Как использовать данные об офлайн-конверсиях в своих кампаниях

Окей, я уже понял, что данные об офлайн-конверсиях появятся где-то в кабинетах Метрики и Директа. Но где?

Большая часть данных будет отображаться в отчетах Метрики, еще часть — в Мастере Отчетов в Директе. Для наглядности собрали всю информацию в одну таблицу:

• название отчета;

• кабинет, в котором его искать;

• какие данные содержит отчет;

• какие задачи можно решить с помощью этих данных.

Добавим наглядности и посмотрим, как всё это выглядит.

В отчете Метрики по источникам трафика видно данные по достигнутым целям и доходам из всех источников

В Метрике видно статусы из CRM по покупателям в отдельных отчетах

В Центре конверсий в Директе показывается количество атрибутированных конверсий ко всем источникам, включая Директ

В Мастере отчетов в Директе видно CPA по онлайну и офлайну

Хорошо, я посмотрел отчеты, увидел показатели. А что дальше? Как мне улучшить свои кампании с их помощью?

Оптимизировать свои кампании на офлайн-конверсии. Тут можно пойти несколькими путями:

1. Оптимизировать кампанию на одну, самую целевую конверсию — ту, к которой вы стремитесь привести пользователя на протяжении всего пути. Обычно это конверсия с нижнего этапа воронки: оплата заказа, выкуп в офлайн-точке и пр.

   Если оптимизироваться на одну целевую конверсию, система будет показывать рекламу тем, кто вероятнее такую конверсию совершит. Но тут может возникнуть проблема: алгоритмам может не хватать данных для оптимизации, потому что аудитории, которая совершила целевую конверсию, недостаточно. Это может тормозить обучение кампании и снижать ее эффективность. Решить эту проблему поможет следующий способ.

2. Оптимизировать кампанию сразу на несколько конверсий: самую целевую и дополнительную. Зачем? Чтобы вам хватило данных для обучения кампании или чтобы ускорить это обучение.

   Дополнительная конверсия будет сигнализировать алгоритмам, что действие Х для вас тоже важно, поскольку может привести к целевой конверсии. Тогда система будет показывать рекламу и тем, кто вероятно совершит целевую конверсию, и тем, кто вероятно совершит дополнительную. Ценность для этих конверсий можно назначить разную: например, 2000 рублей — для целевой, 1000 рублей — для дополнительной.

   

   Главный плюс оптимизации сразу по нескольким целям — в том, что алгоритмы быстрее соберут необходимый объем данных, обучатся, и кампании начнут работать эффективнее.

Ну допустим, я хочу протестировать оптимизацию сразу на две цели. Как мне ее настроить?

Это можно сделать через стратегию «Максимум конверсий» с ограничением по Доле рекламных расходов (ДРР) и с ограничением по бюджету. Такой подход условно называется ДРР 100%. Он выручает, когда нужно приводить конверсии по определенной стоимости.

Как мы знаем, ДРР рассчитывается по формуле:

И если мы хотим, чтобы наша конверсия стоила, например, 1000 рублей, то нам нужно:

• задать в настройках кампании ДРР 100%;

• прописать вручную ценность цели;

• указать сумму целевого СРА — ту самую 1000 рублей.

С такими настройками стратегия будет стремиться выдержать ДРР 100%, что позволит получать конверсии по необходимой стоимости.

Важный момент

При использовании модели оплаты за конверсии деньги будут списываться при каждом достижении цели в рамках одного визита.

К примеру, если вы добавили две цели — «Заказ на сайте» и «Оплата заказа», — а пользователь оформил заказ на сайте и оплатил его при получении, то вы заплатите за обе эти конверсии. Поэтому рассчитайте стоимость конверсий так, чтобы при достижении обеих целей по воронке вы тратили целевую стоимость за оплаченный заказ, или используйте оплату за клики, когда оптимизируетесь на цели из одной воронки.

А есть какие-то подтверждения тому, что история с оптимизацией на офлайн-цели реально работает?

Конечно — подтверждений много. Приведем несколько коротких кейсов из разных ниш.

Кейс 1. Магазин lady & gentleman CITY

Компания настроила передачу офлайн-покупок в Центр конверсий и запустила А/Б-тест с двумя кампаниями:

• А — действующая кампания по смарт-баннерам с оптимизацией на ecommerce-цель «Покупка»;

• В — копия кампании A с оптимизацией по двум целям: ecommerce-цель «Покупка» и новая офлайн-цель «Заказ оплачен».

В итоге в кампании В стоимость целевого действия оказалась ниже, а количество достижений цели — выше.

Данные по офлайн-продажам

Данные по онлайн-продажам

Здесь можно прочитать об этом подробнее.

Кейс 2. Альфа-Банк

Настроили автоматическую передачу одобренных банком заявок в Метрику (до этого данные загружались вручную) и запустили тестирование оптимизации кампаний на офлайн-цель с автозагрузкой данных. Настроили две кампании в РСЯ:

• А — с оптимизацией по цели, в которую данные загружаются вручную;

• В — с оптимизацией по цели, в которую данные загружаются автоматически.

В итоге кампания В принесла больше заявок при более низком CPO.

Подробнее о кейсе — тут.

Кейс 3. Skillfactory

Компания начала передавать проверенные заявки с контекстной рекламы через Центр конверсий Директа в Метрику, тестово запустила оптимизацию по офлайн-целям, а затем масштабировала оптимизацию по офлайн-конверсиям на все кампании.

Благодаря новому подходу к оптимизации бренду удалось увеличить количество качественных конверсий на 333% и снизить стоимость подтвержденных заявок на 42%.

Посмотреть кейс целиком можно здесь.

Впечатляет. Может, еще и нерелевантную аудиторию можно отсеять с помощью данных об офлайн-конверсиях?

На самом деле да. Передавая всю информацию об офлайн-конверсиях, вы можете и сегментировать аудиторию (например, выделять платежеспособную), и отсеивать (исключать нецелевую).

С помощью сегментации можно создать аудиторию Look-alike и таргетироваться на нее в кампаниях. Для этого нужно:

• объединить в отдельный сегмент пользователей, которые совершают реальные заказы;

• создать похожую аудиторию по данному сегменту (Look-alike);

• запустить рекламу на LAL-аудиторию, которая потенциально будет похожа на тех, кто у вас покупает.

Еще можно пойти в обратную сторону: собрать в отдельный сегмент пользователей, которые спамят и отменяют заказы, исключить для них показы — задать корректировку в —100%. А потом создать Look-alike для этой аудитории и протестировать ее с корректировкой 0, чтобы понаблюдать за ее эффективностью.

Если аудитория покажет себя плохо, можно постепенно понижать корректировки. Оптимальный шаг — 20% каждую неделю.

Круто, но сложно! Со всеми этими настройками легко ошибиться, и эффективность кампаний полетит в тартарары

Риск ошибиться есть всегда. Чтобы его минимизировать, лучше доверить управление кампаниями автоматическим стратегиям. Как работают автостратегии и как избежать ошибок при взаимодействии с ними, расскажем в следующем материале.