Если взять отдельно сервисы контекстной рекламы, то буквально год назад я запускал десятки гипотез в неделю и большинство дробил на отдельные кампании ради удобства аналитики. Это позволяло находить рабочие гипотезы и масштабировать их. Деление шло на разные типы таргета, продукта, аудиторий, интересов, поведения и т.д.
При этом с каждым днём сервисы контекстной рекламы всё больше внедряют автостратегии и обучение. Например, Яндекс Директ мотивирует переходить на Мастер кампаний, давать больше «крови» на обучение стратегий.
Меняется и мой подход к рекламе, теперь я стараюсь не дробить сильно гипотезы в рамках контекстной рекламы, почему расскажу далее.
Почему массовое разделение кампаний плохо?
Несмотря на очевидную пользу в отчётности, т.к. свести данные по кампаниям гораздо удобнее, чем вытаскивать из utm_content типы таргета групп, массовое деление сейчас играет плохую шутку.
На самом деле причина одна — это создание путаницы для автостратегий и алгоритмов под капотом алгоритмов.
Объясню на примере. Условно на уровне кампании вы говорите автостратегии, приведи мне за 10 000 ₽ в неделю 10 достижений цели. Допустим, цена конверсии средняя рабочая на вашем проекте, всё хорошо, стратегия должна работать хорошо. Но при этом на аккаунте у вас ещё 10 кампаний с такими же условиями. Получается совокупный бюджет на этих кампаниях — 100 000 ₽.
Если у вас дневной бюджет на аккаунте, например, ограничен 10 000 ₽, или ограничения нет, но остаток средств 90 000 ₽, стратегия начнёт сбоить, т.к. у неё просто не хватает ресурсов, чтобы обучиться.
В таком случае лучше сделать одну кампанию на 10 типов таргетинга и поставить недельный бюджет 20 000 ₽. Тогда у стратегии будут развязаны руки.
Когда можно оставить массовое разделение?
Ранее массовое разделение кампаний на отдельные гипотезы успешно работало, т.к. так делали если не все, то большинство. При этом у всех был аукцион, фразы, ставки — с этим и работали, конкурируя между собой этими параметрами.
Сейчас битва уже не про аукцион, фразы и ставки. Теперь боремся за портреты аудитории, которая наиболее вероятно совершит целевое действие. И если подобрать ставки ранее мог любой маркетолог, то сейчас подобрать портреты аудиторий, которые наиболее релевантны ,могут только алгоритмы Яндекса. Даже если это и сделает человек, то таких аудиторий будет очень мало по сравнению с возможностями алгоритмов.
Так вот, если вы всё-таки приверженец старых методов, условия проекта позволяют и у вас есть бюджет (а это самое главное), можно просто брать целевые аудитории и семантику и выкупать 100% объёма трафика. Что сработает — то улучшаем.
Я пробовал это недавно на одном проекте, работает честно не очень.
Ещё один вариант, когда такой подход оправдан — это очень низкочастотная тематика, где дробить особо и нечего.
Заключение
Эпоха дробления рекламных кампаний на десятки гипотез уходит в прошлое. На смену ручному управлению ставками и ключевыми словами приходят сложные алгоритмы и автостратегии, требующие для эффективного обучения значительного бюджета и простора для манёвра.
Ключ к успеху в современных реалиях — не в микросегментации ради красивых отчётов, а в предоставлении системам достаточно данных и свободы для поиска лучшей аудитории.
На мой взгляд, маркетолог и специалист по настройке рекламе сегодня должен мыслить не категориями ставок, а категориями портретов целевой аудитории, доверяя их построение машинному обучению.
Больше полезных материалов можно найти в моём блоге. В нём я регулярно делюсь бесплатными шаблонами и инструкциями, которые существенно облегчают жизнь маркетолога.