Кейс на грани фола: ошибки и инсайты о контекстной рекламе в b2b

Контекстная реклама в b2b-тематике не часто становится объектом детального разбора. Как правило, рекламные бюджеты в b2b по сравнению с b2c невелики, а поведение аудитории не такое предсказуемое и понятное, чтобы выявить статистические закономерности и построить красивые графики. Готовя этот кейс, мы в Мako старались представить нашу работу в правильном и логичном ключе, долго упирались, чтобы выставить себя в лучшем свете… Но из этого ничего не вышло. В итоге бросили это дело и решили рассказать всё как есть.

 

Начало работы: определяем критерий эффективности рекламы

Работа с контекстной рекламой начинается с выбора метрики, по которой будет оцениваться ее результативность. Digital-агентства чаще всего работают по лидам: либо поставляют определенное число лидов в рамках бюджета, либо стараются привлечь как можно больше лидов в пределах оговоренной средней стоимости (CPL).

Так же работаем и мы: согласовываем с заказчиком прогрессивную шкалу KPI по объему и стоимости лидов и фиксируем ее в договоре. Размер нашего вознаграждения зависит от того, какой из показателей мы выполним. Выполнили стандартный план по лидам — получили стандартную оплату. Перевыполнили план — получили бонус. Не выполнили план — считайте, что работы были за наш счет.

Но в этом проекте заказчик — b2b-компания, поставщик кабельной продукции — до работы с нами оценивал эффективность рекламы по обороту. Чем больше принесла реклама денег в кассу за месяц, тем лучше. Поэтому мы решили отойти от своих стандартов и предложили заказчику другой критерий эффективности — ДРР (доля рекламных расходов). Показатель в процентах отражает отношение расходов на рекламу к доходам от нее. Считается по формуле:

ДРР = расходы на рекламу / доход с рекламы * 100

Чем ниже этот показатель, тем рекламная кампания эффективнее.

Оценивать рекламу только по обороту нельзя. Чем большую долю занимают расходы на рекламу в обороте, тем ниже прибыль. И может возникнуть ситуация, когда оборот растет, а прибыль падает. Поэтому важно отслеживать не только рост оборота, но и динамику ДРР.

Но с оценкой эффективности по обороту и ДРР были проблемы:

1. Компания заказчика известна на рынке, и львиная доля заказов с рекламы приходилась на постоянных клиентов. Они приходили на сайт по брендовым запросам, по которым тоже давалась реклама, и совершали 80% заказов. В итоге оборот по новым клиентам смешивался с продажами постоянным клиентам, и это не позволяло увидеть истинную эффективность рекламы.
2. Продажи по рекламе отображались в отчетах электронной торговли в Google Analytics. Каждая транзакция на сайте передавалась в систему аналитики, и мы видели, на какую сумму заказали пользователи из рекламы и какие товары они купили. Но в b2b-тематике много заказов совершается не только на сайте, но и по телефону и просто онлайн-заявкам, а данные по ним не передаются в Analytics. Но если их не учитывать, наблюдаемый ДРР не будет показывать верные результаты. Именно так и обстояло дело у нашего клиента. Внедрение сквозной аналитики, которая могла бы решить проблему, планировалось, но все время откладывалось.

Чтобы решить проблему с покупками по брендовому трафику, мы предложили считать оборот и ДРР только по новым клиентам. А все заказы, совершенные по брендовой рекламе, выносить за скобки. Решить вторую проблему мы не могли, поэтому увеличили целевой ДРР до 60% в расчете на то, что еще будут заказы со звонков и заявок, которые мы не увидим в статистике.

Целевой ДРР 60% выглядит высоким, но для b2b он приемлем: с одной стороны, новые клиенты совершают повторные заказы, а с другой — иногда заказывают на очень большие суммы, которые могут окупить разом всю рекламу за несколько месяцев. Кроме того, часть новых пользователей после взаимодействия с рекламой оформляет покупку с брендовой кампании, заказы с которой мы не учитываем в расчетах.

Вот так выглядела схема нашего премирования по обороту и ДРР в этом проекте:

Что на старте

Задача проекта — рост продаж по небрендовым РК.

Первым делом мы провели аудит действующих рекламных кампаний. Заказчик размещался одновременно в Яндексе и Google. В обоих каналах более 80% заказов привлекали кампании по бренду заказчика, остальные РК давали примерно 1–2 обращения в неделю.

Кажется, что задача была простой — получать доход и ДРР не выше 60% через «другие», небрендовые кампании. Но скоро мы поняли, что обычные способы оптимизации в b2b не работают.

Первый месяц работы: все плохо и спасительная транзакция

Мы начали работу с проектом в марте 2020 года. До нас у заказчика самые конверсионные небрендовые кампании работали на основе фида. Скопировать такие кампании с сохранением накопленной статистики даже при поддержке рекламной системы технически невозможно. Заказчик не хотел долгого простоя рекламы, поэтому с запуском спешили.

Решили срочно разобраться в фиде и начать с перенастройки поисковых кампаний с помощью генератора объявлений от К50. Инструмент на основании фида создает шаблоны текстов, заголовков и ключевых слов, по которым будут созданы рекламные объявления. В шаблоны подставляются данные из карточек товаров: наименования брендов и моделей, цены и т. д. Планировали старгетироваться только на пользователей, которые точно знают, что хотят купить — это самый логичный вариант для e-commerce.

Разбивать автоматически созданные кампании в Яндексе на разные сегменты не было времени. Создали одну общую кампанию с разбивкой на регионы: Москва, Санкт-Петербург, Краснодар и Россия. Все товары с сайта — и низкомаржинальные, и высокомаржинальные — находятся в одной группе объявлений, а не вынесены в отдельные.

Дополнительно создали обычные кампании с низкочастотными запросами по товарам, которые клиент назвал топовыми.

В Google на начальном этапе решили пойти тем же путем (торговые кампании по фиду и ручные для топовых продуктов), но немного видоизменить структуру аккаунта. Торговые кампании запустили с разбивкой на разные местоположения, но каждый раздел в фиде — витая пара, коннекторы, патч-корды оптические — выделили в отдельную группу объявлений.

Раньше в рекламной кампании в Google Ads была одна группа объявлений, в которой находились одновременно все товарные категории. Мы же разбили их по группам. Такой прием позволяет в дальнейшем проводить оптимизацию эффективнее исходя из показателей каждой группы товаров.

До середины месяца результативность рекламы оставалась катастрофически низкой. Результата в Яндексе по небрендовому сегменту практически не было. Кампания по фиду в Директе собирала в основном трафик по низкомаржинальным товарам. Высокомаржинальные товары либо почти не давали трафик, либо не успевали показываться, так как бюджет съедался низкомаржинальными.

Если трафик есть, а конверсий нет, значит, пользователи совершают покупки не сразу. В надежде сконвертировать отложенный спрос со всех источников трафика на сайт решили запустить смарт-баннеры в режиме ретаргетинга. Объявления показывали тем, кто интересовался товарами на сайте. Но они не смогли исправить ситуацию — конверсий по-прежнему не было. Общий трафик был небольшим, и, скорее всего, просто некого было догонять.

Часть пользователей всё же покупала и оставляла заявки с ручных кампаний по товарам, которые мы настраивали через фразы с низкой частотностью. Но это были крохи.

Тогда появилась гипотеза: пользователи, которые переходят по «точным» запросам, больше обращают внимание на цены, скидки, удобство сайта и т. д. То есть время до принятия решения сокращается, и что-то явно пользователю не нравится. В надежде, что люди будут хотя бы оставлять заявки, мы решили собрать общие запросы, например: оптоволокно купить, оптический волоконный кабель купить и т. п.

Сработало! Как только создали несколько общих кампаний, за неделю пришли четыре заявки. Но радость длилась недолго, так как после этого снова была тишина.

Март подходил к концу. Результата по небрендовым кампаниям в Яндексе практически не было. И тут в последнюю неделю пользователь покупает с динамической кампании на сумму, которая в итоге окупает всю небрендовую рекламу за месяц. Мы были спасены, а KPI — выполнен.

Появилась гипотеза, что в этом сегменте не стоит ждать быстрых покупок, которые ежемесячно будут приносить прибыль с приемлемым ДРР. Вполне возможно, что одна продажа окупит рекламу сразу за 2–3 месяца.

Что касается рекламы в Google, то там все было в порядке. Торговые кампании стабильно работали и приносили заказы с низким ДРР. Но сравнивать Google Merchant с Яндекс.Директом некорректно: это, скорее, аналог Яндекс.Маркета, эффективность которого в этом проекте также была высокой.

 

Итоги марта

Результативность Директа по итогам марта была катастрофически низкой. Нас спасла только одна большая транзакция. Вопрос, почему кампании по фиду в Яндексе хорошо работали у клиента и перестали работать у нас, так и остался открытым.

Апрель: самоизоляция и ДРР выше 1000%

Ну, здравствуй, самоизоляция. Даже то, что стабильно приносило обращения и доход в марте, в апреле перестало работать, например, торговые кампании в Google. Только брендовые кампании продолжали генерировать лиды.

Это выглядело логично. Люди, которые уже знают компанию, будут совершать повторные покупки. А вот новые пользователи не появлялись. Вероятно, потому что в период самоизоляции бизнесы, которым нужна продукция клиента, не открываются и не масштабируются.

Решить форс-мажор в виде пандемии и самоизоляции мы были не в силах, поэтому проводили стандартную оптимизацию кампаний: чистку поисковых запросов, корректировки ставок у ключевых фраз в зависимости от конверсии для снижения стоимости привлечения заказа и др.

К концу апреля нам удалось вдвое увеличить число обращений и транзакций в Google Ads, в основном за счет перестройки торговых кампаний. Но результат в Яндексе по небрендовым РК оставался плачевным: число обращений и транзакций особо не изменилось, а ДРР вышел катастрофическим — 1111%! Теперь уже нам не повезло, и большая транзакция не случилась.

Май: просчеты и инсайты в понимании аудитории и аналитике

Нужно было как-то улучшать показатели рекламных кампаний. Старая стратегия работала не так, как планировалось. Чтобы исправить ситуацию, мы решили предпринять следующие меры:ситуации:

1. Начали переделывать все динамические кампании. Выделили категории товаров в отдельные рекламные кампании. Ориентировались на список приоритетных категорий от заказчика и маржинальность товаров. Кампаний стало больше, но оптимизировать их стало легче.

2. Отключили часть региональных кампаний, так как больше всего обращений приходило из Москвы.
3. Часами копались в Яндекс.Метрике и Google Analytics, чтобы понять поведение пользователей и причины, почему они не покупают. Мы вспомнили про одну статью о том, что в b2b-сегментах похожей тематики, люди часто запрашивают прайс, скачивают его и связываются с менеджером компании. Держа в уме этот факт, перепроверили сайт и нашли соответствующий раздел. Фактически это была форма обратной связи. Посетитель оставлял свои контактные данные, на которые отправлялся прайс-лист. Тут всплыла наша ошибка. По невнимательности в самом начале запуска проекта мы пропустили эту форму и не настроили на нее цель. Договорились с маркетологом на стороне клиента, что они поставят отслеживание на форму. Через неделю результат оправдал все ожидания! Обращений было так много, что мы были готовы расслабиться. Вот она — золотая жила! Однако радость быстро сменилась недоверием. Почему конверсий было так много? Снова перепроверили цель. Она срабатывала просто на клик по кнопке вместо того, чтобы фиксировать успешную отправку данных из формы. Пользователи могли нажимать на кнопку, когда хотели скачать прайс с сайта. При настройке целей на формы, которые отправляют данные, нужно обязательно обращать внимание на то, как выглядит итоговый код:

• input type=»button» onclick=»ym(XXXXXX, ‘reachGoal’, ‘TARGET_NAME’); return true;» — так выглядит цель «Клик по кнопке»;
• form action=»» method=»get» onsubmit=»ym(XXXXXX, ‘reachGoal’, ‘TARGET_NAME’); return true;» — а это правильный вариант цели для отслеживания отправки формы.

Оплошность исправили и еще раз замерили результаты. Они оказались куда хуже.

До — за неделю, нажатие на кнопку:

После — за неделю, отправка формы:

Продолжили изучать поведение пользователей, в основном через Вебвизор, и заметили несколько интересных паттернов поведения:

1. Пришедшие с общих кампаний чаще всего пишут в чат и оставляют там свои контакты. Для специалиста, который занимался проектом, это стало своего рода откровением. Обычно чат никогда не считался за макроцель. В нем либо задавали уточняющие вопросы, либо просто спамили. Здесь всё было наоборот — цель была конверсионная! И ее нужно было отслеживать.
2. Люди не просто долго сидят на сайте перед покупкой, а невыносимо долго для контекстной рекламы. Перед тем как что-то купить, пользователь мог сидеть до трех часов на сайте (скорее всего, просто оставлял вкладку или возвращался к ссылке позже). По умолчанию сеанс заканчивается через 30 минут бездействия пользователя. Если пользователь возвращался к открытой вкладке спустя более 30 минут, новый сеанс засчитывался в другом источнике трафика. Получалось, что часть обращений и заказов конвертировалась, но уже в источнике «Внутренние переходы», если говорить про Яндекс.Метрику. В Google Analytics они и вовсе терялись. Чтобы конверсии присваивались правильному источнику, увеличили в настройках обеих системах аналитики параметр «Тайм-аут визита».В Яндекс.Метрике тайм-аут редактируется в настройках счетчика, в блоке «Дополнительные настройки».

В Google Analytics тайм-аут меняется тоже в настройках счетчика: «Ресурс» — «Отслеживание» — «Настройка сеанса».

Итоги третьего месяца: перестройка подхода к оптимизации b2b-рекламы

 

Инсайты с чатом и временем на сайте позволили получить больше данных по обращениям, что открыло новые возможности для оптимизации рекламы. Мы стали учитывать при оптимизации не только заказы, но и целевые обращения.

Аналитика ассоциированных конверсий помогла по-новому взглянуть на оптимизацию кампаний. Привычная модель атрибуции по последнему непрямому клику или последнему значимому переходу не так актуальна в b2b-сегменте. Это означает, что нужно не только по-другому подходить к оптимизации кампаний, но и к оценке эффективности рекламы.

В b2b-тематике ярко выражена роль определенных типов кампаний на разных этапах воронки продаж. Кампании с общими запросами (без марки и модели) с большей вероятностью приводят новых пользователей, которые потом конвертируются в других источниках трафика (брендовые кампании, SEO).

При оптимизации и анализе нужно разделять кампании на те, что приводят новых пользователей (модель атрибуции «Первый клик»), и те, что приводят пользователя к конверсии (модель атрибуции «Последний клик»).

В b2c это тоже работает, но время до принятия решения обычно меньше. Это компенсирует расхождение между моделями атрибуции первого и последнего клика.

За три месяца работы мы так и не решили проблему с ростом транзакций по небрендовой рекламе в Яндекс.Директе. Транзакций оставалось мало, а доход по ним зависел от случая. Вместе с тем этот опыт помог иначе подойди к оптимизации рекламы для b2b.

В дальнейшей работе с проектом мы взяли вектор на рост общего числа обращений (не только транзакций) по небрендовому сегменту и стали помогать заказчику с внедрением системы сквозной аналитики, которая объединит онлайн и офлайн-заказы и выведет оптимизацию рекламы на новый уровень.

Выводы

Стандартная оптимизация e-commerce проектов, которая ведется исключительно по заказам, а не по лидам, не всегда подходит для b2b-тематик. Особенно когда пользователи долго принимают решение о покупке. В этом случае они проводят больше времени на сайтах, чем обычно, активнее пишут в чаты, запрашивают прайсы. Перед запуском рекламы лучше потратить дополнительное время на предварительную подготовку и изучение аудитории сайта.

По итогам этой работы мы выделили несколько пунктов, которые добавили в свой чек-лист по запуску любого b2b-проекта:

1. Проверка конверсии через внутренние переходы. Посмотрите, сколько времени проводят пользователи на сайте перед тем, как совершить покупку или оставить заявку. Если это время превышает стандартный тайм-аут системы аналитики, то его стоит увеличить. Тогда аналитика станет прозрачнее.
2. Проверка настройки целей на контактные формы. Нужно проверять принцип, по которому срабатывает цель — клик и отправка. В идеале цель должна срабатывать только при успешной отправке формы.
3. Выбор правильной модели атрибуции. Длинные цепочки взаимодействия с пользователями меняют представление об оптимизации рекламных кампаний. Необходимо разделять кампании на те, что начинают цепочку, и те, что ее замыкают.
4. Выбор правильного критерия эффективности рекламы. Считаем результативность только по коммерческим запросам и выносим за скобки результаты брендовых кампаний, которые генерируют заказы от постоянных клиентов.