HOW TO
Оптимизация контекстной рекламы (РСЯ)
Часть 1
Ключевые методы и немного теории
Рассказывает Ефим Алдухов
Управляющий партнер E-commerce Fitness
Несмотря на то, что это первый материал E-commerce Fitness для этого блога, мы решили сразу перейти к конкретным практическим вопросам, которые сейчас беспокоят всех.

Подходы к оптимизации и управлению рекламными кампаниями в рекламной сети Яндекс.
Вопрос оптимизации рекламных компаний, сейчас очень актуален с учётом отмены объёмных скидок в Яндексе, и смены аукционной модели, которая обязательно должна привести к «понижению» ставок. Т.е. итого в сентябре реклама для многих станет дороже на 5-15%, а для крупных рекламодателей возможно и на все 20-25%.

Поэтому нам хотелось бы поделиться нашей практикой, выработанной совместно с несколькими агентствами (особенно хотелось бы поблагодарить MGcom) на опыте достаточно крупных рекламодателей (бюджет от 2-3 000 000₽ в месяц). Также замечу, что в работе использовался инструмент по автоматизации контекстной рекламы К-50, который существенно упростил некоторые операции.

Для профессионалов эти методы вряд ли станут откровением, но как показывает практика, многие из этих подходов не используются в 90% компаний.

Сначала немного теории. ДРР, ДОП и т.д.
Как показывает практика последних лет лучший метод управления рекламой – управление на основе ДРР. ДРР- это соотношение Расходов на Рекламу к Доходам. Т.е. если вы потратили 1000р. и заработали 10 000₽ то ДРР – 10%, если потратили 1000₽ и заработали 900₽, то ДРР = 111,1%. Управление по этому показателю хорошо тем, что он является относительным. Если у вас модель учёта плохо настроена и покупки из брошенных корзин переписываются к емаил маркетингу, то вы можете ввести корректирующий коэффициент и задавать целевой показатель с его учётом.

Преимуществом этого показателя относительно CPO и т.п. является то, что он гораздо более универсален. Целевой CPO для флэшек и холодильников должен отличаться, однако, т.к. учитывать это сложно, то вся модель обычно упрощается к одному базовому CPO и в итоге эффективность рекламы по некоторым каналам являясь по факту сильно отрицательной тонет в общем потоке данных.

Второй важный показатели, которым следует оперировать это ДОП (Доход на одно посещение). Это показатель рассчитывается в базовых отчётах Google.Analitics и виден сразу. Он именно этим и хорош. Понимая, что ДОП = 10₽ по кампании, а стоимость клика 4₽ вы сразу можете понять, что ДРР будет 40%, а зная собственную маржу и понимая UNIT cost, можно легко понять сколько денег реально приносит рекламная кампания.

Несмотря на то, что показатель ДОП далёк от идеала и в его расчёте лежит одна большая ошибка, (вы можете покупать на сайт одного и того, человека несколько раз и конверсия по этому пользователю будет сильно отличаться), это один из самых простых и продуктивных способов операционного управления маркетингом, которым можно пользоваться при работе с подрядчиком здесь и сейчас, не делая почти никаких дополнительных настроек Google.Analitics и не вникая в различные модели атрибуции.


Ключевые методы оптимизации
Общие принципы управления
Разделяем старые и новые рекламные кампании. При управлении маркетингом необходимо чётко понимать, как давно запущена рекламная кампания, и насколько она оптимизирована. Целевые показатели могут очень сильно отличаться. Зачастую сразу после запуска рекламная кампания имеет показатели в 3-5 раз хуже, чем после полного цикла оптимизации. Поэтому, если у вас есть сезонные товары и рекламные кампании расширяются, то они могут очень сильно искажать общую картину, и ухудшение ДРР может быть обусловлено именно этим. По действующим кампаниям ДРР может или оставаться на прежнем уровне (в низкий сезон), или улучшаться.
Разделение этого в отчёте (на основе фильтров и т.п.) позволяет делать общий список рекламных кампаний с указанием операционных результатов за последний отчётный период. Это критически важный пункт, т.к. без единого списка вы никогда не сможете понять, что же на самом деле происходит с вашими рекламными кампаниями. Делать лог всех задач на изменение рекламных кампаний. Самый простой и продуктивный способ – эксель.

Что делать если мало данных?
Т.к. всегда по большому количеству рекламных кампаний не хватает данных для адекватного принятия решения по оптимизации по продажам, критически важными параметрами являются поведенческие характеристики, которые значительно коррелируют с продажами:
– % регистраций/подписки– сумма добавлений в корзину /конверсия в добавления в корзину– длительность нахождения на сайте
Если у вас нет достаточного количества переходов для принятия решения об отключении рекламной компании, а «лишних денег» на быстрый тест нет, то имеет смысл посмотреть какое соотношение добавлений в корзину по хорошим рекламным кампаниям и применять его к кампаниям где мало трафика. Это позволяет принимать достаточно корректное решение на объёмах в 100-200 кликов, т.к. соотношение добавлений в корзину и покупок обычно соотносится как 1 к 10.
Отдельно следует выделить параметр регистраций и подписок, т.к подписавшийся пользователь конвертируется с гораздо большей вероятностью, чем прошедший мимо. Поэтому если по кампании нет покупок, но много регистраций, то имеет смысл за ней понаблюдать дополнительное время. А дальше применять, если можете когортный анализ в разрезе кампании.
Можно оптимизировать и на меньших объёмах на основе длительности посещения и количества просмотренных страниц, чтобы отключать заведомо провальные рекламные кампании.

Принцип ТОП 20
При применении всех последующих методов, хотелось бы сразу заметить, что т.к. некоторые методы достаточно ресурсоёмкие и применять их ко всем рекламным кампаниям очень сложно, то можно выбирать ТОП 20 по трафику и применять к ним. Как показывает практика на эти кампании или страницы и т.п. приходится более 50% трафика и это может дать моментальный экономический эффект, а затем продолжить оптимизацию у низкочастотных рекламных кампаний.
Базовые методы оптимизации рекламы
Оптимизируем лэндинги
Это первый этап оптимизации, который можно и нужно пройти быстро. Заходите в Google.Analitics. Включаете сегмент CPC и смотрим куда приходят пользователи (отчёт Поведение /страницы входа). Прокликиваем в ручную топ 50 страниц и смотрим, что там происходит. С высокой долей вероятности вы найдете там страницы, на которых нет товаров, они плохие и т.д. Делаем список того, какие страницы надо точно переделать ВНЕ зависимости от показателей. Делаем список страниц, у которых плохие показатели по конверсии и думаем можно ли с ними чего-то сделать быстро. Если да, то делаем, если нет, то находим рекламные кампании, которые на них ведут и останавливаем или навсегда или до того момента, когда вы сможете сделать хороший лэндинг. Проведение этого процесса должно привести к созданию процесса по управлению посадочными страницами и вынудить вас назначить ответственного за этот процесс. Сам по себе этот факт, может увеличить эффективность рекламных кампаний.

Оптимизируем регионы
Конверсия в различных регионах может отличаться кратно. Так, например, продвигаться в депрессивном Саратове с премиальными товарами не имеет никакого смысла и т.п. Посмотрев какой ДРР в региональном разрезе можно настроить геотаргетинг по всем или ТОП20 рекламных кампаний и сократить расходы на 20-30%.

Оптимизируем площадки где показывается объявление
В Яндексе есть возможность посмотреть конверсию каждой конкретной площадки. Так, например, для многих интернет магазинов сайты о погоде не дают вообще никаких конверсий, при этом генерируют более 20-30% трафика на основе поведенческого таргетинга. Оптимизация по этому параметру может дать также 10-30% эффекта.

Управление ДРР в рамках категорий
Как это не странно, но почти высшим пилотажем является управление рекламными кампаниями в разрезе категорий, куда приходят пользователи и что покупают. Когда наступает пора применения данного подхода, то целесообразным становится учёт различной маржи в различных категориях. Однако, т.к. клиенты могут покупать товары в категориях, отличающихся от тех куда они пришли (и часто очень сильно), то это требует более сложной модели анализа. О ней мы поговорим в других материалах.