Как автоматизировать управление ставками, чтобы на 40% снизить CPO и получить почти в три раза больше заказов
Команда Domino’s Pizza и агентство MGCom автоматизировали ручную логику управления рекламой в myTarget c помощью К50. О том, какие правила помогли снизить стоимость оформленного заказа, почти в три раза увеличить их количество и упростить управление рекламой, рассказывает Ольга Ставская из К50.
О клиентах и задаче
MGCom — независимое digital-агентство с data-driven подходом к маркетингу, ориентированным на увеличение продаж у клиентов.
Domino’s Pizza — международная сеть ресторанов, один из мировых лидеров по приготовлению и доставке пиццы.
До подключения К50 агентство управляло рекламой в myTarget вручную. Специалисты MGCom хотели с помощью автоматизированных правил сократить время на оптимизацию и улучшить показатели рекламных кампаний в проекте Domino’s Pizza:
-
Снизить CPO рекламных кампаний в myTarget до целевого значения, на тот момент заказы обходились на 40% дороже.
-
Как минимум, не потерять в объеме конверсий, а по возможности — увеличить их количество.
Для этого выбрали основные рекламные кампании в myTarget и подключили к ним Оптимизатор К50. Эффект от инструмента больше заметен на объявлениях с акциями, которые транслируются непрерывно, а не краткосрочно — на них и решили протестировать автоматизированное управление ставками.
Оптимизация кампаний в myTarget
Работа выполнялась в несколько этапов: сначала проанализировали текущие показатели по проекту, потом разработали логику управления и автоматизировали ее.
1. Аналитика данных по конверсиям
Изначально кампании из myTarget были размечены нестандартными метками, поэтому для корректного сопоставления данных из рекламных и аналитических систем агентство добавило необходимые UTM-параметры по стандарту К50.
Затем создали дополнительное подключение для выгрузки данных из CRM клиента, чтобы использовать исторические данные по конверсиям. Условно, все кампании можно было разделить на эффективные, неэффективные и те, у которых CPO сейчас в пределах нормы. Для каждого случая мы подобрали свою логику управления и настроили по ним правила.
2. Создание автоматизированных правил управления
При настройке правил отталкивались от целевого CPO, сравнивая диапазоны значений. Если фактическая стоимость заказа была ниже целевой, ставки повышались — так мы получали еще больше конверсий по оптимальной цене.
Для менее эффективных работали разные сценарии, в зависимости от того, насколько фактический СРО отклоняется от целевого:
-
Если CPO выше целевого на 1-15%, для расчета оптимальной ставки мы умножали текущее значение на коэффициент отклонения:
Ставка × (Целевой CPO / Фактический CPO за 14 дней)
-
Если CPO превышал целевой больше, чем на 15% — снижали ставку на 10%.
-
Если кампания за две недели получила больше 300 кликов (оптимальное количество рассчитывалось на основе CR кампании) и при этом не принесла ни одной конверсии — снижали ставку еще сильнее, на 50%.
-
Если за этот период накопилось меньше 150 кликов и не было конверсий — немного повышали ставку. Это позволяло быстрее набирать статистику, по которой мы могли сделать объективный вывод об эффективности кампаний.
Результаты
Эксперимент длился полтора месяца, результаты фиксировали каждые две недели. За первый период CPO снизился на 35%, после чего решили оптимизировать еще две кампании, поэтому среднее значение стоимости заказа немного выросло. Но за третий спринт почти достигли нового целевого значения.
За весь период удалось снизить CPO на 40%.
Вместе с этим получили стабильный рост конверсии — плюс 282% к стартовым показателям.
В MGCom остались довольны результатом и масштабировали решение К50 для myTarget еще на два крупных проекта.
Последние комментарии