Польза

Исходные данные
Производитель фильтров для воды. География - Россия и СНГ. Рекламные кампании велись уже несколько лет. Яндекс.Директ показывал стабильные результаты, а вот Google Ads - нет. И нас попросили помочь.


Задача
Снизить цену заявки в Google Ads на 35%. После достижения результата необходимо увеличить количество заявок. Рекламный бюджет неограничен при сохранении цены заявки.


Что делали
Клиент периодически работал с разными исполнителями, поэтому кампании были созданы по разным технологиям, в разное время и с никому непонятными названиями. Мы изменили иерархию, упорядочили utm-метки, добавили все актуальные расширения, провели стандартную оптимизацию. Через месяц цена заявки снизилась на 15%, но не достигла целевой.


Сложности: КМС
Чтобы увеличить эффективность работы контекстной рекламы в это же время начали внедрять систему сквозной аналитики R7K12 в связке с RetailCRM. Через месяц после старта работ клиент связался с нами и сообщил, что источник Google при вложениях около 500 тысяч рублей показывает убыток в 300 тысяч. В R7K12 подтянули значения за декабрь из CRM-системы и сопоставили с расходами. Как так? Мы были очень удивлены, ведь цена за заявку за месяц работы снизилась и совсем немного стала отставать от значений в Яндексе.

Всё оказалось просто. Более 80% всех заявок мы привлекали из КМС. Благодаря системе сквозной аналитики, мы смогли увидеть разницу между данными в аналитиксе по "сырым" заявкам и данным в CRM по качественным и подтвержденным.

Спама оказалось более 50%!

На скриншоте ниже данные из тестового представления за период с 1 декабря 2017 по 31 января 2018. Данные по заявкам в тестовое представление отправляются в случае успешного оформления любой формы на сайте.

А вот скриншот из Рабочего представления. Данные туда передаются из системы сквозной аналитики после смены статуса в CRM на "целевой".

Проваливаемся на уровень площадок и изучаем откуда идет спам.

Топ-5 качественных площадок в тестовом представлении:

И результаты из рабочего представления:

Как видно, youtube.com находился раньше лишь на седьмой строчке, а теперь на первой. А куда пропали все те, которые находятся выше? Верно! Это фродовые площадки. Лиды как бы есть, но по факту это спам.

И вот еще одно доказательство. Спросите любого специалиста по контекстной рекламе о том, какой CTR считать нормальным в сетях. 0.3%-1,5%. Иногда на качественных может быть выше 2%. А что же с нашими площадками?

Ого! Средний CTR под 15-20%! Практически как в поисковых кампаниях.

Кроме того явно видно, что данные сайты связаны друг с другом. Взгляните на названия: 5kacard.ru, 5kakarta.ru, 5karucard.ru.

Ниже примеры как могут выглядеть фродовые площадки:

С таких площадок на сайт переходят не люди, а роботы. Они двигаются по сайту имитируя человека и оставляют заявку с данными из какой-нибудь базы. В итоге вы видите в аналитиксе площадку с хорошей ценой за лида и оставляете её, а на самом деле получаете спам, да еще и негатив от клиента, которому позвонили. Ведь на самом деле эти люди не оставляли заявку, но их контакты попали в эту базу.

Бывают еще площадки где люди действительно оставляют свои контакты. Такие площадки маскируются под личные кабинеты продуктовых сетей, оплату коммунальных услуг и так далее. Посетители оставляют свои контакты в надежде записаться в поликлинику, зарегистрировать скидочную карту или оплатить свет.

Похожие площадки появляются еженедельно. С помощью автоматических стратегий и периодических чисток мы свели траты на такие площадки к минимуму. Без использования данных из CRM у нас уходило бы намного больше времени по выявлению источников спамных заявок.

На резонный вопрос можно ли получать из КМС качественные лиды и продажи, мы прикладываем ниже скрин площадок, которые уже более полугода успешно приносят клиенту конверсии.

Соотношение целевых лидов между рекламой на поиске и в КМС:

Заявки и продажи в КМС есть. Самое важное - найти качественные площадки. Их необходимо выделить в кампании White List и получать максимально целевой трафик.

Тестируем объявления. Высокий CTR ≠ низкий CPO.
В процессе оптимизации каждому клиенту мы системно тестируем разные элементы объявлений. Иногда с помощью удачных объявлений нам удается снизить цену конверсии до 30-40%.

Обычно специалисты по контекстной рекламе принимают решение об успешности варианта А/Б-теста по его кликабельности. Это неверно. Если цель контекстной рекламы - стоимость заявки, то и оценивать результаты А/Б-теста тоже нужно по стоимости.

После основных оптимизаций приступили к тестированию объявлений. В одном из тестов мы сравнивали два разных текста.

Объявление, у которого более высокий CTR в итоге показало на 126% выше стоимость конверсии! В результате мы отключили более дорогое объявление и снизили цену заявки.


Результаты тестов автоматических стратегий.
Системы контекстной рекламы всё больше развиваются в сторону автоматизации. Достаточное количество заявок в день позволяет включать автоматические стратегии. В наших проектах автоматические стратегии в среднем дают на 10-20% результат лучше, чем при ручном назначении ставок.

Для того, чтобы система сама принимала решение по ставкам - ей нужно указать цель. Мы решили сравнить работу искусственного интеллекта на данных по "сырым" заявкам и "целевым" (после подтверждения менеджером).

Начинаем тест и в качестве цели указываем "Целевая заявка".

Используем те же кампании, только меняем цель на "сырая" заявка.

У данного клиента стратегии лучше работают на "сырых" данных. "Сырые" заявки - это успешное заполнение формы на сайте и первичный звонок.

Мы нашли объяснение этому в том, что данные в Google Analytics и в Яндекс.Метрику из систем сквозной аналитики попадают уже не совсем верные. По мнению Analytics - одно из самых "пиковых" времён - промежуток с 9 до 10 утра. Однако это не так, ведь в это время менеджеры лишь подтверждают вечерние и ночные заявки, а в системы аналитики они передаются лишь после обновления статуса.

Оптимизация по факту продажи тоже не принесла успеха, так как сама продажа может произойти и через неделю, и через месяц. Да и данных по ним существенно меньше, чем по заявкам.

Эффективнее оказались стратегии, ориентированные на "сырые" заявки и первичные звонки. Этих данных достаточно много, поступают они моментально и системам легче обучаться. А благодаря сквозной аналитике мы вручную отключаем ключевые запросы или таргетинги, которые приносят заявки с низкой конверсией в продажу.


Результат.
Через год мы получили следующие результаты в Google Ads:

Нам удалось кратно увеличить количество заявок и продаж у клиента. В конце 2018 года мы приняли решение отказаться от оптимизации по цене качественной заявки и перейти на ДРР.

ДРР (Доля Рекламных Расходов) = расходы на рекламу / прибыль с рекламы * 100%. Такой подход позволяет более эффективно расходовать рекламные бюджеты.

Клиент передал нам с ноября 2018г. ведение кампании в Яндекс.Директ.


Выводы.