ПРИМЕРЫ повышения эффективности

контекстной рекламы

Задача специалиста по контекстной рекламе – обеспечить максимальный возврат инвестиций клиента за счёт настройки, аналитики результатов, повышения конверсии, управления ставками и бюджетами.

Однако не всегда есть информация о продажах, чтобы можно было оценить возврат инвестиций. Например:• Часть транзакций делается у дилеров либо в офлайн магазинах/офисах. Часто встречается у сети магазинов.• Тип покупки предполагает длительное принятие решения и согласования, в результате реальная эффективность

рекламной кампании видна только через месяц или более. Часто встречается в B2B-сегменте. • Небольшие компании не готовы к внедрению кол-трекинга и CRM из-за расходов или необходимости

организационных изменений.

Как работать с эффективностью рекламных кампаний в условиях ограниченности данных?

Наш опыт:

КЛИЕНТ: Производитель металлических кованых конструкций (двери, ворота, решетки). Уже запущена рекламная кампания другим подрядчиком, которая даёт низкое качество трафика.

ЦЕЛЬ: Повысить эффективность отдачи контекстной рекламы.

ОСОБЕННОСТЬ: Сложно принимать решения на базе только онлайн-конверсий, поскольку основной поток заказов по телефону; Call Tracking в рамках текущих расходов подключать дорого.

РЕШЕНИЕ: Оптимизировать рекламную кампанию с ориентацией на качество трафика (уменьшить процент отказов, увеличить время на сайте):- Детально проработать семантику и включить низкочастотные запросы вплоть до семисловных- Отминусовать все нецелевые запросы и запросы с низкой глубиной просмотров- Установить раздельное управление ставками для Яндекс.Поиск и Яндекс.РСЯ

Кейс 1. Оптимизируем цену клика и семантику

РЕЗУЛЬТАТ:Количество переходов на сайт возросло, качество трафика улучшилось: в 3 раза возросло среднее время на сайте. Количество целевых посетителей (без учёта тех, кто ушёл с сайта) увеличилось на 58%.

Показатель До После Результат

Процент отказов 38,2% 15,2% В 2.5 раза лучше

Время на сайте 0:00:45 0:02:09 В 2.9 раза больше

Цена клика 15 руб. 13,2 руб. На 12% дешевле

Оптимизация

Оптимизация

Рисунок 1 – Процент отказов до и после оптимизации Рисунок 2 – Глубина просмотра до и после оптимизации

Кейс 1. Оптимизируем цену клика и семантику

КЛИЕНТ: Интернет-магазин строительных и отделочных материалов.

ЦЕЛЬ: Оценить эффективность рекламной кампании Яндекс.Директ по оформленным заказам. Перераспределить бюджет для получения максимальной конверсии.

ОСОБЕННОСТЬ: Значительное количество заказов поступает по телефону (особенность тематики), в то время как Яндекс.Метрика даёт возможность отслеживать только онлайн конверсию (заказы, оформленные через сайт).

РЕШЕНИЕ: Подключить Call Tracking и каждому источнику трафика присвоить свой номер телефона, чтобы в дальнейшем собрать статистику по тому, какое количество обращений по телефону было сделано посетителями, пришедшими из того или иного источника трафика.

Кейс 2. Оцениваем эффективность каналов

РЕЗУЛЬТАТ:Благодаря внедрению Call Tracking, появилась аналитика до звонков и до заказов с сайта, что позволило реально оценить эффективность каналов рекламы. Оценивая конверсию только по онлайн-заказам, видно, что Яндекс.РСЯ уступает Яндекс.Поиску в 2 раза (рис.7). При оценке по звонкам – выводы абсолютно противоположные (рис.8).

Рисунок 7 – Онлайн конверсия Яндекс.Поиск и Яндекс.РСЯ Рисунок 8 – Звонки с заказами по Яндекс.Поиск и Яндекс.РСЯ.

Яндекс.РСЯ

Кейс 2. Оцениваем эффективность каналов

КЛИЕНТ: Магазин изделий из искусственного камня. Основной вид конверсии – вызов замерщика через сайт и дальнейшая продажа.

ЦЕЛЬ: Увеличить количество вызовов замерщика через сайт в рамках бюджета.

ОСОБЕННОСТЬ: Яндекс.Поиск при максимальных ставках и охвате не давал требуемое количество переходов и заявок. РСЯ считался менее конверсионным каналом, расход на него был ограничен, в результате число заявок также было ниже ожидаемого.

РЕШЕНИЕ: Проведя аналитику эффективности каналов, выявили, что Яндекс.РСЯ на узкой тематике имеет существенно больший охват пользователей, чем Яндекс.Поиск (рис.9), при этом трафик с части площадок в Яндек.РСЯ даже более конверсионный, чем трафик с поиска. Было решено ограничить показы на РСЯ списком наиболее конверсионных площадок, увеличить ставку и перераспределить бюджет в пользу этого канала.

Кейс 3. Повышаем продажи с помощью РСЯ и фильтрации площадок

РЕЗУЛЬТАТ: В результате ограничения количества площадок РСЯ и перераспределения бюджета с Яндекс.Поиска на Яндекс.РСЯ, конверсия по оформлению заявки с сайта выросла в 2 раза (рис.10), а стоимость перехода была снижена. Таким образом, рекламная кампании стала приносить в 2 раза больше целевых обращений на сайт при неизменном бюджете.

Кейс 3. Повышаем продажи с помощью РСЯ и фильтрации площадок

Рисунок 9 – Количество пользователей в разрезе каналов трафика Рисунок 10 – Конверсия (вызов замерщика через сайт)

КЛИЕНТ: Розничный интернет-магазин женской одежды.

ЦЕЛЬ: Увеличить количество заказов с сайта без изменения бюджета на контекст.

ОСОБЕННОСТЬ: Высокая конкуренция при размещении в Яндекс.Директ по общим товарным запросам («купить платье», «интернет-магазин платьев»).

РЕШЕНИЕ: 1. После обсуждения с клиентом и анализа конкурентов выяснили, что существенная часть трафика по выбранным запросам – нецелевая, так как продукция клиента пользуется спросом в большей степени у женщин старше 30-35 лет. 2. Для более точного сегментирования – настроить рекламную кампанию по брендовым запросам конкурентов, которые наиболее похожи на клиента по представленной продукции, ценам и предполагаемой целевой аудитории. 3. Проработать тексты объявлений с учётом основных конкурентных преимуществ для целевой аудитории.

Кейс 4. Оптимизируем конверсию - меняем таргетинг

РЕЗУЛЬТАТ:Нестандартное таргетирование и настройка рекламной кампании под целевую аудиторию повысила конверсию и принесла значительный рост количества заказов через сайт по приемлемой для клиента цене клика. Необычный подход к таргетированию особенно применим в высококонкурентных тематиках, когда реклама по общим запросам не приносит нужного результата.

Кейс 4. Оптимизируем конверсию - меняем таргетинг

Рисунок 11 – Конверсии в разрезе рекламных кампаний

КЛИЕНТ: Производитель отопительного оборудования (печи, камины, котлы).

ЦЕЛЬ: Увеличить заказы с сайта.

ОСОБЕННОСТЬ: Низкий процент перехода пользователями из стадии начала оформления заказа в оформленный заказ.

РЕШЕНИЕ: Провести A/B-тестирование формы заявки. Исходный вариант: названия полей располагаются внутри, при наведении курсора текст исчезает (рис.12). Тестируемый вариант: названия полей вынесены за пределы поля, статичны (рис.13).

Кейс 5. Увеличиваем конверсию – тестирование форм

Рисунок 12 – Исходный вариант Рисунок 13 – Тестируемый вариант

РЕЗУЛЬТАТ:По результатам A/B-теста процент заполнивших форму вырос с 5,3% до 8,9% (рис.14). Т.е. пользователям комфортнее с предсказуемым контентом, когда надписи не исчезают при клике.Корзина – это тот элемент сайта, который всегда нуждается в обязательной аналитике, т.к. является последним шагом для покупки. И если этот шаг непонятен или отталкивает, то бизнес теряет главных посетителей. В реальной жизни это клиенты, которые стоят с протянутыми деньгами, но уходят, т.к. им не понравился процесс покупки.

Кейс 5. Увеличиваем конверсию – тестирование форм

Рисунок 14 – Результаты A/B-тестирования

КЛИЕНТ: Производитель отопительного оборудования (печи, камины, котлы отопления).

ЦЕЛЬ: Увеличить количество заказов с сайта.

РЕШЕНИЕ: 1. С помощью аналитики форм выявлено, что 30% пользователей уходят из корзины при заполнении формы, на этапе выбора способа доставки. Гипотеза – клиентам не хватает информации о доставке на этом этапе.3. Провести A/B-тестирование формы, на которой пояснить для чего нужно заполнить адрес и что будет происходить далее. Исходный вариант: без пояснений (рис.15), тестируемый вариант: с пояснением (рис.16).

Кейс 6. Увеличение конверсии формы

Рисунок 15 – Исходный вариант Рисунок 16 – Тестируемый вариант

РЕЗУЛЬТАТ:Конверсия нового варианта формы с пояснением оказалась лучше на 293% (рис.17), то есть заказы доводились до конца в 4 раза чаще по сравнению с исходной версией.

Кейс 6. Увеличение конверсии формы

Рисунок 17 – Результаты A/B-тестирования