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

27.10

Для оптимизации рекламных кампаний команда iProspect использовала решение OWOX BI, способное рассчитывать вероятность конверсии

Чтобы повысить результативность контекстной рекламы, ритейлер «Эльдорадо» привлек агентство iProspect (входит в  Dentsu Russia ). Команда проекта протестировала решение расчета вероятности конверсии от OWOX BI и рассказала о результатах.

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.

Дмитрий Щеголяев, руководитель группы интернет-продвижения «Эльдорадо»:

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.

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.

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

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.

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.

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».

Николай Чирков, cтарший менеджер по маркетингу в поисковых системах iProspect:

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».

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.

Павел Хазов, product manager OWOX BI:

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.

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.

Николай Чирков, старший менеджер по маркетингу в поисковых системах iProspect:

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.

Что дальше?

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

Дмитрий Щеголяев, руководитель группы интернет-продвижения «Эльдорадо»:

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.

Источник: sostav.ru

К списку новостей

Реклама Онлайн - общероссийская система подачи рекламы в региональные СМИ

Наша система позволяет вам наиболее качественно спланировать рекламную кампанию любой сложности с использованием прессы, радио и бегущих строк на региональных телеканалах

На сегодняшний день это

  • Печатных изданий5 033
  • ТВ каналов649
  • Радиостанций5 059
  • Реклама на транспорте239
  • Реклама в метро7
  • Промоакции в городах1 542

  • Представленных городов2 642
  • Зарегистрировано клиентов43 855
  • Из них размещают рекламу7 844