Взлом непослушных автостратегий Директа: в 2 раза увеличили продажи магазина матрасов после 10 предыдущих подрядчиков
Виват, Хабровчане! Несмотря на то, что мы открутили бюджеты в сотни миллионов рублей десяткам клиентов, до сих пор регулярно ловим инсайты в работе с Яндекс Директом, проводя эксперименты. Ими и хотим поделиться с вами. Поймете, как лучше работать с рекламным кабинетом Яндекса в 2024 году, чтобы не наломать дров.
Рассказываем на примере интернет-магазина матрасов. Как всего за месяц нам удалось поднять доход с рекламы с 3,4 до 9,7 млн ₽ при сохранении текущего уровня бюджета. Но не обошлось и без фейлов: одна гипотеза подняла ДРР до 300%. И почему не стоит сильно закручивать гайки автостратегиям, как приводить клиентов только с большим средним чеком и как отучить алгоритмы приводить на сайт любителей класть в корзину, но не заказывать.
Клиент сменил 10 подрядчиков и не мог повысить доход. Реклама была убыточной, ДРР — 40%
Нашим клиентом стала федеральная сеть магазинов мебели для спальни и постельных принадлежностей. Из любопытного — у них самописная сквозная система аналитики. В нее передавались данные из платежной системы, благодаря чему мы точно знали, сколько какой клиент принес денег. К сожалению, не можем показать дашборды, потому что проект под NDA, но скажем так — дизайн напоминает Universal Google Analytics.
Перед нами поставили задачу: повысить доход при сохранении текущего уровня рекламного бюджета, тем самым, снизив ДРР.
Мы начали работу не с нуля: реклама в Директе уже велась до нас. Клиент успел сменить несколько подрядчиков, поскольку никто из них не смог выйти на нормальный уровень окупаемости рекламы. Но нам это было только на пользу.
Когда на проекте уже есть история ведения контекста, даже если она печальная, это лучше, чем ничего. Негативный опыт предыдущих кампаний позволяет лучше погрузиться в проект и сходу выстроить ряд гипотез. Когда же предыдущий опыт более-менее ок — это еще лучше. Надо просто убрать неэффективное и расширить эффективное. И, может, добавить что-то новое, но оно уже встанет на прочный фундамент.
Предыдущий подрядчик вел рекламу недостаточно хорошо — средний ДРР по больнице кампаниям равнялся 39,7%. Конкретно в этом бизнесе такой показатель ДРР говорил, что реклама была нерентабельной. На всякий случай упомянем: ДРР — это доля расходов на рекламу в соотношении к доходу от нее. В данном случае доход — это выручка с рекламы.
Когда мы погрузились в проект, результаты ведения рекламы оказались еще хуже.
Что выяснилось при детальном рассмотрении:
Оказалось, что объявления по брендовым запросам маскировали проблемы в кампаниях, которые должны были приводить новых клиентов. ДРР небрендовых объявлений был 52,19%. Товары не были настолько маржинальными, чтобы половина прибыли могла уходить на рекламу. А реклама по брендовым запросам имела «красивый» ДРР в 6,25%.
Ладно, мы пошутили. Мы покажем данные (но не дашборды)
Кстати, по другим срезам тоже были интересные инсайты: например, ДРР у объявлений с рекламой подушек и одеял превысил 429%. Как видите, среднее не просто лукаво — оно может быть даже губительно.
Еще пример: неэффективные кампании со слишком большой стоимостью достижения цели
В общем, кампании по привлечению новых покупателей были убыточны.
Поэтому так важно сегментировать ключевые метрики по разным срезам — нужно знать, что именно оптимизировать. Как в случае с брендовым трафиком: если человек указывает в запросе название компании, то он с большей вероятностью уже является ее клиентом. Даже если он покупает товар на сайте впервые, он уже откуда-то знает о магазине. Он с таким же успехом мог попасть на сайт из органической выдачи.
Некоторые ошибки были настолько глупыми, что их даже неловко тут упоминать. Но мы упомянем. Да, вы прочитаете, подумаете, что никогда бы так не сделали. Но лучше еще раз отметить про себя — все надо перепроверять.
Например, самая трафиковая и активная кампания работала на достижение конверсионной цели «Покупка: кровать». То есть кампания продвигала все группы товаров, а алгоритмы видели конверсию только в том случае, когда кто-то с рекламы покупал кровать. Неудивительно, что спустя пару месяцев кампания почти перестала откручиваться — алгоритмы не могли обучиться на низкоконверсионной и нерелевантной цели.
Еще пример: в РСЯ использовались изображения с текстом, но не учитывалось, что изображения адаптируются под баннеры разных размеров. Из-за этого на большей части форматов текст не было видно.
В довесок:
объявления с опечатками,
реклама на уже состоявшихся покупателей из Директа,
кампании с давно остановившимся обучением автостратегий, понижающие корректировки на прибыльные сегменты аудитории,
вообще не протестированные рекламные форматы и так далее.
Скажем, вот: люди возраста 18–24 лет обладали самой низкой ценой достижения цели, но на эту возрастную группу настроили понижающую корректировку в 20%. Это значит, что данная возрастная группа получала на 20% меньше бюджета в сравнении с другими группами. Правильнее было бы наоборот: поднять траты бюджета на этот сегмент
Начали тестировать гипотезы, чтобы повысить доход и рентабельность рекламы
В общем, мы выявили несколько существенных проблем и сгенерировали идеи по их решению. Отыскав их, мы решили, что сможем быстро снизить ДРР. Как нам казалось, каждая из гипотез должна была принести отличный результат, но нет — половина из них сделала показатели только хуже.
Расскажем об удивительных открытиях, с которыми мы столкнулись.
Отрезали все, что не конвертило — уронили ДРР до 170%
Проблема:
Некоторые кампании тратили много денег в никуда из-за того, что не были оптимизированы по статистическим данным. Реклама показывалась на широкую аудиторию: бюджет уходил как на конверсионные запросы, так и на те запросы, что не приносили продаж.
Суть гипотезы:
Используем стратегию «Максимум конверсий с оплатой за клики». Тем самым продолжаем обучать алгоритмы Яндекса, но направляем их вручную.
Делим аудиторию на две группы, где фильтруем ее по самым конверсионным срезам и поисковым запросам.
Подробности:
Мы выбрали для теста две поисковые кампании с худшими результатами и подготовили их к запуску на пяти городах. Это нужно, чтобы эффективные кампании продолжили работу во всех остальных городах, а тестовые кампании не конкурировали с ними за спрос и верхние места в выдаче.
Тестовые кампании разделили на две группы:
В первой решили показывать рекламу на женщин 25–54 лет и только на мобильные устройства — это были самые конверсионные срезы. Еще настроили показы только в те часы, когда заключалось больше всего сделок. Всем, кто не попадал под эти условия, реклама не показывалась вообще.
Во второй выделили самые конверсионные поисковые запросы и вручную подняли их ставки в аукционе. Это нужно, чтобы перебить конкурентов и занять первые-вторые места в платной выдаче. Еще мы установили высокие недельные бюджеты, чтобы реклама отрабатывала как можно больше поискового спроса.
Так выглядели корректировки по наиболее конверсионным часам и соцдему
Результат: отрицательный. ДРР кампаний до теста — 51%, в ходе теста — 170%. Кампании уже были убыточными, но после нашего вмешательства дела стали только хуже.
Вывод: если сильно ограничивать алгоритмы Яндекса, они ломаются.
Перестали гнать «корзинщиков», настроив цель не на добавление, а на переход в корзину — продажи выросли
Проблема:
В одной из кампаний, где шла оптимизация по конверсионной цели «Добавление в корзину», упали продажи. Автоматика начала гнать только «корзинщиков», и мы решили донастроить эту кампанию.
Суть гипотезы:
Пользователи используют корзину на сайте не по назначению, так как нет функций сравнения товаров и добавления их в «Избранное».
Добавление на сайт недостающих функций и оптимизация по цели «Перешел в корзину»
Подробности:
На сайте не было функций для сравнения товара и его добавления в «Избранное». Поэтому алгоритм Яндекса оголтело гнал клиентов, которые присматривали товар на отдаленное будущее, но не собирались его покупать.
Вначале мы решили оптимизировать кампанию через настройку конверсионной цели. Мы сделали составную цель, где пользователь должен был сначала добавить товар в корзину, а после — купить его. Но это не помогло.
Поэтому мы поправили цель: заменили добавление товара в корзину на переход в нее. Вроде мелочь, а продажи выросли на 30%.
По нашим витиеватым названием конверсионных целей можно догадаться, что у нас их много
Уже после мы добавили функции «Сравнить» и «Избранное». Просто поправить цель в Яндексе быстрее, чем сайт. И это тоже принесло плоды: мы не только улучшили юзабилити сайта, дополнительно снизив процент «корзинщиков», но и добавили новые точки роста для ретаргетинга. Через рекламу мы возвращали на сайт людей, которые пользовались этими функциями, еще сильнее подняв продажи.
Результат: положительный. В рамках равных временных периодов было 34 продажи, а стала 51 продажа.
Вывод: если вы обучаете роботов Яндекса на промежуточной цели, вместо добавления в корзину лучше использовать переход в корзину. Это цель, которая ближе к фактической покупке, поэтому оптимизация по такой цели даст больше продаж. Еще надо убедиться, что на сайте есть функции «Сравнить» и «Избранное», чтобы корзину не использовали вместо этих функций.
Пытались обучить Мастер кампаний и товарную кампанию на конверсиях из поиска — подняли ДРР до «рекордных» 300%
Проблема:
Суть гипотезы:
Заметили, что в кампаниях формата «Мастер кампаний» и «товарная кампания» большая часть покупок приходит из поисковой выдачи — там эти кампании тоже показываются.
Сделали составную цель для оптимизации только по конверсиям из поиска. В ней первым этапом был переход из поиска, а вторым — покупка.
Подробности:
Кампании формата «Мастер кампаний» и «товарная кампания» были нашими драйверами продаж. Если коротко, то это автоматизированные кампании, которые показываются как в РСЯ, так и на поиске. В них система сама выбирает условия для показа рекламы: по каким запросам и на каких площадках. Это зависит от посадочной страницы и текста объявления. Разница между форматами лишь в том, что товарная кампания может формироваться из данных фида — таблицы, в которой содержится информация обо всех товарах каталога.
Мы заметили, что в кампаниях этих форматов стоимость привлечения заказа из поиска ниже, чем из РСЯ. И решили дать алгоритмам Яндекса сигнал, что нам нужны именно такие покупки. Для этого мы создали составную цель. Ее первым этапом был переход пользователя из поисковой выдачи, а вторым — покупка. Мы подумали, что можем использовать такую цель, чтобы дать сигнал системе, что нам нужно приводить именно таких пользователей.
Так выглядит составная цель в Яндекс Метрике
Идея не сработала. Продажи с поиска почти не изменились, продаж с РСЯ стало чуть больше. Но и некачественных площадок стало больше: ДРР по рекламной сети вырос до 300%. Алгоритмы Яндекса не смогли выполнить нашу задачу.
Результат: отрицательный. В РСЯ появилось больше некачественных площадок, а заказов с поиска больше не стало. Из-за этого ДРР с РСЯ поднялся до 300%.
Вывод: не использовать для обучения алгоритмов в Мастере кампаний и товарных кампаниях более частные цели, как покупка из поиска. В этих форматах рекламы объявления показываются не только в поиске, но и в РСЯ. Иначе алгоритмы «заглючит» и они начнут показывать рекламу где попало.
Объединили объявления с 40 региональных поддоменов на общий домен для лучшего обучения алгоритмов
Проблема:
Одни и те же объявления показывались на разные поддомены, что, на наш взгляд, мешало обучаться алгоритмам Яндекс Директа.
Суть гипотезы:
В кампаниях по городам нужно было указывать ссылки на страницы с поддоменами. На наш взгляд, это мешало обучаться автостратегии, ограничивая ее выборку.
Мы решили создать общие ссылки на товары для разных городов, чтобы автостратегия обучалась на большем количестве достижений целей.
Подробности:
Сайт был с региональными поддоменами. Одним из требований клиента было вести вести трафик на посадочные страницы по регионам. Скажем, если группа объявлений показывается по Краснодару, то и вести реклама должна на краснодарский поддомен.
В связи с этим у нас возникла гипотеза: что, если необходимость вести людей на поддомены мешает обучаться автостратегии? Да, одна кампания может включать в себя группы объявлений по разным городам и иметь общую цель для обучения. Но кто знает, как там работают алгоритмы Яндекса: вдруг наличие поддоменов и деление запросов по посадочным страницам разных сайтов является проблемой для обучения?
После того, как мы согласовали тест гипотезы, мы начали вести людей из разных городов на один сайт. И это принесло свои плоды: рекламные кампании стали быстрее обучаться и получать больше лидов.
Для теста мы выбрали слабые кампании с высоким за последнее время ДРР (от 80%), с которых получали 2–3 конверсии в неделю.
В итоге тест прошел так:
1 неделя: 2 продажи, ДРР 128%;
2 неделя: 20 продаж, ДРР 40%;
3 неделя: 21 продажа, ДРР 33%.
Результат: положительный. В этих кампаниях мы получили рост продаж в 9–10 раз при снижении ДРР примерно в 2,5 раза!
Вывод: если на вашем сайте используются поддомены для лучшего SEO, контекстную рекламу все равно лучше настраивать на один сайт для аудитории из разных городов. Так вы обеспечите алгоритмы Яндекса большей выборкой для обучения.
Исключили показы нерелевантных объявлений у автотаргетинга: упали охваты и продажи
Проблема:
Невозможность отключить автотаргетинг, который порой показывает объявления из одних групп по запросам из соседних групп. Например, показывает объявление с жесткими матрасами в ответ на запрос «мягкий матрас».
Алгоритму Яндекса все равно, он так чувствует
Суть гипотезы:
Добавление в минус-слова групп объявлений маркерных запросов. Например, добавление минус-слова «матрас» в группу объявлений с расширениями запроса «мягкий матрас», чтобы по этим запросам показывались только объявления, рекламирующие мягкие матрасы.
Показ объявления можно проверить с оператором «минус», который исключит из запроса слова, что не должны попадаться в выдаче
Подробности:
Буквально несколько месяцев назад Яндекс еще сильнее закрутил гайки рекламодателям, сделав невозможным отключение автотаргетинга. А алгоритмы часто действуют вразрез с логикой: например, показывают людям объявления с беспружинными матрасами по запросу «пружинный матрас».
До обязательного автотаргетинга схожая проблема решалась кросс-минусовкой запросов между группами. То есть, в группу объявлений с маркерным запросом «пружинный матрас» нужно было добавить минус-слова с нерелевантными маркерными запросами, такими как «беспружинный матрас».
Но автотаргетинг не остановить: он может показывать нерелевантные объявления по таким поисковым запросам, которые вы могли не найти с первой, второй и даже третьей попытки. Чтобы полностью исключить возможность показа нерелевантных объявлений, нужно добавить вообще все возможные минус-слова — для этого кампанию нужно регулярно «прочищать», выискивая новые минус-слова в статистике показов объявлений.
Поэтому мы решили поступить хитрее: добавить в минус-слова маркерный запрос «матрас», чтобы отминусовать все его возможные расширения: например, «матрас беспружинный розовый». В этом случае реклама бы показывалась только по тем поисковым запросам, что собраны в группе для показа. В Яндекс Директе действует правило: если поисковая фраза добавлена в группу или кампанию для показа, она перебивает ограничения минус-фраз.
И это сработало, но не так, как мы хотели. Людям действительно стали показываться только релевантные объявления, но с внедрением ограничений резко упали охваты. А с ними и продажи.
В общем, с роботами Яндекса нужно работать как с людьми: принять, что они могут порой косячить, но при этом давать больше пользы, нежели вреда. Разве вам бы понравилось, если бы на вашей работе вам пришлось все делать по указке, не оставляя пространства для полета творческой фантазии? То-то же.
Результат: неудовлетворительный. Стали показываться только релевантные объявления, но сильно упали охваты, и, как следствие, продажи.
Вывод: даже ограничение нерелевантных показов объявлений может сделать результаты хуже, потому что от этого пострадают охваты. Нельзя слишком ограничивать аудиторию, на которой учатся роботы Яндекса.
Сделали цель «Корзина от 25 000 ₽»: снизили ДРР с 36 до 24%
Проблема:
ДРР выше порога рентабельности из-за нормального количества продаж, но низкого среднего чека.
В поисковых кампаниях и Мастере кампаний нельзя поставить фильтр по цене товара, как это можно сделать в товарной кампании.
Суть гипотезы: настроить цель «Корзина не ниже определенной суммы»
Подробности:
В одной из хорошо работающих кампаний автоматика дала сбой: начала приводить людей, которые делали дешевые покупки. Средний чек снизился: как следствие, выросла доля рекламных расходов. Чтобы направить работу алгоритмов Яндекса в правильное русло, нужно было дать сигнал системе, что нам нужны более высокие средние чеки.
Такую задачу можно решить парой способов. Например, убрав из фида товары с низкими чеками или используя фильтры по стоимости, которые доступны в динамическом поиске и смарт-баннерах. Но такие опции недоступны в классических поисковых кампаниях и РСЯ.
Поэтому мы придумали следующий вариант: настроили цель, которая учитывает только корзины с товаром на сумму не менее 25 тысяч рублей. Далее мы масштабировали эту цель на все рекламные кампании в поиске и РСЯ.
Такие, более сложные цели можно создавать в Google Tag Manager — Яндекс Метрика так не умеет
Это нам здорово помогло: мы удерживали нужный нам средний чек, который позволял сохранить хорошую рентабельность у кампаний.
Результат: положительный. Ранее ДРР был 36%, а стал 24%.
Вывод: ДРР можно оптимизировать за счет увеличения среднего чека покупателей, пришедших из Директа. Для этого можно настроить цель, при которой будут учитываться только покупки выше определенной суммы. Эту цель можно использовать в качестве конверсионной, чтобы на ней обучались роботы Яндекса. Главное, чтобы у них для этого была достаточно большая аудитория.
Так мы сумели вывести рекламу на приемлемый показатель рентабельности. А теперь подытожим.
Вывод: как оправдать автостратегии, если они действуют вопреки логике
Нельзя мешать обучаться алгоритмам, даже если ваши действия оправданы здравым смыслом. Представьте, какая большая выборка нужна, чтобы выявить действительные закономерности среди поведения аудитории. Например, чтобы провести достоверный A/B-тест, может потребоваться выборка из тысяч, а то и десятков тысяч человек. Алгоритмы Яндекса гораздо сложнее, нежели A/B-тесты: в них поведение аудитории может оцениваться по десяткам, если не сотням критериев.
Другое дело, что автостратегии Яндекса все еще «сырые»: то покажут что-нибудь не то, то поработают и сломаются. Хотелось бы, чтобы они работали качественнее, учитывая, что с недавних пор их нельзя отключить.
Но, тем не менее, не стоит относиться к ним как к помехе: с ними нужно учиться работать. Технология постепенно развивается: скорее всего, в ближайшие годы мы увидим, что автоматизированные кампании будут давать хороший результат без таких шаманств. А пока как-то так: тестируем, удивляемся, страдаем, адаптируемся, получаем результат.
А результат есть: если в октябре 2023 года с Директа был 3 404 000 ₽, то уже в ноябре мы увеличили его в 2 с лишним раза: доход стал 9 709 000 ₽. За счет тестирования гипотез показатель периодически немного снижался, но нам удалось держать высокую на протяжении всего оставшегося времени: в мае 2024 года реклама принесла 7 677 000 ₽.
Если вам требуется рост обращений, закажите за 0 р. наш глубокий аудит контекстной рекламы на makodigital.ru
Чем это будет полезно?
Найдем технические ошибки в настройках кампаний и сегментируем их по уровню опасности: незначительные, существенные и критические.
Проверим статистику и найдем причину повышения стоимости обращения и падения прибыли.
Важно! Порекомендуем для сайта позиционирование, контент и развитие (конверсионности, юзабилити, функционала).
Разработаем стратегию контекстной рекламы с новыми точками роста.