Чуть больше года назад к нам на контекстную рекламу зашел интернет-магазин товаров для охоты и рыбалки — почти все это время мы продвигали его с помощью Яндекс.Директа и Яндекс.Маркета — а когда стали получать из этих источников уже столько транзакций, сколько позволял спрос, добавили Google Shopping. Средний чек здесь чаще всего ниже, но зато ниже и цена клика.
За 2 месяца продвижения проекта с помощью Smart Shopping мы получили ДРР 5%, СPC — 0,8 рублей и CPO — в 3,6 раз ниже, чем у рекламных кампаний на поиске в Яндекс.Директе. Схематично весь наш путь от формирования фида до этих показателей выглядит так:
В этой статье мы не будем подробно рассказывать о каждом пункте схемы — многие из них сводятся к выполнению общедоступных чек-листов. Лучше остановимся на тех моментах, где от агентства требовалась не только точность, но и аналитика, гибкость, способность принять верное решение.
Решение 1. Расставлять товарам приоритеты с учетом данных отчета «Конкурентоспособность цены»
В разделе «Развитие аккаунта» мы подключились к программе «Тенденции рынка» и получили доступ к двум отчетам: «Конкурентоспособность цены» и «Лидеры продаж».
Первый отчет как раз помогал нам понять, насколько цена на товар отличается от средней цены по конкурентам.
То есть видим мы, например, что какие-то товары не продаются. «Не продаются» — значит, расход на продвижение у них больше, чем два CPO в среднем по аккаунту (если средний CPO — 300 рублей, то расход — больше 600 рублей). Тут важно разобраться с причиной — его не покупают, потому что он дорогой, потому что у него неудобные условия доставки или еще почему-то — в этом нам как раз и помогает отчет «Конкурентоспособность цены».
Проверяем по нему — не слишком ли высокая цена у этих товаров по сравнению с конкурентами? Если да — выносим на обсуждение с клиентом вопрос об акции на эти товары. Дал клиент добро — продвигаем их дальше, не дал — не продвигаем, а сосредотачиваемся на товарах с конкурентоспособными ценами. При этом обязательно изучаем конкурентов, у которых цены выше наших — пытаемся понять, почему люди там все-таки покупают, почему готовы платить дороже, что им нравится. Эти гипотезы помогают нам при оптимизации посадочных страниц и подготовке рекламных кампаний.
Решение 2. Создать отдельную рекламную кампанию на каждую категорию товаров, чтобы перераспределять между ними бюджет
У каждой категории товаров — своя доходность. Нам было важно отслеживать, какая категория продается хуже, какая — лучше, и перераспределять между ними бюджет. Вот почему на каждую категорию товаров мы запустили свою рекламную кампанию.
1 категория товаров = 1 рекламная кампанияНа момент запуска рекламных кампаний весь бюджет был распределен между категориями поровну: условно, 20 тысяч рублей на «Жерлицы», 20 тысяч рублей — на «Капканы», 20 тысяч рублей — на «Удочки» и т.д.
Если же мы видели, что жерлицы хорошо берут (CPO по кампании — 150 рублей), а удочки — нет (CPO — 300 рублей), и бюджет, выделенный на категорию «Жерлицы», заканчивается, то мы часть бюджета с «Удочек» переводили на «Жерлицы» — продаж становилось больше.
Также мы регулярно отслеживали спрос и, в зависимости от того, на какие товары он рос, добавляли новые категории — из последнего это «Самонадувающиеся коврики» и «Мангалы». Категории, которые не приносили доход, мы, наоборот, отключали.
Решение 3. Разделить товары внутри кампании по идентификатору, чтобы удалять неэффективные и оптимизировать малоэффективные
Это долгая, рутинная и не самая приятная работа — зайти в каждую категорию и выделить галочкой товары, которые к ней относятся. Зато потом мы в каждой категории видим только релевантные товары, а напротив каждого товара — количество показов, кликов, конверсий, стоимость конверсии, коэффициент конверсии и т.д.
Именно эти данные помогали нам делать выводы об эффективности продвижения каждого отдельного товара. Мы уже описали выше, какие товары считали неэффективными и отключали, но были и малоэффективные товары — такие, у которых расход больше, чем средний СPO по аккаунту, но меньше, чем удвоенный средний CPO по аккаунту (если средний CPO — 300 рублей, то расход — от 350 до 600 рублей). Получается, товары продаются, но не активно. В этом случае мы оптимизировали карточки товаров: меняли заголовки, описания, фотографии.
И это еще не все
В рамках оптимизации рекламных кампаний мы также корректировали ставки по типу устройств — назначать ставки вручную в Smart Shopping нельзя (умная кампания никого не пускает на эту территорию). Коэффициент конверсии с телефона был ниже, поэтому мы сделали так, чтобы объявления реже показывались тем, кто заходит с телефона, и чаще — тем, кто заходит с компьютера.
Ну и, наконец, отключали города, в которых много кликов, но нет продаж — скорее всего, там есть какие-то локальные игроки, у которых покупают те же товары, не переплачивая за доставку. Соответственно, эти деньги перераспределяли на города, в которых товары продаются активно.
В этой статье мы описали только оптимизацию Smart-кампаний — этап продвижения, на котором от нас требовалась способность делать верные выводы и на их основе принимать верные решения. Тем не менее, успех рекламной кампании в Smart Shopping во многом зависит и от рутинной работы на предыдущих этапах — своевременного исправления ошибок в фиде, например. Чем их меньше, тем больше товаров будет показано, а значит, тем больше охвата, транзакций и дохода мы получим — при постоянном CR, конечно.
