Стандартная оптимизация способна уменьшить стоимость заказа на 46%

Стандартная оптимизация способна уменьшить стоимость заказа на 46%

Клиент: интернет-магазин косметики, более 20 тысяч товаров.
Основной источник заказов: контекстная реклама.
Стоимость привлеченного клиента из Яндекс.Директа: 1300 ₽.

Цели и задачи 

Проанализировать кампании. Определить точки роста. Определить пути снижения стоимости за привлечённый заказ. 

Цель: увеличение количества заказов, снижение стоимости привлечённого заказа минимум на 30%. Необходимая стоимость привлечения заказа — от 700 до 900 ₽. 

Наш подход

Основной источник информации для анализа: рекламный кабинет Яндекса и Google Analytics. В Google Analytics настроена электронная торговля, и все данные по транзакциям подтягиваются корректно. 

Первым пунктом работ мы обозначили анализ данных в системах веб-аналитики на протяжении года по срезам: 
  • кампании;
  • ключевые слова;
  • объявления;
  • мобильные устройства;
  • география;
  • время конверсий;
  • ассоциированные конверсии.
На время оптимизаций — мониторинг происходит ежедневно, 3–4 раза в сутки. 

Что мы сделали

1. Мы проанализировали данные по кампаниям и заметили, что кампания с общими запросами снизила свою эффективность по количеству транзакций и по стоимости заказа более чем на 40%. Мы начали искать причину спада и анализировать уже ключевые слова в данной кампании. 

2. Проанализировав ключевые слова по кампании, которая дала максимальный спад, мы заметили, что в кампании более 90% дохода приносили 7 ключевых слов. 

Кейс

3. Продолжив анализ, мы заметили значительное снижение позиций в выдаче по этим ключевым словам. 

Кейс

Кампании стояли на автоматической стратегии Яндекс.Директа, и первое, что мы сделали — это отключили автоматическую стратегию. Мы перешли на ручное управление ставками. Поставили 7 ключевых слов, которые приносили большую долю дохода на в спецразмещения (использовали собственный биддер ADLABS). 

4. Далее мы продолжили анализ ключевых слов. Выявляли ключевые слова, которые не приносили прямых и ассоциированных конверсий, и отключали. 

Сначала мы выгрузили ключевые слова, по которым не было конверсий за период трёх месяцев, а далее вручную пробивали их в отчёте «Ассоциированные конверсии» в Google Analytics. 

Кейс

Итогом работы стал список неэффективных 7–8 ключевых слов, которые мы отключили. 

Следующим шагом мы выявили запросы, которые также приносили заказы, но CPO выходило за рамки (1000–1500 ₽). По данным ключевым мы снизили ставки для удержания необходимого уровня CPO. 

Кейс

5. После внесения изменений мы начали замечать первые результаты. Однако мы не остановились на этом. Мы проанализировали данные в Google Analytics в разрезе городов. 

В результате выяснили, что 66 % всех заказов идёт из Москвы и области, остальные 34% — из регионов РФ. Также важный факт, что рекламные затраты на Москву и область занимали только 40% от бюджета, а 60% расходов шли на регионы. Это было совсем не оптимально. 

Кейс

Дополнительно выявили регионы, которые совсем не приносят заказов, но имеют заметную долю расходов. В результате анализа мы приняли решение разделить кампании на «Москву и МО» и «РФ». Также дополнительно в кампании на «РФ» мы сделали корректировки ставок с повышающим коэффициентом для городов с высокой эффективностью и понижающие корректировки для городов с низкой эффективностью. 

РК на Мск. Бюджет на Мск и МО выделили больше. Особенно усилили позиции по конверсионным запросам. 

Кейс

6. Мы продолжили анализировать кампании в Google Analytics в разрезе устройств. Заметили стандартную картину для рынка интернет-торговли, трафик с мобильных устройств хуже конвертировался в конечную продажу. Мы приняли решение задать понижающие корректировки ставок −25% на мобильные устройства. 

Кейс

Дополнительно сделали корректировки ставок по полу и возрасту 

Кейс

7. Следующим шагом анализа был анализ времени, когда совершаются максимальное количество конверсий. Мы заметили, что большее количество покупок делается в период 12:00–16:00, а также с 22:00–23:00. 

Кейс

В результате мы сделали повышающие корректировки +20% ставок на конверсионное время. 

Кейс

Результат

Кейс

Данный подход к оптимизации рекламных кампаний довольно стандартен и может использоваться на проектах различной сложности. Он описывает основы работы с аналитическими системами и то, как применение данных систем веб-аналитики может влиять на результаты бизнес-показателей 
В заключении дадим краткие рекомендации, что именно может помочь оптимизировать кампании. 

Советы для повышения конверсии и снижения стоимости привлечённого заказа

  1. Разделяйте рекламные кампании по географии и распределяйте бюджет в зависимости от эффективности в различных регионах. 
  2. Управлять ставками и оптимизировать кампании стоит с учётом конверсионности каждого ключевого слова. Стоит учитывать как прямые, так и ассоциированные конверсии. 
  3. Используйте корректировки ставок. Рекламные площадки дают возможность точно нацеливаться на нашу целевую аудиторию путём корректировок ставок по полу, возрасту, времени, гео. 
Применяйте эти меры по оптимизации в своих рекламных кампаниях, и вы увеличите коэффициент конверсии и снизите стоимость привлечения заявки или заказа. 

Источник: cossa.ru




Возврат к списку

Отзывы

Как это было!

IHSBM on Facebook

Подписка на новости