Блог

12
ноября
2018

В 4,5 раза поднять продажи, сократив расходы на рекламу: опыт «МегаФона»

Блог

У «МегаФона» очень много рекламных кампаний разных форматов. Кроме тарифных планов, компания продвигает свой интернет-магазин с широким ассортиментом гаджетов. Поддерживать на должном уровне показатели эффективности сложно, если всё делать вручную. Поэтому агентство «Блондинка.Ру» протестировало для продвижения новый инструмент, основанный на машинном обучении. О результатах рассказывает Ксения Корчашова, старший менеджер по работе с клиентами.

Когда Google анонсировал «умные» торговые кампании, мы сразу поняли, что они подойдут для продвижения всего ассортимента «МегаФона». Этот вид рекламы объединяет обычные торговые кампании с медийными объявлениями и ремаркетингом, показывая пользователям только те товары, которые их интересуют. Алгоритмы машинного обучения автоматически подбирают места размещения и корректируют ставки — это позволяет достичь необходимой рентабельности инвестиций в рекламу.

Как только «умные» торговые кампании вышли в открытую бету, мы стали их тестировать.

Перед стартом

Для пробного запуска мы поставили две цели:

  • Увеличить доход от торговых кампаний клиента.
  • Сохранить оптимальное значение доли рекламных расходов (ДРР).

Чем больше данных о клиентах и заказах находится в системе, тем лучше машинное обучение справится с оптимизацией. У «МегаФона» широкая клиентская база, поэтому он идеально подошёл для старта «умных» торговых кампаний. Он удовлетворял всем требованиям инструмента:

  • больше 20 совершённых конверсий;
  • настроенные ценности конверсий;
  • в списках ремаркетинга — более 100 пользователей.

Настройка кампании

Основным KPI во время тестов была доля рекламных расходов в выручке. Такого показателя в автоматических стратегиях Google нет, но есть обратный — целевая рентабельность рекламы. Именно эту стратегию ставок мы выбрали при создании кампании. Целевое значение коэффициента рентабельности было несложно посчитать от уровня ДРР, который озвучил клиент.

Для тестирования мы взяли только одну категорию товаров  — смартфоны. Во время эксперимента мы приостановили их рекламу в обычной торговой кампании, которая шла в этот период. Это было необходимо, чтобы аккаунт клиента не конкурировал сам с собой — иначе сравнение было бы некорректным.

Креативы были двух типов — с рекламой всего интернет-магазина и отдельные изображения с конкретными товарами, составленные из продуктового фида. Искусственный интеллект сам определяет, какому пользователю лучше подходит каждый из них. Те, кто ещё не посещал сайт, должны были увидеть общий вариант, а те, кто посещал и изучал конкретное устройство, видели рекламу этой модели и аналогов.

Пример креатива для рекламной кампании

«Умная» кампания «МегаФона» стартовала 25 июня. Мы дали ей время на обучение и стали наблюдать за автоматической оптимизацией.

Результат

В случае с машинным обучением результат можно оценивать только спустя несколько недель после запуска кампании. Первые итоги мы подвели через 5 недель и сравнили их с показателями обычной торговой кампании за тот же период.

Разница получилась огромной: количество показов выросло на 453%, доход от кампании - на 229%, СРО уменьшилось на 74%, а ДДР - на 49%. 

Автоматизация позволила нам в 4,5 раза увеличить число заказов из кампании и в 2,3 раза — доход от них. Цена конверсии (CPO) сократилась на 74%, а ДРР — на 49%, превзойдя запланированный KPI.

«Поскольку эффективность "умной" торговой кампании оказалась даже выше, чем ожидалось, мы планируем использовать этот инструмент для других товаров бренда», — прокомментировал Дмитрий Кирин, руководитель по цифровым каналам коммуникации в «МегаФон».

Выводы и рекомендации

Опыт «МегаФона» показал, что «умные» кампании подходят для крупных бизнесов в e-commerce. Главные условия для работы алгоритмов:

1. Достаточный объём данных о конверсиях с установленной ценностью и постоянный трафик сайта для ремаркетинга. Размеры продуктового фида тоже имеют значение: Google отмечает, что эффективность кампании зависит от числа товаров, которые в ней участвуют.

2. Алгоритмам нужно минимум 2-3 недели на обучение. До этого менять настройки не стоит: кампания может начать обучаться заново, а вы потеряете время и бюджет.

 

Впервые этот кейс был опубликован на Think with Google 

Комментарии (0)