Оптимизация контекстной рекламы в Google для VIPAVENUE17.03.2021 11:03

ЗаказчикИнтернет-магазин VIPAVENUE — часть крупнейшего регионального fashion-ритейлера AVENUE VIP с 20-летней историей. В состав сети AVENUE VIP входят 16 бутиков и 5 корнеров, включая корнер DIOR. ЗадачаУвеличивать доход при ограниченном проценте от дохода, который можно инвестировать в рекламу.

Интернет-магазин VIPAVENUE — часть крупнейшего регионального fashion-ритейлера AVENUE VIP с 20-летней историей. В состав сети AVENUE VIP входят 16 бутиков и 5 корнеров, включая корнер DIOR. Компания работает с более чем 350 брендами, такими как Prada, Gucci, Dolce&Gabbana, Valentino, Saint Laurent, Etro, Bottega Veneta, Hugo Boss, Michael Kors и другими.

Работать с интернет-магазином VIPAVENUE мы начали в июне 2017 года. На старте работали с SEO и контекстной рекламой. Позже, маркетинг стал комплексным: мы стали отвечать за динамический ремаркетинг, медийную и видео-закупку, таргетированную рекламу, email-маркетинг и продвижение мобильного приложения. Цель всегда была одна — увеличивать доход при ограниченном проценте от дохода, который можно инвестрировать в рекламу (эта метрика называется ДРР — доля рекламных расходов).

• Компания более 20 лет на рынке
• Более 75 000 товаров для мужчин, женщин и детей
• Амбициозные цели двукратного роста каждый год
• Активный, вовлечённый и очень требовательный клиент

Цель (в рамках этого кейса)

Увеличить доход из Google Ads в 1,5 раза («хотя бы до уровня Яндекс.Директ») с сохранением % инвестиций в рекламу от общего дохода. Эта метрика называется Доля Рекламных Расходов (ДРР) и у нас она была равна 15%.

То есть, чтобы сформировать доход в 100 000 рублей мы могли потратить не более 15 000 рублей.

• Увеличить доход из Google Ads в 1,5 раза
• Сохранить Долю Рекламных Расходов 15%

Как мы увеличивали доход интернет-магазина

Кардинально переделали стратегию ведения контекстных рекламных кампаний. Изначально мы создавали кампании, объединяющие ключевые слова по вендорам (производителям). Но потребление в fashion-cегменте в большей степени ориентировано на категории одежды, а не на бренд производителя. Мы переделали аккаунт, взяв в фокус категории. Это упростило менеджмент, оптимизацию и дало небольшой рост выручки.

Изменили стратегию назначения ставок. Объединили кампании в группы, что позволило передавать для машинного обучения больше данных о конверсиях и доходе. Настроили пакетную стратегию «Максимальная ценность конверсии» с целевым значением ROI. Это позволило быстрее обучить движок и получить заметное увеличение выручки.

Подключили умные торговые кампании. Создали специальный товарный фид под Умные Торговые Кампании (УТК), затем оптимизировали его в процессе работы. Экспериментировали со стратегиями и бюджетными настройками, проверили эффективность рекламы в Контекстно-Медийной Сети Google. В результате УТК привели к сильному росту.

Особенность — ярко выражена сезонность. Доход растет в периоды распродаж новых коллекций. В июне sale составлял 30%, в июле и августе до 50%. Такие же акции были и в зимние месяцы. Благодаря этому, июль, август, январь и февраль — самые доходные для магазина.

Проблема на проекте

Клиента не устраивало, что показатели контекстной рекламы в Google Ads отставали от результативности рекламы в Яндексе. Показатели Директа были в два раза лучше. В мае 2018 года клиент попробовал решить проблему передачей проекта другому агентству, но результат остался на том же уровне. В январе 2019 года клиент вернул работу с Гугл нам и дал второй шанс.

Решения

1. Изменили стратегию сбора кампаний и отбора ключевых слов в семантическое ядро: сместили фокус с бренда на категорию товаров

Изначально мы строили рекламный аккаунт, работая с поисковыми запросами вида «вендор (производитель) + категория товара». Например «Valentino платья», «Hugo мужской костюм» и т.д. Нам казалось это логичным: человек, который вбивает в поисковик запрос без бренда, может искать товар в низком или среднем ценовом сегменте, а они нам не нужны.

Всего в ассортименте VIPAVENUE представлено более 350 брендов. Структура аккаунта была сформирована по принципу «Один бренд-производитель — одна кампания». Внутри каждой кампании было множество мелких групп, в основном разбитых по категории товара: пальто, брюки, платья и т.д.

Из-за сезонности бизнеса нам приходилось регулярно прорабатывать каждую отдельную кампанию. Например, очевидно, что летом на пальто спрос меньше, чем весной.

На этом графике мы видим спрос на бренд Philipp Plein. Он ровный в течение двух лет, если не считать спад в период короновирусной самоизоляции.

А так выглядит спрос на куртки бренда. Весной и осенью спрос выше, летом и зимой, очевидно, спроса почти нет. Таким образом, при нашей организации аккаунта мы каждый сезон должны были включать и выключать категории товаров внутри кампаний по каждому бренду-производителю.

При таком подходе было 2 проблемы

1. Неудобно управлять. Каждую смену сезона надо было включить одни группы объявлений и выключить другие. Аналогичная проблема была и при экспериментах с текстами, семантическим ядром и бюджетом. Из-за этого работа не была эффективной.

2. Запрос не ведет к заказу. Бренд купленного товара не всегда соответствовал бренду, по которому пришел пользователь. Например, человек вбил в поиск «Куртка мужская BOSS», зашел в интернет-магазин и заказал куртку Gucci.

Появилась гипотеза о первичности категории, а не вендора. Согласно этой гипотезе, пользователь, заинтересованный в покупке пальто одной марки, может выбрать пальто другой марки в том же ценовом сегменте. Яндекс подтвердил нашу гипотезу своими исследованиями, материалы которых были озвучены на конференции «Yandex fashion day». Аналитики обнаружили, что далеко не все потребители покупают вещь именно того бренда, который вбивали в поисковик.

Если мы изменим структуру аккаунта и пересоберем кампании по категориям одежды, то структура станет релевантна поведению пользователей, и работа станет эффективнее: ускорится включение и выключение сезонных товаров, редактирование семантического ядра, корректировка ставок и проведение экспериментов.

Идея сместить приоритет с брендов на категории товаров возникла у нас в конце 2019 года. До февраля 2020 года мы занимались переработкой кампаний.

Структура аккаунта стала заметно меньше, а главное — более удобной для работы. Мы изменили критерии распределения бюджета. Стало проще включать и выключать кампании в сезон, управлять кампаниями в сетях и на поиске при необходимости. Ускорилась работа с креативами, к тому же такая организация аккаунта позволила увеличить их релевантность.

Небрендовые кампании (Январь — Сентябрь 2019)

• 130 Транзакций
• 5,6 млн Доход
• 2,5 млн Расходы

Небрендовые кампании (Январь — Сентябрь 2020)

• 133 Транзакции
• 6,9 млн Доход
• 1,5 млн Расходы

В результате, доход увеличился на 21%

А ДРР (% инвестиций от выручки) снизился в 2 раза

2. Изменили стратегию назначения ставок

Для поиска и сетей мы использовали автоматические стратегии назначения ставок. Кампаний было много, управлять ими вручую было бы нерезультативно. Ручное назначение ставок можно использовать, когда известны наиболее эффективные ключевые слова и места размещения, чтобы перераспределять бюджет в их пользу. Но спрос на элитную одежду постоянно меняется, поэтому было разумнее отдать распределение ставок автоматическому биддингу. Однако, даже спустя год, автостратегии Гугл не давали стабильно хороший результат.

Работать с автостратегиями и дальше не было смысла. Мы решили сменить тактику и в конце июля 2020 года обратили внимание на пакетные стратегии Google Ads.

Пакетная стратегия — это инструмент управления стратегиями. Необходимо выбрать правильную автостратегию, настроить ее и применить к разным кампаниям, объединив их одной целью. Автостратегия направлена только на одну кампанию, а пакетная — для разных кампаний и в любом количестве. Нам не придется дублировать настройки, а главное — система будет быстрее обучаться. Когда все кампании объединены одной общей целью, система получает больше данных и эффективнее работает с бюджетом.

Начало эксперимента: июль 2020 года.

Стратегия: «Максимальная ценность конверсии» с целевым значеним ROI. Эта стратегия использует машинное обучение для оптимизации ставок на аукционах.

Цель: «Повышение доходности» и настраиваем отслеживание конверсий. Влияние сезонности на спрос Google будет учитывать сам, поскольку ставки оптимизируются прямо на аукционах — в режиме реального времени.

Июль 2020

• 9,3 млн — доход
• 483 тыс — расходы

Сентябрь 2020

• 22,7 млн — доход
• 781 тыс — расходы

В результате, доход увеличился в 2,5 раза

А ДРР (% инвестиций от выручки) снизился на 34%

3. Умные торговые кампании

На поиске Google мы использовали обычные торговые кампании. В начале 2019 года результаты были неудовлетворительными: конверсии из кампаний приходили нерегулярно и были дорогими. Объявления часто показывались по запросам без указания бренда производителя. Для премиум сегмента такие запросы являются нецелевыми, поэтому много времени уходило на поиск и добавление минус-слов.

Мы предпринимали разные попытки переработать торговые кампании, но результаты оставляли желать лучшего. Поэтому в мае 2019 года мы приняли решение остановиться. Но уже осенью запустили эксперимент с умными торговыми кампанями.

Основное отличие между стандартными и умными торговыми кампаниями кроется в том, что последние используют для автоматизации машинное обучение. Система сама назначает ставки, анализируя вероятность покупки каждого конкретного пользователя.

Мы создали и добавили фиды с актуальными товарами магазина, создали специальные рекламные объявления для этого типа кампаний, выбрали стратегию и установили бюджет. Первоначально в работе с УТК мы использовали стратегию «максимум конверсий». Однако наилучших результатов мы достигли, сменив стратегию на «максимальная ценность конверсии».

Торговые кампании (Февраль — Апрель 2019)

• 8 транзакций
• 200 тыс — доход

Умные торговые кампании (Февраль — Апрель 2020)

• 201 транзакций
• 6,1 млн — доход

Еще одна особенность УТК в том, что она объединяет стандартные торговые кампании и кампании с ретаргетингом в контекстно-медийных Сетях (КМС).

Мы работали с КМС кампаниями, направленными на возврат заинтересованной аудитории обратно на сайт (ретаргетинг). Использовали разные критерии выделения заинтересованных пользователей: возвращали людей, которые добавляли товары в корзину и в избранное, которые долго выбирали товары и т.д. Результаты нас устраивали: с мая по сентябрь 2019 года среднее количество транзакций составляло 24 штуки в месяц.

В октябре после запуска умные торговые кампании стали тянуть одеяло на себя. Результаты ретаргетинга в КМС снизились сначала в 2 раза, а ближе к декабрю и в 4 раза. В июле 2020 года мы решили отказаться от ретаргетинга в КМС в пользу только умных торговых кампаний.

Особенности подхода к работе с УТК

1. Плавное контролируемое увеличение дневного бюджета. Работа с дневным бюджетом — самый понятный способ масштабирования. Однако резкое изменение бюджета может привести к тому, что система заново уйдет на обучение, и мы потеряем 3–5 недель: снизится доход, вырастет ДРР. Поэтому мы регулярно повышали бюджет на незначительный процент. При этом следили, чтобы система стабильно соблюдала заданное ограничение по рентабельности инвестиций.

2. Оптимизация товарного фида. Для расширения охвата мы составили подробные информативные атрибуты Title, добавили, помимо обязательных, все доступные релевантные дополнительные атрибуты. Сегментировали кампанию по категориям и брендам для детальной оценки её эффективности.

На синем графике видно, как в результате наших действий вырос доход, а на красном виден рост ROI.

Итоги

В 2020 году сократили долю брендовых (где используются ключевые слова, включающие название компании «VIPAVENUE» в разных написаниях) кампаний в выручке интернет-магазина в 2 раза, в сравнении с 2019 годом.

• Доля брендовых кампаний в выручке интернет-магазина в 2019 году — 80%
• Доля брендовых кампаний в выручке интернет-магазина в 2020 году — 45%

За год снизили долю рекламных расходов (ДРР) в 2 раза по небрендовым кампаниям на поиске Google.

• ДРР на небрендовые кампании в 2019 году — 49%
• ДРР на небрендовые кампании в 2020 году — 23%

В результате последовательной работы и экспериментов, удалось увеличить сумму заказов, которые формируют пользователи, приходящие из Google Ads, до уровня, сопоставимого с доходом из Яндекс.Директ.

Причем, увеличивая доход в Google Ads, мы в целом снизили объем инвестиций в рекламу!

• Средний ДРР в Google Ads в 2019 — 8,12%
• Средний ДРР в Google Ads в 2020 — 4,6%
• Средний ДРР в Яндекс.Директ в 2019 — 15%
• Средний ДРР в Яндекс.Директ в 2020 — 11,6%

Выводы

1. Маркетологам. Постоянно анализируйте результаты и запускайте эксперименты.

Маркетинговая стратегия, которая оказалась эффективной на одном проекте, может не привести к высоким результатам на другом схожем проекте. И даже если она показала высокий результат, возможно есть более результативное решение. Используйте прошлый опыт при выборе начальной стратегии, но не зацикливайтесь на ней, анализируйте метрики, формируйте новые гипотезы и тестируйте их.

2. Клиентам. Выбирайте вдолгую.

Не выбирайте маркетинговое агентство по логике: «Мы потестируем 1–3 месяца и решим». За 1–3 месяца маркетинговое агентство сможет проверить несколько гипотез, и даже если они окажутся неудачными, они получат статистику и опыт для формирования следующей гипоетзы, которая с более высокой вероятностью окажется результативной. Передавая проект другому агентству, есть риск, что и новое агентство пойдет аналогичным путём и впустую потратит эти три месяца.

3. Агентствам. Погружайтесь в специфику клиента и сохраняйте опыт.

Если сотрудничество строится на основе долгосрочного партнерства, вы можете всесторонне погрузиться в заказчика. Изучайте тенденции развития отрасли, участвуйте в ключевых образовательных мероприятиях, организумых клиентом или третьими лицами в рамках отрасли клиента, изучайте исследования аналитиков, получайте обратную связь от клиента и обсуждайте её, думайте вместе. И обеспечьте сохранность этих знаний в организации, в команде проекта. Расширяйте команду и по возможности реже меняйте ключевых сотрудников в проекте.

Перейти на сайт

Полный текст статьи читайте на CMS Magazine