Как настроить рекламу финансовых услуг при множестве ограничений: кейс о работе с банком "Пойдём!"
Агентство Mello сотрудничает с АО КБ «Пойдём!» с июня 2019 года. У банка есть региональные отделения ? дирекции. Настройка рекламы стала сложной задачей не только из-за специфики банковской сферы, но и по другим причинам. В кейсе рассказываем о том, с чем мы столкнулись и как решали проблемы.
Отправная точка
Большинство данных по проекту находятся под NDA (договор о неразглашении данных), поэтому не можем рассказать о работе предыдущего подрядчика и ситуации до начала сотрудничества с командой Mello.
Начнем с задач, которые перед нами поставил заказчик:
- Формирование структуры аккаунта и перенос всех рекламных кампаний в один кабинет.
- Настройка аналитики для эффективного управления.
- Соблюдение KPI.
- Проведение тестов, поиск новых способов получения трафика.
- Масштабирование при невысоком росте CPL (Cost-per-Lead? платы за лид).
Первые шаги
Два направления работы
Прежде всего мы разделили работу над проектом на два крупных блока:
- Оптимизация старых рекламных кампаний и работа по их донастройке.
- Запуск новой рекламы.
Дальше определили приоритетность выполнения задач по времени, чтобы не браться за все и сразу, и составили для проекта упрощенную диаграмму Ганта. Ниже представлен один из вариантов таблицы. В дальнейшем мы ее редактировали, исходя из поступающих задач, собственных идей и анализа результатов.
Такая диаграмма удобна для планирования задач на крупных проектах и позволяет клиенту увидеть стратегию запуска.
Правила названия рекламных кампаний Многие рекламодатели, чтобы скрыть направление рекламы от конкурентов, шифруют таргеты в некий набор символов, но для нас важнее читаемость. В обозначении ранее настроенных и новых кампаний мы стали использовать названия с префиксами.
Пример:
- ключи брендовые? Brend;
- гео ? Волгоградская дирекция Volgogradskaya_district;
- поисковая рекламная кампания ? Search;
- итоговое название рекламной кампании ? Search_Brend_(Volgogradskaya_district_-_Vse_Goroda)_{campaign_id}.
Как видно из примеров префиксов, основные триггеры, по которым сегментированы рекламные кампании ? это:
- гео;
- тип;
- ключи.
В результате получилась удобная структура аккаунта. А чтобы не было путаницы, сделали шпаргалку со старыми и новыми названиями кампаний.
Запуск новых рекламных кампаний
Описание нашей работы в таблицах ниже.
Контекст
| Тип и название | Описание | Эффективность |
| Поиск и РСЯ: Свадьба | Ключи с кредитом на свадьбу | Малое количество лидов при удержании KPI |
| Поиск и РСЯ: Обучение | Ключи с кредитом на обучение | Очень малое количество лидов при удержании KPI |
| Поиск и РСЯ: Ремонт | Ключи с кредитом на ремонт квартиры | Малое количество лидов при удержании KPI |
| Поиск и РСЯ: Автотаргет | РК с автоматическим подбором ключевых фраз | Очень хорошее количество лидов, низкий CPL |
| Поиск и РСЯ: Однословники | Использовали ключ «кредит», было очень мало минусов | Среднее количество лидов при удержании KPI |
| РСЯ: LAL (Look-a-Like? настройка рекламы на аудиторию, похожую на посетителей сайта) | Использовали LAL баз клиентов и пользователей с сайта | Очень малое количество лидов, дорогой CPL |
| РСЯ: крат. интерес | Краткосрочные интересы: кредиты; рефинансирование кредитов; кредитные карты | Очень малое количество лидов, дорогой CPL |
Таргет
| Тип и название | Описание | Эффективность |
| MT: по ключам | Загрузили самые горячие ключи из контекста | Среднее количество лидов при удержании KPI |
| Все соц.сети: Кредит | Стандартный интерес ? кредит и другие на тематику банков | Очень хорошее количество лидов, низкий CPL |
| Все соц.сети: LAL | Похожие на тех кто был на сайте и тех кто оставил заявку | Среднее количество лидов при удержании KPI |
| MT: DMP (Data Managing Platform? платформы по управлению данными) | Сегменты пользователей представленными сторонними поставщиками данных | Очень малое количество лидов, дорогой CPL |
| ВК: приложения | Те, кто авторизовался через ВК на платформах по подбору кредитов | Очень малое количество лидов, низкая цена CPL |
Автоматизация создания, оптимизации и отчетностистарых и новых рекламных кампаний
Для этого мы подключили платформу К50, которая работает с Google Adwords и Яндекс.Директ. Система давно зарекомендовала себя на крупных проектах с бюджетом от 1 млн рублей в месяц.
К50 использует наработанную стратегию, основанную на CPL. Причем это не конкретная цифра, а диапазон цен ? сколько заказчик готов платить за каждого привлеченного клиента. Платформа оценивает эффективность каждого ключевого слова, заданного CPL и на основании этого автоматически каждый день обновляет ставки. В результате дневной бюджет распределяется равномерно и не бывает перерасходован.
Дополнительные действия для выполнения запросов клиента
Нашипервые шаги были довольно стандартными и не решали всех поставленных задач. Поэтому команда Mello приступила к разработке специальных решений.
Основная сложность в настройке рекламы банка «Пойдем!» ? у каждой региональной дирекции свой бюджет, который делится еще и по рекламным инструментам. При этом перед нами стояла задача ? один аккаунт для всех дирекций, что в разы усложняет работу с оптимизацией.
Наши действия в заданных условиях:
- Разработка таблицы наполнения дирекций.
- Создание внутреннего дашборда для контроля расходов.
- Запуск многоуровневого пулинга и выполнение дополнительных надстроек для него.
- Составление справочника UTM-меток для соцсетей.
- Определение формулы распределения средств по инструментам внутри каждой дирекции.
Таблица наполнения дирекций
Объединили в один 15 аккаунтов:
- переименовали рекламные кампании;
- создали шаблоны UTM-меток;
- проверили в каждой дирекции типы кампаний и кластеры ключей.
На последнем шаге собрали информацию в таблицу наполнения дирекций. В упрощенном виде она выглядит так:
Красным выделены отсутствующие рекламные кампании. Это резерв для увеличения охвата и, возможно, получения недорогих заявок на кредиты.
Внутренний дашборд для контроля расходов
У нашего заказчика 15 дирекций, у каждой свой бюджет и по 4 рекламные площадки. Необходимо было тратить деньги равномерно в течение месяца и получить максимальный профит с каждого инструмента.
Для решения такой задачи при помощи дополнения Google Analytics для Google Spreadsheet создали дашборд, в котором учитываются:
- бюджеты;
- остатки;
- средний расход.
В таблице есть визуально понятный триггер ? простое правило выделения ячеек, которое дает сигнал о срочной редактуре бюджетов/ставок.
Многоуровневый пулинг и дополнительные надстройки для него Для оптимизации работы, контроля расходов и эффективности рекламных кампаний мы использовали пулинг. Подробнее об этом инструменте читайте в нашем кейсе (ссылка на кейс по кабель.рф).
Пулинг позволяет выставлять ставки для всех кампаний усредненно. При этом какие-то из них работают лучше, какие-то хуже. Тут приходит простое и интуитивное решение: там, где стоимость лида дорогая, надо снижать ставки, а в тех случаях, когда дешевая ? повышать.
Становится понятно, что нужны разные пулинги. Взаимосвязь строится между рекламной кампанией и пулингом исходя из ее эффективности.
| Рекламная кампания | Количество кликов | Лиды | Стоимость лида | Что делаем? |
| A | 100 | 11 | 150% от KPI | понижаем на 1 уровень |
| B | 99 | 12 | 170% от KPI | понижаем на 2 уровня |
| C | 102 | 11 | 110% от KPI | Оставляем на текущем уровне |
| D | 120 | 10 | 100% от KPI | Оставляем на текущем уровне |
| F | 89 | 14 | 50% от KPI | Повышаем на 1 уровень |
Уровни пулинга:
- 2 (верхний) уровень ? повышение, ставки увеличены на 50%.
- 1 уровень ? повышение, ставки увеличены на 25%.
- 0 уровень ? ставки увеличены на 0%.
- -1 уровень ? понижение, ставки снижены на 40%.
- -2 (нижний) уровень ? понижение, ставки снижены на 60%.
Также мы создали и использовали вспомогательное событие, которое выставляло ставки, ориентируясь на эффективность ключей в абсолютных цифрах:
- отключали ключи, которые работали долго и неэффективно;
- не отключали ключи со средним сроком использования и эффективностью, но при этом снижали ставки;
- повышали ставки на фразы и слова, которые были эффективными в последние три дня и приносили лиды, например, по 100 рублей.
Это значит, что в пулинге шла работа и на установление оптимальных ставок, и на докручивание эффективности рекламных кампаний, исходя уже из других метрик. На проекте было разработано несколько таких правил, например:
Справочник UTM-меток для соцсетей В таргетированной рекламе в социальных сетях была путаница. Для того чтобы избежать этой проблемы, был создан справочник UTM-меток для проекта. С ним стало удобнее строить отчеты в Google Analytics по названиям и наблюдать за ситуацией. В справочнике кластеры зашифрованы в понятные UTM-метки, которые добавляются в рекламу, что позволяет отследить, где они использовались. Пример:
Формула распределения средств по инструментам Нам было нужно внутри каждой дирекции эффективно распределять средства между каналами рекламы (myTarget, VK, Яндекс.Директ и Google Аds), ориентируясь на их эффективность.
Для этого мы разработали формулу распределения средств, которая учитывает общую ситуацию по дирекции и эффективность каналов, после чего добавляет бюджет или снижает его.
Формула такова:
Трудности, с которыми мы столкнулись во время проекта Мониторинг результата Нам было важно агрегировать статистику по рекламным каналам в одном месте. Основным инструментом стал Google Analytics, так как именно там клиент наравне с нами мониторил результаты ведения рекламных кампаний и делал различные срезы для внутренней отчетности.
Проблемы с модерацией
В тематике банковских и финансовых продуктов очень важно соблюдать правила оформления баннеров, которые очень часто ошибочно отклоняются системой. А основная проблема, с которой мы столкнулись ? добавление на баннеры УТП и дисклеймера, размер которого, по мнению модерации, всегда был маленьким и нечитаемым, поэтому наши наработки отклоняли.
Анализ трафика по гео
Для внутренней отчетности клиенту нужны были срезы по количеству трафика, лидам и расходу бюджета на уровне городов и сел. Мы столкнулись с неточностями аналитических систем по определению местоположения кликов и сеансов. Например, по мнению Яндекс.Директа, клик был сделан пользователем из Волгограда, а Google Analytics приписывал этот сеанс Волжскому.
Результат
Большинство трудностей были ожидаемы, некоторые из них не решаемы и мы системно с ними боремся. На проекте отличный менеджмент, плюс грамотное распределение важности и срочности задач, поэтому, несмотря на сложности, нам удалось достичь таких результатов:
| Месяц | Отношение первого месяца к текущему по лидам | Стоимость лида от KPI |
| июнь | 100% | 48% |
| июль | 215% | 62% |
| август | 185% | 67% |
| сентябрь | 172% | 79% |
| ноябрь | 223% | 63% |
| октябрь | 240% | 66% |
| декабрь | 230% | 68% |
| январь | 227% | 62% |
| февраль | 229% | 68% |
| март | 162% | 71% |
| апрель | 198% | 69% |
| май | 181% | 63% |
Ситуация на проекте стабильная и понятна клиенту. За счет гибкости инструментов цена за лид приемлемая, но ее можно качественно менять, главное, делать это неударными темпами.
Вывод
Самое сложное в этом проекте? менеджмент аккаунта и удержание баланса между расходом и эффективностью. Так как мы основываемся на принципе тестирования гипотез: запускаем тесты, оставляем удачные и отсекаем неудавшиеся ? это позволяет нам не уходить в слепое прогнозирование, а работать непосредственно с полученным результатом, масштабировать и культивировать его. Хотя мы сотрудничаем с банком «Пойдем!» 9 месяцев, есть еще масса гипотез, которые ждут реализации.
Наши концепции и принципы помогли структурировать подходы к большому проекту, добиться прозрачного и эффективного менеджмента. А максимальное погружение руководителя группы интернет-маркетинга АО КБ «Пойдём!» в совместную работу повлияло на стремительное развитие проекта.
Автор: Роман Евстафьев, ведущий специалист по контекстной рекламе в Mello.
Полный текст статьи читайте на CMS Magazine
