Как в 2,2 раза увеличить ROI контекстной рекламы — кейс «Эльдорадо»

Хотим поделиться с читателями блога совместным кейсом от наших партнеров iProspect и «Эльдорадо», опубликованным на www.sostav.ru.

Для оптимизации рекламных кампаний ритейлер «Эльдорадо» привлек агентство iProspect (входит в Dentsu Russia ). Команда проекта протестировала решение расчета вероятности конверсии от OWOX BI и рассказала о результатах.

Наши клиенты
растут на 22% быстрее

Растите быстрее, анализируя, что лучше сработает в вашем маркетинге

Измеряйте KPI, находите зоны роста и увеличивайте свой ROI

Записаться на демо

Содержание

Вопрос, знакомый каждому бизнесу, — как сократить расходы на контекстную рекламу и при этом и не потерять в продажах. При покупке трафика на сайт из рекламных систем «Яндекс. Директ», Google Ads, Facebook большая часть расходов приходится на клики тех пользователей, которые в итоге не делают заказ. А если и делают, то не всегда его выкупают.

‘‘

Основная задача performance-маркетинга в «Эльдорадо» — рост метрик, связанных с эффективностью, и снижение частоты контакта с теми, кто в данный момент не заинтересован в покупке. Мы постоянно ищем новые инструменты и методы по оптимизации рекламных кампаний. Data-driven решения, на наш взгляд, наиболее перспективны в этом направлении.

Дмитрий Щеголяев,
Руководитель группы интернет-продвижения ,
«Эльдорадо»

Модель использует технологии машинного обучения и рассчитывает вероятность совершения покупки для каждого пользователя сайта с момента его первого визита, а также определяет, стоит ли тратить на него рекламный бюджет дальше. Впрочем, модель может рассчитывать вероятность совершения любого действия.

‘‘

Одна из обязательных задач SEM-специалиста по контекстной рекламе — сегментирование пользователей, посетивших сайт, на различные группы в зависимости от действий, совершенных на сайте, и прошедшего времени с момента последнего срабатывания триггера. Например, по количеству дней с момента добавления товара в корзину без совершения покупки. Ручная проработка таких аудиторий и расчет корректировок ставок, применяемых в кампаниях, занимают значительную часть рабочего процесса.

Антон Якимчук,
Директор группы по работе с клиентами в сфере маркетинга в поисковых системах ,
iProspect

Нашей целью было увеличение ROI кампаний контекстной рекламы при сохранении выручки выкупленных заказов.

Решение

Для оптимизации рекламных кампаний использовали решение OWOX BI на основе ML, модель которого обучена на:

  • исторических данных об онлайн-поведении пользователей сайта;
  • данных CRM о выкупленных заказах;
  • агрегированных и анонимизированных данных десятков тысяч клиентских проектов OWOX.

Что мы получили на выходе:

  • для каждого пользователя сайта рассчитывается вероятность совершения покупки с учетом выкупаемости заказа;
  • расчет вероятности обновляется при каждом действии или бездействии пользователя. Например, если пользователь зашел на сайт и сделал ряд действий, ему присваивается вероятность Х%, а если потом он четыре дня не будет заходить на сайт, то вероятность будет уменьшаться;
  • выделили 10 сегментов пользователей, разделенных по вероятности с шагом в 10 пунктов.

Для оценки точности прогноза и наглядности эффективности сегментов мы анализируем фактическую выкупаемость для каждой группы пользователей:

Вверху – сегмент с самой высокой вероятностью конверсии, внизу – с самой низкой

Внедрение

1. Собираем данные о поведении пользователей сайта в Google BigQuery с помощью OWOX BI, но также можно использовать и стандартную выгрузку Google Analytics 360.

Объединение данных c OWOX BI

2. Аналитики OWOX обучают модель и запускают регулярный расчет вероятности конверсии для посетителей сайта «Эльдорадо».

Оценка присваивается каждому пользователю, который сделал хотя бы одну сессию на сайте. В расчете вероятности учитывается более 60 параметров, такие как:

  • количество сессий и хитов в рамках конверсионного окна;
  • действия на сайте в течение сессии;
  • временные паузы между сессиями;
  • общее количество действий;
  • устройство сессии, операционная система;
  • какие источники трафика были у пользователя в рамках конверсионного окна;
  • количество действий на каждой странице в рамках сессии;
  • время конкретной сессии, суммарное время сессий в рамках конверсионного окна.

Далее все данные собираются в отдельную таблицу в Google BigQuery, чтобы видеть оценку вероятности в разрезе каждого пользователя.

3. Автоматизируем передачу аудиторий в «Яндекс. Аудитории» с помощью импорта аудиторий OWOX BI Pipeline, откуда их можно использовать в «Яндекс. Директ».

4. Добавляем аудитории в «Яндекс. Директ».

‘‘

Первоначальный A/B тест с делением трафика поровну между исследуемыми группами проводился на рекламных кампаниях, созданных вручную и собранных на основе продуктового фида данных, через сервис автоматизации. После успешного эксперимента было запущено второе тестирование на кампаниях с динамическими объявлениями в «Яндекс.Директ».

Николай Чирков,
Старший менеджер по маркетингу в поисковых системах ,
iProspect

Собираем данные по их эффективности в разрезе рекламных кампаний, рассчитываем и корректируем ставки для аудиторий:

  • уменьшаем ставки для аудиторий с низкой вероятностью (иногда до 90%);
  • увеличиваем ставки для аудиторий с высокой вероятностью.
‘‘

Размер корректировок ставок рассчитывался на основе собранных данных о коэффициенте конверсии каждой аудитории и целевом показателе ROI. Также мы учитывали текущий показатель ROI каждой кампании и аудитории. Для каждой аудитории была рассчитана допустимая цена клика, для выполнения целевых KPI исходя из этого значения относительно текущей цены клика делались корректировки. В процессе корректировки менялись исходя из полученных результатов.

Павел Хазов,
Product manager ,
OWOX BI

Результаты

В течение двух месяцев аналитики OWOX совместно с коллегами из iProspect мы провели два теста. Первый длился полтора месяца, включал в себя пять рекламных кампаний с небольшим количеством трафика, которые были разделены на кампании с подключенными аудиториями OWOX BI и без.

Кампании с аудиториями OWOX показали результат в 1,7 раза лучше и по ROI, и по доходу от выкупленных заказов. «Эльдорадо» сделала верный шаг в сторону роста эффективности рекламных вложений.

После эксперимента № 1 мы проверили, не случаен ли этот результат. И запустили трехнедельный тест на кампаниях с большим количеством трафика. Принцип тот же — равнозначные кампании с применением аудиторий OWOX BI и без.

Итоговый результат по тесту № 2 — это разница в ROI с учетом выкупаемости заказов в 2,2 раза и разница в доходе по выкупленным заказам в 2,7 раза в пользу кампаний с аудиториями OWOX BI.

‘‘

В обоих случаях тестовая группа либо приносила больше дохода при одинаковом с контрольной группой бюджете, либо аналогичный доход при меньшем бюджете.

Используя инструмент прогнозирования конверсии от OWOX, мы можем сэкономить время при создании аудиторных сегментов, все пользователи сайта обрабатываются в автоматическом режиме и собираются в готовые данные для «Яндекс.Аудитории», которые в дальнейшем можно использовать в рекламных кампаниях для корректировки ставок и запуска ретаргетинга.

Николай Чирков,
Старший менеджер по маркетингу в поисковых системах ,
iProspect

Что дальше?

Результаты тестирования считаем успешным стартом для дальнейшего масштабирования в остальных performance- и brandformance-каналах.

‘‘

Эксперименты с расчетом вероятности конверсий пользователей показали свою эффективность и следующий шаг — масштабировать решение внутри «Яндекс.Директ» — использовать во всех поисковых кампаниях, запускать ретаргетинг с назначением различных ставок в зависимости от конверсионности сегмента, применить его в других рекламных сервисах: Facebook, MyTarget, Google Ads.

Дмитрий Щеголяев,
Руководитель группы интернет-продвижения ,
«Эльдорадо»