Рассказываем, как при переходе на автостратегии обеспечить обучение алгоритма, если рекламные кампании сильно сегментированы.
О клиенте
Hoff — гипермаркет мебели и товаров для дома с 59 магазинами по России.
Период
Третий и четвертый кварталы 2021 года.
Hoff давно запускает кампании в Рекламной сети Яндекса. Сети приносят клиенту существенную от общего объема долю продаж. Но со второго квартала 2021 года оборот в сетях начал снижаться, а доля рекламных расходов — расти.
Так, по сравнению со вторым кварталом 2020 года оборот потерял 78%, а ДРР увеличилась на 165%. Ситуация в третьем квартале развивалась так же.
На четвертый квартал 2021 года задачей Hoff было восстановить эффективность кампаний и увеличить маркетинговые показатели год к году.
Hoff вместе с агентством MGCom сформулировали гипотезу, что автостратегии в Рекламной сети с моделью оплаты CPA позволят привлечь больше транзакций при сохранении текущей доли рекламных расходов.
Решение
- Протестировать объединение кампаний на одной категории
- Перевести тестовую кампанию на оптимизацию конверсий
- Попробовать модель оплаты за конверсии
- При успешном тесте поэтапно масштабировать решение на другие категории
Рекламные кампании Hoff в сетях были сильно сегментированы по категориям и гео. Это удобно для ручной оптимизации, но мешает обучению автостратегий, необходимо получать от десяти конверсий в неделю в рамках рекламной кампании. Так команда Hoff решила укрупнить текущие кампании.
Кампанию стали поэтапно укрупнять, начиная с приоритетных категорий для бизнеса с самой низкой положительной динамикой год к году. Постепенные изменения позволяют меньше рисковать — в случае плохих результатов можно быстро и без потерь откатиться к предыдущим настройкам.
Первые выводы подвели по категории «Диваны» — она приносила большой объем заказов и оборота на поиске, но в сетевых кампаниях результаты по ней были низкими.
Чтобы укрупнить категорию, разделенные по гео кампании объединили в две — по Москве и области и по регионам.
Затем кампанию перевели на оптимизацию по заказам. От внесения изменений до накопления достаточной статистики на каждую категорию потребовалось четыре недели. Результаты оценивали месяц к месяцу — до внесения изменений и после: доля рекламных расходов по диванам снизилась на 48%, доход вырос на 280%, а уровень конверсионности — на 252%.
После успешного теста на категории «Диваны» решили масштабировать остальные категории. Однако и с масштабированием были свои сложности. При оптимизации по CPA важно количество и качество данных для обучения и работы алгоритмов. Однако не всегда укрупнение кампании позволяет собрать достаточный объем конверсий. В некоторых случаях даже укрупнение кампаний не позволяло собирать по десятьконверсий в неделю, необходимых для обучения и стабильной работы алгоритмов.
Проблема часто встречается при внедрении автостратегий и усложняет масштабирование на часть кампаний. Решить проблему может оптимизация на микроконверсии. Например, когда на старте системе не хватало данных по цели «Заказ», рекламные кампании переводили на стратегию с оптимизацией на цель «Корзина». А когда накапливалось достаточное количество данных по цели «Заказ», кампании вновь назначали эту цель, как самая значимая.
Совет рекламодателям
Результаты
Переход на автостратегии с оплатой по модели CPA сделал рекламные кампании в Рекламной сети Яндекса намного эффективнее, увеличил доходность и количество трафика. И в итоге позволил не только вернуть показатели в РСЯ на высокий уровень относительно предыдущего квартала, но и улучшить эффективность год к году. А все оставшиеся категории в сетях Hoff также перевели на автостратегии.