Автоматические стратегии Директа: какие бывают, на чем обучаются и какую модель атрибуции стоит использовать

В Директе сейчас доступно три основных автостратегии:

1. Целевая Доля Рекламных Расходов (ДРР). Вы задаете, сколько процентов выручки с заказов отдаете Яндексу. Например, стоимость товара — 1000 рублей, в качестве цели вы указали 10%. Значит, вы будете получать заявки за 100 рублей.

2. Оптимизация конверсий с оплатой за клики.

3. Оптимизация конверсий с оплатой за конверсии.

По нашему опыту, автостратегия по Целевой Доле Рекламных Расходов применяется реже последних двух. У немногих клиентов сквозная аналитика настроена безупречно от клика до маржинальности товара, поэтому стратегия по ДРР — удел избранных.

Работа с автостратегиями обычно строится так:

1. Если клиент новый, сначала накапливаем достаточное количество конверсий, чтобы оценить, сколько стоит лид. И делаем мы это не на автостратегиях, а на стратегии «Максимум кликов» или ручном управлении ставками.

2. После этого переключаемся на автостратегии с оплатой за клики. В этом сценарии мы продолжаем платить за клики, но стоимость лида может стать ниже, чем при ручном управлении.

3. После этого можно попробовать перейти на оптимизацию с оплатой за конверсии, но нужно учитывать, что она подходит не для всех клиентов — только для тех, у кого цели настроены и корректно отрабатывают.

Когда автостратегии могут не дать ожидаемого результата — 2 кейса

Сначала мы запустили кампании на ручном управлении — они приносили нам лиды с РСЯ по 2500 рублей. Через 2 недели мы переключились на стратегию с оптимизацией конверсий с оплатой за клики, и лид стал стоить 1700 рублей. После этого мы попробовали переключиться на стратегию с оптимизацией по конверсиям с оплатой за конверсии. Целевую стоимость конверсии поставили в 2000 рублей (при KPI в 2500 рублей). Однако после нескольких дней работы рекламной кампании стало видно, что количество конверсий сильно упало, а следовательно, выросла и стоимость лида. Пришлось откатиться на стратегию с оплатой за клики.

Этому клиенту не зашла стратегия с оплатой за конверсии. Возможно, дело в том, что у системы было слишком мало данных в этой нише для работы такой продвинутой стратегии.

На старте проекта работала автостратегия с оптимизацией конверсий с целевой стоимостью лида 1200 рублей. Мы решили, что это слишком много — можно снизить. Начали плавно снижать: сначала до 1100 рублей, потом до 1000 рублей. Но после этого мы увидели, что кликов и заказов по рекламе становится меньше. Мы поняли: чтобы снижать дальше, нужно добавить в стратегию какую-то микроконверсию. Будет больше данных, алгоритмы смогут найти нужную аудиторию по меньшей стоимости.

Добавили цель «Положить в корзину». Посетителей, которые что-то положили в корзину, больше, чем купивших, и их проще найти. При этом микроцель напрямую связана с главной целью — оформление заказа. Да и стоимость такой конверсии гораздо ниже — около 100 рублей. Благодаря этому общий СРО удалось снизить до 900 рублей.

Но после этого мы пожадничали — убрали микроконверсию. Подумали, зачем нам платить лишние 100 рублей, ведь человек может ничего и не купить. Вдруг теперь одной макроцели будет достаточно, и мы не будем тратиться на пустые микроконверсии? Не сработало — лиды сразу перестали приходить. Мы всё вернули обратно, и с тех пор эта кампания прекрасно работает, приносит заказы по 900 рублей.

Какие микроконверсии стоит использовать?

Исходя из нашего опыта, мы рекомендуем использовать следующие микроконверсии:

• для ecommerce:

  • добавление товара в корзину,

  • просмотр карточки товара,

  • заполнение данных о заказе (ФИО, доставка, оплата).

• для сферы услуг:

  • просмотр более трех страниц сайта,

  • посещение разделов «Контакты» или страницы с описанием услуги.

Рекомендуем тестировать разные гипотезы и анализировать прошлую статистику аккаунта, чтобы точно не упустить потенциально работающую идею.

Какие модели атрибуции используются в контекстной рекламе и какие из них самые полезные

Моделей атрибуций в Директе много:

• «Первый переход»;

• «Последний переход»;

• «Последний значимый переход»;

• «Последний переход из Директа»;

• «Автоматическая атрибуция».

С точки зрения контекстной рекламы, одна из самых полезных моделей атрибуции — «Последний значимый переход». Система будет считать источником лида последний платный канал или SEO.

Разберем на примере. Допустим, человек заходил на сайт несколько раз в такой последовательности:

• по объявлению в Директе,

• из поисковой выдачи Яндекса,

• по таргетированной рекламе.

В этом случае система посчитает источником конверсии таргетированную рекламу. Если бы в цепочке было четвертое действие — заход по прямой ссылке, — система всё равно выбрала бы источником таргетированную рекламу.

Мы используем модель атрибуции «Последний значимый переход» только при формировании отчетов клиенту и не используем при настройке рекламных кампаний. Это позволяет четко и прозрачно донести объективную картину продвижения, без прикрас. При этом алгоритмы обучаются на других моделях атрибуции, которые лучше подходят для этого. Если использовать модель атрибуции «Последний значимый переход» в кампаниях с автостратегиями, кампании могут не обучиться, потому что у них будет недостаточно данных.

Мы рекомендуем использовать модель атрибуции «Последний переход из Директа» при работе с автоматическими стратегиями. Эта модель дает автостратегиям максимальное количество данных для обучения. Точнее, давала до появления автоматической модели атрибуции. При выбранной модели «Последний переход из Директа» в цепочке из примера выше система посчитала бы источником конверсии Яндекс Директ, хотя Директ был лишь первым касанием. Однако если использовать эту модель при формировании отчетов для клиента, всё будет выглядеть так, что у Директа больше всего конверсий, а у других источников — меньше. Это может исказить реальную картину, и клиент будет думать, что другие каналы не работают. А это не так.

«Автоматическая атрибуция» чем-то напоминает «Последний переход из Директа», но дает еще больше данных для обучения автостратегий. В ней алгоритмы учитывают различные факторы:

• время до и после конверсии,

• тип устройства (кросс-девайс),

• проявление интереса пользователя и членов его семьи (домохозяйства) к товару или услуге и т. д.

Сейчас мы тестируем эту модель атрибуции на проекте клиента, который продает фасадные панели. Пока окончательные выводы о том, лучше ли эта модель атрибуции, чем «Последний переход из Директа», делать рано — нужно протестировать на разных проектах. Но мы уже видим, что лидов стало больше, хотя и дневной расход бюджета тоже вырос.

Кстати, по теме

Модели атрибуции в Яндекс Метрике: что это и какую выбрать

Что нужно учитывать при тестировании новой модели атрибуции

Главный совет, который я могу дать тем, кто будет тестировать новую модель атрибуции на проектах своих клиентов — проверьте, правильно ли отрабатывают цели. Поставьте тестовые UTM-метки и пройдите по всем страницам сайта, убедитесь, что метки не пропали. Тогда вы точно получите правильные данные для сравнения.