Понятие эффективности в бизнесе неизменно связано не только с прибыльностью, но и с уменьшением затрат. В этой статье Дмитрий Никоненко рассказывает, как в «Островок.ру» делают контекстную рекламу эффективной с помощью сегментации и уменьшают ручную работу через автоматизацию.

Атрибуция как базис для сквозной аналитики

Для начала давайте обсудим базис, на котором будет основываться вся дальнейшая аналитика для принятия решений, — атрибуцию.

Если говорить формальным языком, атрибуция — это способ установить и измерить причинно-следственную связь, в нашем случае — в маркетинге. А именно понять, какие визиты лучше или хуже других приводят к конверсиям.

Существует несколько популярных моделей атрибуции, у каждой из которых разные цели и решаемые задачи. Но не существует одной «идеальной», способной ответить на все вопросы сразу.

Например, для изучения витального маркетинга (брендовый контекст, органика) хорошо подходит Last Click. Если у вас мало платных каналов или в цепочках визитов участвуют по большей части одинаковые каналы, то Last Paid Click может дать хорошее соотношение простота / качество.

При бронировании отелей через «Островок.ру» в 70% случаев пользователь совершает более одного визита. При этом цепочки визитов могут содержать несколько платных каналов.

Между этими платными каналами нам надо установить и распределить количественный вклад в итоговую конверсию. Для этого мы использовали Hit-Weighted атрибуцию, в которой вес по сессиям раздается в зависимости от числа хитов в сессии.

Таким образом, зная вес сессии, например, в процентах, а, значит, и ее вкладе в конверсию и прибыль от этой конверсии, мы можем посчитать прибыль отдельно взятой сессии.

Узнав стоимость этой сессии, мы можем посчитать и ROI отдельно взятой сессии.

На этих возможностях выбранной модели атрибуции и базируется аналитика сессий, которую мы будем использовать в дальнейшем.

Основные факторы сегментации

Умение определять ROI отдельно взятой сессии полезно, но этого недостаточно, чтобы сделать контекст хорошим. Такая модель атрибуции учитывает влияние разных каналов друг на друга уже после того, как сессия была совершена. 

Для улучшения контекста нам надо понять, какие факторы могут влиять на эффективность еще до самого клика, на этапе создания рекламной кампании.

В нашем случае таких факторов три: семантика, география пользователя и повторность клиентов.

С семантикой все просто — нельзя один раз создать одно объявление с одним ключом. Нужно делать много объявлений под большое количество ключей. К тому же семантику стоит постоянно обновлять, потому что регулярно появляются новые и новые поисковые запросы в одной и той же тематике.

Касательно пользовательского гео в сфере бронирования отелей можно привести простой пример: пользователи из Санкт-Петербурга часто ищут и бронируют отели в Москве, но экономически эти брони менее выгодны для нас, чем, например, случаи, когда пользователи из Сибири или с Дальнего Востока бронируют отели в Москве.

Под повторными клиентами мы понимаем тех, кто возвращается к нам на сервис уже после того, как однажды совершил конверсию.

Довольно часто они возвращаются через те же каналы, откуда и была их первая сессия. Если пользователь искал «отели Москвы» через Яндекс и забронировал отель через Ostrovok.ru, то велика вероятность, что он и дальше будет искать «отели Москвы» через Яндекс. Особенно заметно это по брендовому контексту, где доля таких повторных пользователей стабильна из месяца в месяц, при этом CTR повторных пользователей стабильно выше, чем новых.

Выше были описаны основные факторы, которые влияют на эффективность рекламной кампании в целом. Теперь давайте каждый из них рассмотрим подробнее, уделяя внимание следующим моментам: особенностям реализации, определению эффективности и роли автоматизации.

Управление семантикой

Управление семантикой начинается с ее генерации. Благо, автоматическая генерация объявлений по правилам стала де-факто стандартом для тематик с большим количеством рекламируемых объектов.

При этом генерация работает довольно стандартно — существует набор правил, которые по свойствам рекламируемого объекта создают всю необходимую семантику: ключи, тексты объявлений, деление на группы объявлений.

acm: отели/гостиницы

region: город

__nomn: родительный падеж

__gent: родительный падеж

__loct: родительный падеж

Первоначальный набор правил для генерации целиком и полностью создается специалистом. Но, как показывает практика, регулярно появляются новые поисковые запросы от пользователей, и эти запросы нужно уметь поддерживать.

Поддержка бывает двух видов: добавление ключей к уже имеющимся объявлениям и создание новых объявлений.

При большом количестве поисковых запросов ручной анализ отнимает много времени. Поэтому мы автоматизировали обработку новых запросов и выстроили такой процесс:      

1. Собираем все новые поисковые запросы за заданный период.  
2. Поисковые запросы только в широком соответствии и имеющие хотя бы один показ.       
3. На вход обработчика подаются собранные поисковые запросы и количество их показов.       
4. На выходе получаем предварительный набор правил, отсортированный с учетом частоты показов.     
5. Специалист принимает или отклоняет предложенные правила.       
6. Для принятых правил пишутся тексты объявлений и добавляются в общий пул правил.       
7. Обновление семантики по новым правилам происходит в автоматическом режиме раз в неделю.

Основные сложности в реализации этой процедуры — воспринимать разные города как единый «мета-город» и правильно обрабатывать падежи слов, чтобы создавать единые правила для всевозможных городов.

Вот как выглядит предварительный набор правил после обработки широких поисковых запросов:

В качестве основной метрики для оценки качества семантики у нас выступает доля трафика по точным ключам. Как только доля трафика по точным ключам опускается ниже 85%, мы запускаем процедуру обновления, описанную выше.

Почему именно эта метрика:

1. Чем выше доля точных ключей, тем лучше мы понимаем потребности пользователей. Это может отражаться как на качестве рекламных материалов, так и на самом продукте.       
2. С увеличением доли точных ключей улучшаются рекламные показатели. В Директе это проявляется улучшением позиций и кликабельности, в Google Ads — снижением цены клика.

Сегментирование по географии пользователей

Делить кампании по географии пользователей — правильно и нужно. Но как это правильно делать? Давайте посмотрим на распределение трафика по регионам.

Видно, что есть два крупных региона, следующие за ними топ-5 регионов едва ли наберут хотя бы 10%, а дальше все меньше и меньше.

Как можно было сделать деление по регионам в идеальной ситуации? Для каждой семантической группы создаем отдельную кампанию, которая таргетируется только на конкретный регион.

Мы получили бы огромный зоопарк кампаний, которые изолированы между собой с точки зрения регионов. Конечно, управлять таким набором кампаний руками невозможно, но для этого у нас всегда есть набор автоматизированных процедур, для которых что одна кампания, что десять — все равно.

К сожалению, эта идеальная ситуация невозможна. Сделав такую разбивку, благодаря статусу «Мало показов» мы только уменьшим общее количество показов.

Вот какую логику дробления на регионы мы используем в качестве компромиссного варианта:

1. Задаемся минимальной необходимой долей трафика (например, 5%).      
2. Все регионы, которые получают больше минимальной доли трафика.  
3. Все остальные регионы делятся на пять групп по ROI, чтобы доля трафика каждой из них была больше минимальной.       
4. Чтобы учитывать сезонность, описанные процедуры выполняются на месячном базисе за годичный период.    
5. В итоге получаем 6-10 групп регионов.       
6. Далее вся семантика «клонируется» для каждой из этих групп.

В результате мы получаем непересекающиеся гео-кластеры, каждый из которых обладает достаточным количеством данных для дальнейшего ими управления.

В такой процедуре ручная работа заключается в анализе экономической эффективности регионов и определении нужных границ для групп по ROI. Вся остальная процедура «клонирования» семантики происходит автоматически.

Рассмотрим подробнее на двух примерах.

Пример 1: «Городская семантика»

Для каждого города существует одна кампания, содержащая 90 объявлений. Таких кампаний в аккаунте 1000 (1000 разных городов = 1000 кампаний).

Так как кампания может содержать до 1000 групп объявлений, то процедура «клонирования» для каждого нужного региона (или набора регионов) копирует существующие 90 групп объявлений, сразу таргетируя их на нужные регионы.

Затем объявления запускаются, работают в течение недели на старых ставках, увеличенных на 20%, чтобы набрать статистику. После этого из оригинальных групп объявлений исключаются нужные регионы.

Пример 2: «Отельная семантика»

Для каждого города существует минимум одна кампания. Для каждого отеля в этом городе существует от 3 до 18 групп объявлений. Таким образом, кампания может содержать 1000 объявлений, и для одного города может быть несколько кампаний забитых объявлениями под завязку.

Метод копирования групп объявлений тут уже не будет работать, поэтому «клонируются» целые аккаунты. То есть создается полная копия текущего аккаунта под нужные регионы. Дальнейшая процедура аналогичная: запуск, повышение ставок, набор статистики, отключение регионов.

Процедура геокластеризации технически основана на создании новой семантики и выполняется автоматически. Основная задача специалиста — правильно подобрать нужные кластеры.

Дальнейшее управление созданными объявлениями происходит с помощью биддинга, который может уменьшить затраты на кластеры с плохим ROI и увеличить, если ROI хорошее.

То есть происходит перераспределение бюджета между кампаниями, а это одна из целей построения правильной атрибуции.

Сегментация новых / повторных клиентов

Под повторными клиентами мы понимаем тех, кто уже совершал конверсию на сайте и, как следствие, уже знаком с продуктом.

Поведение таких пользователей в сервисе, как правило, разительно отличается от поведения новых пользователей.

С другой стороны, даже те клиенты, которые совершают бронирования регулярно, все равно идут в поисковые системы, ищут там, а уже с поиска переходят на сервис.

Это подтверждает необходимость сегментации таких пользователей на этапе создания рекламной кампании. Для этого отлично подходят списки аудиторий.

Как это работает:

1. Выгружаем контакты клиентов из CRM (например, тех, кто уже совершил конверсию).  
2. Создаем аудитории в рекламной системе на основе этих данных.         
3. Модификаторами увеличиваем ставки для этих аудиторий в поисковых кампаниях.

При необходимости можно создать не одну аудиторию, а несколько непересекающихся. Например, поместить в разные аудитории тех, кто делал последнюю конверсию в 2018 году, в 2017 и т. д. Первоначально мы так и сделали, чтобы посмотреть, как ведут себя в поиске клиенты в зависимости от давности последней конверсии.

После первых экспериментов мы выяснили, что аудитории не просто работают, а работают очень хорошо. Причем разбивка на годичные когорты показала, что лучше всего экономика у клиентов, у которых конверсия была в этом году, и хуже всего — у кого конверсии были давно.

В работе с аудиториями, например, в Директе, есть несколько особенностей, которые следует учитывать. О них подробнее поговорим ниже.

Модификаторы ставок

Можно использовать повышенные модификаторы ставок на аудиторию. Можно полностью исключать аудиторию из показа объявлений. Но нельзя таргетироваться исключительно на аудиторию.

Таким образом, при таргетинге на аудиторию всегда будут клики вне этой аудитории. При условии, что мы хотим получать изолированные сегменты, надо делать такие модификаторы ставок на аудиторию, чтобы разница в цене клика была максимальной. В Директе это +1200%.

При этом из оригинальных кампаний надо полностью исключить показ по этим аудиториям, чтобы весь трафик по ним собирался в одном месте.

В итоге: в аудиторных аккаунтах трафика вне аудиторий оказалось 22%, при этом стоимость их была всего 6%. Это получилось за счет того, что при аудиторных модификаторах в 1200% итоговая разница в цене клика была в 4,2 раза.

Обновление аудиторий

Аудитории нуждаются в регулярном обновлении.

Если клиент из 2017 года совершит конверсию, то в нашей когортной модели он уже будет относиться к 2018 году. Но в созданных ранее аудиториях он по-прежнему будет в 2017.

Для качественной работы с аудиториями необходимо организовать автоматическую синхронизацию между данными CRM и аудиториями в Директе — чтобы обновлялся список пользователей в аудитории, а не создавались новые.

Почему именно обновлялся? Создавая новые аудитории, вам придется каждый раз после создания перепривязывать их к рекламным кампаниям и отвязывать старые. Если же обновлять существующие, то менять настройки кампаний уже не нужно.

Эластичность

Благодаря повышенной конверсии аудитории выгодны экономически и способны показывать хорошую управляемость в соотношении объемы / ROI. Но при этом цена клика у них получается сильно выше, чем у обычных кампаний, поэтому работать с ними нужно очень аккуратно.

Заключение

Контекстная реклама сейчас дает все больше возможностей с точки зрения настройки рекламных кампаний, и доскональное знание этих возможностей уже не будет гарантией эффективности.

Понятие эффективности в контекстной рекламе уже очень активно сместилось от показателей рекламной кампании в сторону эффективности бизнеса. Причем эффективность измеряется не только увеличением прибыли, но и уменьшением затрат, в том числе на ручную работу.

В современном маркетинге это проявляется в следующем:  

1. Атрибуция. Способность считать эффективность рекламной кампании в реалиях бизнеса уже не преимущество. Это необходимость. Начать с Last Click, получить неплохую точность с Last Paid Click, построить модель на сложных эвристиках, когда предыдущего станет мало.
2. Сегментация. В мире мало равномерного распределения, рекламные кампании не исключение. Даже если все идет хорошо, всегда можно выделить сегменты, которые работают хуже или лучше других. Перераспределив бюджет между ними, можно увеличить объемы конверсий при том же бюджете. Самое сложное и творческое — найти нужные сегменты: семантика, география, устройства, и пр.        
3. Аудитории. Списки аудиторий — это инструмент на стыке настроек рекламной кампании и вашей CRM. Расширение списка настроек показывает, что рекламные сети знают про пользователей все больше и больше. Но еще не всё. Обогащение этих настроек данными CRM позволит делать уточненную сегментацию.       
4. Автоматизация. Контекстная реклама — по большей части рутина, в которой руками делаются одни и те же вещи. Отдав рутину роботам, можно заняться по-настоящему интересными и творческими вещами — анализом рекламных кампаний. Автоматизировать все и сразу долго и дорого, но начинать уже пора.