого было достаточно. Специфика магазина была такой, что пользователи точно знали какой им продукт нужен, поэтому система могла быстрее обучиться.

В первый месяц работы автоматической стратегии результат был примерно на том же уровне, что и при ручном управлении, поэтому мы не вмешивались в работу алгоритма. Машинному обучению нужно время.

К середине второго месяца работы алгоритма лидов стало больше, но выросла и их стоимость. Алгоритм учился, и к концу месяца, стоимость заказа упала, а количество осталось то же. Гипотеза подтвердилась.

Мы убедились, что автоматические стратегии Яндекса, при правильных настройках, могут эффективно работать и в узких B2B-тематиках. Мы можем только догадываться как устроена работа рекламного «движка».

Автоматизированная закупка трафика учитывает все скрытые от нас параметры системы и позволяет:

• выигрывать больший процент аукционов по низкой ставке,
• подбирать целевую аудиторию на основе ее поведения,
• угадывать точный момент показа рекламы конкретному пользователю.

В отличие от человека, системе нужно значительно меньше ресурсов и времени для того, чтобы подобрать самый оптимальный вариант и получить результат.

Сможет ли Яндекс доказать абсолютное превосходство алгоритмов над человеком и отобрать хлеб у агентств — покажет время. Но пока, автостратегии — это не автопилот, которому достаточно задать точку на карте и он сам долетит. Чтобы работали, нужно понимать поведение потребителей и уметь анализировать метрику сайта:

• разобраться в поведении пользователей и учесть все конверсии — иначе будет много отказов и ложных лидов;
• дать алгоритму достаточное количество целевого трафика для обучения — не менее 10 конверсий в неделю;
• Запастись терпением — алгоритму нужно время на обучение, поэтому нельзя паниковать при первых же неудачных результатах и все ломать.

Радует, что низкоуровневый ручной труд в работе директолога скоро канет в лету. Возможности алгоритмов будоражат воображение. На арену выходит киборг в одиночку эффективно управляющий сотней проектов… По-моему, это прекрасное будущее 🙂