Обычно на контрасте работают вау-кейсы в контекстной рекламе, когда агентство исправляет банальные ошибки, через пару месяцев получает результат и рассказывает, как хорошо сделано, а предыдущий исполнитель — огурец. Но в этом проекте реклама была хорошо отлажена уже до нас. Рассказываем, как нам удалось найти точки с большим ростом, несмотря ни на что.
Настраиваем контекстную рекламу для e-commerce проектов. К нам пришел клиент, у которого уже были хорошие продажи, отлично настроена контекстная реклама, но при попытке масштабирования расходы росли быстрее, чем доходы. Мы провели огромную проверку и выяснили, как еще можно увеличить продажи с помощью контекстной рекламы.
Сейчас мы расскажем подробнее, что мы сделали, а перед этим несколько слов клиенту.
При первом разговоре с JAM мы обсудили, что нам важно, чтобы агентство работало не «в вакууме», а исходило из наших бизнес-целей. Мы большая сеть, управление которой предполагает множество изменений в продуктовой матрице, логистике, бюджетировании и других параметрах. Эти изменения должны быстро отражаться в рекламных кампаниях.
В отличие от предыдущих подрядчиков, с JAM мы смогли адаптировать рекламный кабинет к оперативным потребностям бизнеса. Например, в декабре у нас традиционно не хватает ресурсов для выполнения всех заказов из-за слишком большого спроса. Раньше в таких случаях мы просто останавливали рекламу и теряли прибыль. Но в прошлом году с помощью специалистов агентства мы проанализировали ассортимент и оставили несколько рекламных кампаний с высокомаржинальными категориями и большим средним чеком, которые приносят мало заказов (не перегружают логистику), но при этом приносят значительную прибыль.
Сейчас мы передали управление рекламой в отдел внутреннего рынка и используем ту же механику, которую разработали в период сотрудничества с агентством. Мы понимаем, что и как делать, где увеличить или уменьшить бюджет, как управлять целевой рентабельностью, и можем быстро внедрять изменения, когда этого требует рынок.
Сергей Гринкевич, директор по маркетингу сети Меломан
Что за интернет-магазин и где он находится?
Marwin.kz — интернет-магазин товаров для всей семьи. Здесь продаются игрушки, спортивный инвентарь, книги, товары для активного отдыха и так далее.
Главная страница сайта клиента
Интернет-магазин — один из важнейших каналов продаж, но не основной канал продаж. Большая часть продаж осуществляется через офлайн-магазины, на онлайн приходится примерно 20% выручки. У клиента есть сеть из 30 точек в разных городах Казахстана — обычно в таких случаях рекламировать проще, потому что есть лояльная аудитория.
Еще одной особенностью проекта является большой выбор различных товаров: на сайте marwin.kz представлено 20 товарных категорий, каждая из которых разбита на десятки подкатегорий. Причем цены варьировались от 100 до 100 000 рублей (все цены на сайте указаны в тенге).
Часть категорий и подкатегорий товаров на сайте заказчика
Задача — продавать 60 000 товаров с чеком от 100 до 100 000 рублей
Команда магазина связалась с нами для проведения аудита в апреле 2021 года после прочтения кейса магазина автозапчастей. Их устраивали показатели интернет-маркетинга, но в июле 2020 года они вышли на плато: при масштабировании контекстной рекламы доля рекламных расходов (ADR) росла, а доходность падала. В результате бюджет счета был ограничен суммой, обеспечивающей оптимальное соотношение доходов и расходов.
Примечание! По желанию клиента мы не показываем количественные и качественные данные, но информация на графиках отражает реальную картину.
Обзор выручки и PDR за несколько месяцев до аудита: выручка падает, но PDR растет
Проектом несколько лет руководил штатный специалист, хорошо знавший ассортимент магазина и разбирающийся в контекстной рекламе. В дальнейшем он нам очень помог своими комментариями и советами.
Клиенту нужно было получить альтернативный взгляд на проект и рекомендации по дальнейшему росту. Это то, что мы сделали.
Провели аудит и сформулировали спорную гипотезу по структуре рекламных кампаний
Мы всегда начинаем свою работу с аудита контекстной рекламы: ищем ошибки в настройках, находим точки роста и строим гипотезы для масштабирования. Обычно осмотр занимает полторы недели, а здесь мы работали целый месяц. Итоговой работой стал огромный документ на 70 страниц и несколько приложений с пояснениями. Здесь мы обозначим только самые важные нюансы.
В 95% случаев на клиентских проектах мы сталкиваемся с типичными ошибками, а здесь их не было. Работа над проектом была проведена грамотно и кропотливо. Даже отображение всех неэффективных ключевых слов было остановлено, что свидетельствует о регулярном мониторинге и оптимизации рекламы.
Единственная точка роста, которая была на поверхности, — небольшой процент трафика и заказов от торговых кампаний, одного из основных инструментов Google. Обычно такие кампании генерируют до 80-90% трафика интернет-магазина, но здесь доля торговых кампаний составила около 10%.
Большая часть трафика пришлась на динамическую рекламу, затем на поиск и только потом на торговые кампании
Но этого недостаточно для большего роста, поэтому мы продолжили погружаться в проект. Для того, чтобы обобщить все данные и проанализировать показатели рекламных кампаний, их доходность, увидеть динамику и сделать правильные выводы, мы собрали интерактивный отчет - дашборд в Datastudio. Обычно мы собираем небольшие дашборды для собственника бизнеса, когда договор уже подписан, но тут проект большой и сложный — без необходимых данных мы бы не разобрались.
Фрагмент приборной панели
На этом уровне мы планировали увидеть сегменты, где рекламодатель несет убытки или получает меньше прибыли. Но финансы проекта оказались вполне сбалансированными: все кампании и 95% рекламных групп работали с прибылью.
Чтобы найти точки роста, мне пришлось копнуть глубже и выйти за рамки рекламного кабинета — узнать, что и когда хорошо продается, на чем именно и сколько зарабатывает клиент.
Поскольку в магазине представлен широкий ассортимент самых разнообразных товаров — от варенья и кормов для домашних животных до дорогих детских колясок и игровых приставок — очевидно, что не все они пользуются одинаковым спросом, и все они имеют разную наценку. Эти факты необходимо учитывать при разработке архитектуры рекламных кампаний.
Для клиента более 70% дохода было получено от двух динамических поисковых кампаний, в которых использовались разные категории продуктов. Благодаря этому товары по разным ценам, популярные и непопулярные, пользовались одинаковым вниманием покупателей. Архитектура была проста в управлении, но корява: точечная корректировка была невозможна, и по сути все сводилось к простой задаче — получить конверсии по определенной стоимости, которая задавалась в настройках кампании для всех товаров. Мы начали копать в этом направлении.
На две динамические кампании было потрачено больше всего денег из бюджета, хотя это были не только самые продаваемые товары
Самые популярные категории. Мы провели ABC-анализ — определили топовые категории, где клиент зарабатывает больше всего денег. 80% товарооборота в магазине приходится на 6 категорий из 20.
Категории магазина (клиент тоже просил их скрыть), которые клиент максимально использовал
Эти категории должны были получить больше всего денег из рекламного бюджета, но структура аккаунта этого не позволяла: было две основные рекламные кампании с разными наборами товаров и несколькими категориями брендов.
Одним из преимуществ этой структуры является то, что Google собирает достаточно данных для работы стратегий автоматического управления ставками. Недостаток — гибкость: нельзя контролировать объем и стоимость сделки по каждой категории товаров.
Сезонные вариации. Затем мы решили проверить, насколько сезонность влияет на продажи, проанализировав сезонные колебания доходов в основных категориях. На некоторые из них пришелся пик спроса. Например, игрушки покупали чаще всего в новогоднюю ночь, а канцтовары — перед началом учебного года:
И снова - в структуре рекламных кампаний не учитывалось, что какие-то товары лучше продаются летом, в праздники, а какие-то перед Новым годом. Клиент не мог гибко управлять ценами, чтобы видеоигры получили больше охвата в июле, чем офис.
Маргинальность. Затем мы изучили экономику проекта. Скорее всего, большой выбор подразумевает большую разницу в маржинальности продукта — клиент может заработать 10% на консолях и 60% на игрушках. Все это необходимо учитывать в структуре рекламных кампаний.
Допустим, средняя наценка составляет 40%, и покупатель готов потратить половину наценки на рекламу. В этом случае целевое значение RRR будет равно 20%. Если использовать одинаковую целевую RRR для всех товаров, реклама низкомаржинальных товаров не окупится, а высокомаржинальные не получат достаточного охвата.
Поэтому данная стратегия подходит для магазинов с небольшим ассортиментом и небольшой разницей в марже.
*Валовая прибыль = Выручка*Маржинальность - Бюджет
Для нашего проекта танцевать под один DRR не вариант: здесь нужно было учитывать маржинальность каждого товара. Если вы потратите половину маржи на рекламу, у каждого будет свой целевой DRR.
*Цель. RRR = маржа/2, если цель потратить половину маржи на рекламу
Проанализировав все что можно, мы пришли к следующим выводам:
-
У клиента есть 6 товарных категорий, на которых он зарабатывает больше всего.
-
Спрос на различные товары сильно зависит от сезона.
-
Товара много — очень большой разброс по маржинальности.
-
Структура рекламных кампаний заказчика не учитывает предыдущие три пункта.
На основе этих выводов мы сформулировали основную гипотезу: чтобы эффективно инвестировать рекламный бюджет, вам необходимо разделять кампании и управлять категориями самостоятельно.
Гипотеза спорная, ведь сам Google рекомендует объединять категории в одну кампанию, чтобы автостратегии работали лучше. Мы сами так делаем на большинстве проектов с небольшой подборкой (по работе с автостратегиями есть отдельный материал — «9 кейсов автостратегий для интернет-магазина: от увеличения дохода в 4 раза до снижения до нуля»). Но тут решили попробовать нестандартную механику. Мы сомневались, что это поможет, но объяснили клиенту нашу логику и предложили попробовать проверить гипотезу на ТОП-5 категорий по объему продаж.
Спроектировали новую архитектуру рекламных кампаний
Перед началом работы мы получили данные о марже от клиента. Наша гипотеза подтвердилась — маржинальность по разным категориям могла отличаться в 4 раза. Для каждой категории мы рассчитали наш целевой RRR для использования в автоматических настройках стратегии рекламных кампаний.
По словам клиента, все категории имеют огромный разброс по маржинальности - на чем-то клиент заработал немного, но продал большое количество товара, а где-то еще
Стали известны и другие интересные подробности. Например, определенные рекламные кампании проводятся по согласованию с производителями, чтобы их можно было использовать в рамках бюджета, согласованного с конкретным брендом. Кроме того, руководство заранее устанавливает месячный лимит расходов на отдел маркетинга, поэтому все маневры должны проходить в рамках этого лимита.
Ознакомившись со всеми тонкостями, мы приступили к разработке новой структуры. Важный момент: по каждой категории у нас должно быть достаточное количество продаж для запуска автостратегии — порядка 30 заказов в месяц. Если 5 ордеров, то авто стратегия не сработает и придется запускать рекламу вручную, а управлять рекламой по такому большому количеству позиций будет сложно. Поэтому мы не могли просто взять и разбить структуру на мелкие категории, вроде Лего Классик, Лего Сити, куклы Барби, куклы ЛОЛ и так далее — нам нужно было собирать данные о заказе.
Например, есть большая категория «Игрушки» с 5000 заказов в месяц. Имеет подкатегории «Игрушки для девочек» с 3000 заказов. Данных достаточно, так что можете делиться дальше. Для девочек есть меньшая подкатегория «Куклы ЛОЛ» на 50 заказов и «Кукольные домики» на 10 заказов. Так что из «Куклы» можно создать свою кампанию, а «Домик» надо с чем-то сочетать.
Диаграмма, примерно описывающая, как мы собирали данные для автомобильных стратегий
Работа была сложной: в итоге мы получили почти 300 рекламных кампаний на базе продуктовой ленты. Необходимо было учитывать все факторы: текущие показатели, бюджет, выделяемый производителями, маржинальность, сезонность, общий лимит расходов менеджмента.
Обратите внимание: Как организовать успешные продажи своих товаров в китайском интернете?.
Но в результате мы получили очень гибкую структуру — оставалось только запустить рекламу.Запустили торговые кампании — доход х10
По нашему опыту в электронной коммерции, наибольший доход приносят торговые акции — это когда пользователь вводит запрос в поисковую систему и сразу видит карточку товара с ценой. На него он может пойти в магазин и купить:
Так как доля шоппинг-кампаний на этом проекте была всего около 10%, мы сначала опробовали новую структуру именно на них.
Для создания такого объявления не нужно вручную собирать поиски и вводить объявления. Google сам берет всю необходимую им информацию, создает рекламу, находит релевантную целевую аудиторию и показывает им товары. Google извлекает информацию о товарах из товарного фида — таблицы, содержащей свойства товара: название, изображение, цену, описание, доступность и так далее.
Мы запустили первые 10-20 кампаний в топовых категориях и сразу получили отличные результаты: доход от торговых кампаний вырос в 10 раз.
Здесь и далее мы показываем заработок в процентах от первого месяца на графике, так как мы не можем показать абсолютные значения:
Но гораздо важнее то, что доходы выросли без увеличения СРБ, т.е сравнимы с расходами. Гипотеза сработала: мы смогли масштабироваться без нерационального увеличения затрат, с увеличением реальной прибыли.
Иногда бывает так, что в рекламном кабинете растут продажи, но реальная прибыль клиента не меняется. Мы также проверили это: мы сравнили статистику из Google Ads с данными в CRM Marwin. Оказалось, что все в порядке и рост происходит почти одновременно.
После того, как мы поняли, что все работает как надо, мы перешли к настройке динамической рекламы.
Пересобрали динамические кампании — доход х2
Структура динамических кампаний повторяла успешную логику сегментации торговых объявлений. Мы попробовали, у нас получилось, значит, и здесь должно работать.
Динамические кампании — такой же инструмент Google, как и торговые кампании. Сам Google тоже собирает поиски, создает объявления, показывает их нужным людям, но есть некоторые отличия.
Динамические объявления выглядят как обычные текстовые и графические объявления без изображения или цены товара. Google больше берет информацию о товарах не из фида, а с сайта — мы даем системе адрес страницы товара или категории, она сканирует ее и создает объявление.
Самым важным в нашей работе было разделение вопросов по категориям и продуктам. Категоричность — это когда пользователь ищет неконкретный товар, например, он вводит поиск «Купить коляску 2 в 1». Запрос товара - когда покупателю нужна конкретная модель товара, например "Купить детскую коляску Мерседес».
Обычно по товарным запросам конверсия выше — покупатель уже знает, что хочет купить, остается только найти нужный товар. Но случай Марвина интересен тем, что здесь запросы по категориям работали лучше, чем запросы по товарам. Поэтому было важно, чтобы покупатель не попадал в категорию запроса товара и наоборот — и это создавало трудности.
Смысл этого не в том, чтобы получить больше трафика, а в том, что для общих запросов 2 уровня вложенности DRR ниже, чем для конкретных запросов 3 и 4 уровня вложенности. Хотя по идее должно быть наоборот: Как правило, именно низкочастотные запросы более конкретны и лучше конвертируются в покупку.
Мы провели исследование запросов в зависимости от уровня вложенности. Например, градация уровней от 1 до 4 может выглядеть так: «Мама и малыш» «Коляски» «Коляски» «Chicco: Коляска Goody Plus». Запросы «Коляски» «Коляски» получили больше трафика:
Если покупателю нужно купить конкретную коляску Chicco Goody Plus, в магазине есть только одна страница для такого товара, поэтому Google это покажет. Здесь все должно быть без проблем.
Но если покупатель еще не выбрал конкретную модель коляски и вводит в поисковике «Купить коляску», возникает проблема. У нас есть сотни страниц, на которых появляются эти слова, поэтому Google выберет случайную из них в качестве объявления. И далеко не факт, что эта тележка понравится покупателю, и он не уйдет искать дальше.
Лучший вариант в этом случае — показать ему страницу со всеми колясками, чтобы покупатель выбрал то, что ему нравится. Для этого вручную укажите в настройках кампании, что Google убирает из объявлений все страницы товаров.
Это была долгая и кропотливая многочасовая работа. Если бы запросы были более общими, например купить не «детскую коляску» или «детскую коляску 2 в 1», а «коляску», то из результатов поиска приходилось исключать еще больше страниц.
В конце сентября мы запустили динамические кампании. Они хорошо работали до нас, но за один месяц мы смогли увеличить доход от этих кампаний более чем в 2 раза и при этом снизить ADR.
Оптимизируем кампании — максимизируем доход
Первый этап завершен: мы запустили торговые и динамические кампании в новой структуре и получили хорошие результаты. Второй шаг — оптимизировать кампании, чтобы ваши объявления работали еще лучше, и выяснить, что работает хорошо, а что нет. Первые подходы к оптимизации приносят наибольшую прибыль и помогают сократить расходы до 30%, поэтому после запуска мы тратим ресурсы сначала на оптимизацию, а только потом на расширение кампаний.
Каждая рекламная кампания разбита на группы. Мы можем увидеть, какие группы приносят больше всего покупателей, какие мало, а какие нет. Проблема в том, что мы не можем управлять доходностью каждой группы из-за особенностей автостратегии: доходность задается на уровне рекламной кампании.
Мы можем остановить их, только если результаты действительно плохие. Но мы не можем масштабировать определенные группы в кампании. Поэтому в торговых кампаниях мы разделили товарные группы на 3 кластера и работали с ними в зависимости от фактического ADR:
-
DRR близко к среднему (желтый) - оставляем эти группы в том же RC,
-
DRR значительно ниже среднего (зеленый) — выделяем его на отдельный AC и повышаем целевой DRR для увеличения охвата и получения большего трафика,
-
DRR значительно выше среднего (красный) — изолируйте в отдельный AC и уменьшите целевое DRR, чтобы уменьшить покрытие.
Группы и продукты с DRR более 50% были остановлены, поскольку их сложно оптимизировать:
В итоге, отключив и настроив неэффективные товарные группы, мы уменьшили долю расходов на рекламу в торговых кампаниях. Это позволило нам увеличить бюджеты на 30% и доходы на 100:
График доходов и расходов торговых кампаний за сентябрь–декабрь 2021 г
То же самое мы сделали с динамическими кампаниями. Кроме того, мы проверили все страницы, где были плохие результаты:
-
Мы рассмотрели поисковые запросы, которые они генерируют, и исключили некоторые слова.
-
Мы проверили страницы на сайте на полное заполнение карточек товаров.
-
Перенесено в отдельные кампании для корректировки стратегий.
-
Отключил все, где не работали предыдущие пункты.
через 2 месяца после запуска доходы начали быстро расти, что позволило постепенно увеличивать бюджет на динамические кампании. Получил 6-кратное увеличение дохода при 3-кратном увеличении DRR:
График выручки и ADR для динамических кампаний за сентябрь-декабрь 2021 г.
Что в итоге: результаты и планы
Всего за время работы над проектом с мая по декабрь 2021 года нам удалось добиться увеличения предполагаемой валовой прибыли ок. 7 раз. Отчасти на это повлиял рост спроса в декабре, но при сравнении показателей за 2020 и 2021 годы видно, что в декабре 2021 года прибыль была почти в 3 раза выше, чем в декабре 2020 года:
Обзор доходов и СРБ в 2021 г
Сравнение валовой прибыли с мая по декабрь в 2020 и 2021 годах
Забегая вперед, есть несколько сценариев дальнейшей оптимизации проекта.
1. Постоянная работа с ассортиментом. По мере накопления статистики выявляйте новые неэффективные и высокорентабельные продукты, чтобы отделить их и более эффективно управлять своим бюджетом. Механика работы была описана выше.
2. Разделить экономику проекта на привлечение новых клиентов и удержание существующих. У Марвина довольно много постоянных клиентов благодаря известному бренду и сети офлайн-магазинов. Но при этом привлечение нового клиента намного ценнее, чем привлечение постоянного, ведь новый клиент будет совершать повторные покупки и общий доход проекта будет расти в объеме. При этом на удержание существующих клиентов следует тратить меньше, чем на привлечение новых, чтобы получать от них валовую прибыль.
3. Улучшение анализов. Конверсии, используемые в текущих кампаниях по обучению стратегии, представляют собой заказы, размещенные на веб-сайте. На практике некоторые из них не совершили продажу: пользователь оформил возврат или просто отменил заказ на этапе доставки. Норма прибыли также варьируется в зависимости от категории. Поэтому для более точного подсчета финансов целесообразно импортировать заказы в рекламный кабинет Google Ads прямо из CRM заказчика. Тогда и мы, и автомобильные стратегии будут опираться на цифры продаж, которые почти реальны.
4. Работа с ключевыми словами. Из-за большого выбора и нехватки времени мы изначально полагались на торговые акции и DSA. Однако DSA сами по себе могут быть хорошим полигоном для проверки семантики обычных поисковых кампаний. Анализируя поисковую статистику, вы можете выделить те из них, которые стабильно приносят конверсии, и выделить их в отдельные группы. Это даст больше гибкости в бюджетировании: топовые ключевые слова не будут выжиматься из бюджета общей DSA-кампании, увеличится процент их показов, что приведет к увеличению прибыли.
5. Рост продаж за счет увеличения бюджета на СКК. Помимо торговых и DSA-кампаний, мы также запустили медийные кампании с той же сегментацией по категориям. В статье об этом не сказано из-за незначительной доли СКК в общей прибыли (менее 5%). Однако кампании запускались скорее в тестовом режиме и с небольшим бюджетом. Мы предполагаем, что более плотная работа с этим сегментом может дать 10-20% дополнительной прибыли.
6. Оптимизация подачи. Работа с фидом — это отдельная большая тема по управлению шоппинг-кампаниями. Поскольку ключевые фразы и объявления для торговых кампаний берутся из ленты, даже небольшое изменение названия товара может существенно повлиять на продажи. Это открывает большое поле для гипотез и экспериментов, и в нашей практике были случаи, когда оптимизация подачи увеличивала прибыль торговых кампаний в 2-3 раза.
Отметим, что одна из важных задач, которую мы ставим перед собой, — сделать так, чтобы заказчик не зависел от нас и мог в любой момент взять на себя управление кампаниями без потери результатов. Реализованная нами структура аккаунта позволила безболезненно передать проект внутренней команде, так как он синхронизирован с ассортиментом заказчика.
Кампании работают эффективно спустя почти год, у заказчика есть возможность корректировать бюджеты по категориям в зависимости от текущих приоритетов. Это позволяет держать продажи на стабильном уровне. Со своей стороны, мы готовы реализовать рассмотренные выше идеи развития, если вновь возникнет потребность во взрывном росте.
***
Подписывайтесь на Telegram-канал — мы публикуем там кейсы и статьи.
[my]БизнесМаркетингТорговляКонтекстная рекламаЯндекс ДиректДлинный пост 1 ЭмоцииБольше интересных статей здесь: Бизнес.
Источник статьи: Как архитектура рекламных кампаний влияет на выручку интернет-магазина: кейс 3X выручки на 60 000 SKU за 3 месяца.