В 7 раз увеличили выручку c Директа не повышая ДРР

Когда бизнес масштабируется, доля рекламных расходов (ДРР) и стоимость привлечения покупателя растут. Однако нашему клиенту было важно оставаться в рамках стандартных KPI, и мы смогли решить эту задачу с помощью грамотной стратегии продвижения и маркетинг-микса. 

Клиент

Наш клиент — Mario Berlucci, интернет-магазин женской обуви. Мы сотрудничаем уже больше пяти лет. Ценовой сегмент товаров нашего клиента — выше среднего. Целевая аудитория — женщины 45+, которые хотят выглядеть стильно и элегантно. 

Контекстная реклама была драйвером продаж с самого запуска интернет-магазина Mario Berlucci. До 2018 года в штате компании был всего один специалист по контекстной рекламе. Он не справлялся с нагрузкой, и компания не получала активного развития. Поэтому Mario Berlucci обратился к нам и доверил внесение кардинальных изменений в performance-стратегию. 

Ход работ

Так как нам нужно было привлечь именно новых клиентов, в начале работы с Mario Berlucci мы решили оценивать и оптимизировать кампании с помощью атрибуции по первому клику. В этой модели 100% ценности конверсии присваивается первому переходу покупателя по объявлению Яндекс Директа на сайт. Это простой инструмент, позволяющий увидеть, какой контент привлекает реальных покупателей в воронку продаж. Благодаря этому мы смогли составить план, как пробудить интерес потребителей и нарастить объем новой аудитории. 

В дальнейшем мы оптимизировали этот подход, разделив рекламные кампании на два типа:

• показываются новой аудитории, не знакомой с брендом;

• показываются пользователям, посетившим сайт.

Эффективность рекламы, которая показывалась сегменту новой аудитории, мы продолжили оценивать по первому взаимодействию, а второй сегмент перевели на оценку и оптимизацию по последнему клику, что помогло нарастить продажи этой группе посетителей на 32%.

Модель отслеживания покупок по последнему клику наиболее часто используется в продвижении ecommerce-проектов. Она отдаёт всю ценность конверсии кампаниям, после перехода с которых были совершены покупки. При этом полностью игнорирует историю визитов, не учитывая заслуги других кампаний. 

Такой подход мы считаем не совсем верным, из-за чего часть кампаний мы анализируем по модели взаимодействия по первому клику. Именно она позволила нам отследить кампании, которые впервые привели будущих покупателей на сайт и повлияли на все последующие взаимодействия с сайтом с других кампаний и источников. Таким образом, мы по-разному подходим к анализу кампаний, выполняющих задачи на разных этапах воронки принятия решений, — от ознакомления с брендом до принятия решения о покупке.

Изначально мы показывали рекламу женщинам по всей России, чтобы собрать статистику и определить наиболее перспективные для нас регионы. Меньше всего конверсий и больше всего возвратов было в регионах Кавказа, Сибири и Дальнего Востока. Прибыль от продаж не покрывала затраты на логистику, поэтому в процессе размещения мы исключили эти города и области из показов рекламы. 

Реклама по конкурентам для привлечения новой аудитории

Женщины, которые еще не стали клиентами Mario Berlucci, покупали обувь у конкурентов. Чтобы привлечь их внимание, мы запустили кампании по запросам, включавшим упоминания брендов конкурентов: 

1. Поисковые кампании. Это основной инструмент, с помощью которого мы могли наиболее точно таргетироваться на аудиторию. Мы показывали рекламу людям, которые вбивали в поисковик запросы с упоминанием бренда Mario Berlucci или конкурентов, и тем, кто выражал желание купить женскую обувь. Также запустили динамические кампании по фиду и кампании с автотаргетингом, чтобы обработать запросы, не учтенные семантикой. 

2. Баннер на Поиске в Яндекс Директе по запросам с упоминанием конкурентов. Этот медийный формат показывался справа от результатов поиска Яндекса и позволял нам максимально охватить аудиторию, которая интересовалась брендами конкурентов. Тут всё стандартно — показывались по ключам с упоминаниями компаний-конкурентов. 

3. Сетевые рекламные кампании. В них мы также настроили таргетинг на пользователей, которые интересовались конкурентами. Им предлагали креативы с промокодами и скидками.

Также мы регулярно тестировали кампании, позволяющие собрать дополнительную аудиторию. Например, недавно на сайте появилась возможность использовать фильтры и показывать подборки обуви только под узкую или широкую стопу. 

Поэтому мы начали размещение по таким запросам.

Ремаркетинг на текущих клиентов

На текущих клиентов и пользователей, знакомых с брендом, мы запускали ремаркетинговые кампании — в смарт-баннерах показывали им карточки товаров, которыми они интересовались ранее. 

Также запустили общие товарные кампании по запросам, содержащим наименования из товарного фида: купить балетки, купить босоножки и т. п.

Помимо этого мы создали отдельные РК в Мастере кампаний по каждой категории: ботинки, кеды, кроссовки, туфли, ботильоны и т. д. В кампании добавили максимальный набор креативов — пять фото и два видео. Категории развели по разным кампаниям, чтобы в рекламе для каждой категории товаров использовать свои креативы. 

Машинное обучение и искусственный интеллект

У Mario Berlucci есть собственная ИИ-модель, позволяющая выделять из посетителей сайта тех, кто с высокой долей вероятности вернется и совершит покупку. ИИ анализирует тип пользователя и его поведение на сайте: как он взаимодействует с контентом, что делает, куда заходит. На основе этих данных модель дает прогноз на совершение покупки. 

Аудитории с потенциально высокой конверсией мы стараемся показывать рекламу чаще и добавляем в объявления персональные предложения и промокоды. Например, недавно запустили сетевую кампанию с креативами, побуждающими к покупке.

Во всех кампаниях с разными видами обуви мы корректировали список категорий, которые продвигали в тот момент: оставляли только сезонные и конверсионные. Например, зимой убирали из продвижения туфли и босоножки, а летом — угги.

Медийная реклама — первая точка касания

Чтобы охватить пользователей на самых ранних этапах воронки продаж, познакомить с брендом и сформировать интерес, мы регулярно использовали медийные кампании. Мы показывали рекламу:

• целевой аудитории бренда — женщинам, 45–54, 55+, с высоким уровнем дохода и интересом «красота и здоровье»;

• пользователям с высоким индексом конверсионности на основе имеющихся данных о покупателях, с интересами «одежда, обувь и аксессуары премиум-класса», «женская обувь», а поведенческими признаками — «магазины одежды, обуви, аксессуаров».

• пользователям, которые выражали интерес к магазинам конкурентов — Rendez-Vous, Ecco, Ekonika, Pazolini, Thomas Munz, Chester, Lady&gentleman, Baldinini, Mascotte.

Мы выявили самые конверсионные интересы пользователей — недвижимость, финансы, одежда, обувь и аксессуары. Пользователей с этими интересами вывели в отдельную группу и запустили на них кампанию с видеокреативами. На каждый из конверсионных интересов запустили разные виды роликов, чтобы потом проанализировать их эффективность по отдельности.

Оптимизация кампаний

Так как все кампании мы поделили на две группы, то и оценивали их тоже раздельно. Эффективнее всего себя показали:

• ремаркетинг по смарт-баннерам: CPA увеличивался на 10–15% при росте бюджета на 25–30%; 

• РК, запущенные через Мастер кампаний: за год привлекли почти 1500 заказов при фиксированном CPO — это 14% новых заказов; 

• товарные кампании: за год привели 11% новых заказов при росте расходов на запуск на 12%; 

• рекламные кампании на основе предиктивной модели клиента: за полтора года принесли 1050 заказов, что при расходе менее 1,8 млн рублей дало нам один из лучших показателей CPO среди всех кампаний. 

Мы увеличили бюджет на эти типы кампаний и начали тестировать новые таргетинги. Если кампания показывала эффективность ниже ожидаемой и целевой, мы искали ее слабые места в:

• поисковых запросах, которые тратили бюджет и не приносили конверсии;

• площадках в сетях, где было много показов и переходов, но они приносили мало конверсий;

• геотаргетингах или таргетингах по возрасту, с которых было мало заказов;

• эффективности отдельных категорий или групп внутри кампаний;

• текстовых и графических креативах.

В процессе работы с рекламными кампаниями мы столкнулись с проблемами обучения, когда кампании внутри аккаунта были слишком сильно сегментированы. Например, так было, если мы разделяли одну кампанию на 10–30 маленьких кампаний по городам. Это приводило к тому, что статистика «размазывалась» по всем кампаниям, и ее не хватало для полноценного обучения. 

Теперь мы создаем отдельные кампании только в случае, если у них разные таргетинги и целевые аудитории. Так что советуем запускать единую кампанию на все нужные вам регионы: так статистика будет накапливаться в одном месте, и у умных алгоритмов будет больше данных для обучения. 

Результаты

Нам удается каждый месяц привлекать новых клиентов при уровне ДРР не более 15% и CPA не более 2 500 рублей. Наше главное достижение — с 2018 по 2022 год мы оставались в рамках целевого CPO, но ощутимо приросли в обороте — с 4,1 млн до 28 млн рублей. 

В следующих запусках продолжим использовать performance-продвижение и раз в два–три месяца поддерживать его медийными флайтами.

Именно при плотной работе с агентством мы нашли наилучшие настройки атрибуции и точки роста. Команда MediaNation гибко подходит к нашим просьбам и требованиям, помогает экспериментировать, развиваться и достигать поставленных перед нами целей.

Азамат Тибилов

Директор по маркетингу в Mario Berlucci

Не пропустите новые полезные статьи о digital-маркетинге. Подписывайтесь на наш Телеграм-канал.