- Директ 1
Как настраивать конверсионные стратегии: работа над ошибками
В прошлой статье мы разобрались, как использовать данные об офлайн-конверсиях, чтобы повысить эффективность своих кампаний. В этой — выясним, какие преимущества дает автоматическое управление стратегий, и разберем 5 популярных ошибок, из-за которых алгоритмам не хватает данных для обучения.
Вы же весь спецпроект рассказываете про работу с офлайн-конверсиями. При чем тут стратегии?
Помните, в прошлый раз мы говорили, что офлайн-конверсии можно использовать при оптимизации рекламы, чтобы обучить стратегию на максимально качественных данных? Теперь подробнее объясним, как вообще работают автоматические стратегии, и расскажем про самые популярные ошибки в настройках, из-за которых кампании теряют эффективность.
Но тут стоит оговориться: в этом материале мы будем говорить только о стратегии «Максимум конверсий», потому что только в ее рамках можно прийти к конечной цели по воронке — офлайн-конверсии.
А с чего вы взяли, что автостратегии работают эффективнее ручного управления ставками?
Дело в объеме и актуальности данных, на основе которых ИИ и человек принимают решения. Специалист действует на основе своего опыта и статистики кампаний. При этом насколько актуальны его данные — большой вопрос: человек физически не может следить за каждой кампанией 24/7 и контролировать одновременно множество показателей. А алгоритмы могут.
Стратегии автоматически в режиме реального времени:
-
управляют ставками в аукционе;
-
оптимизируют количество конверсий, кликов и рентабельность;
-
удерживают необходимую стоимость конверсии, доли рекламных расходов и кликов.
К тому же у алгоритмов есть доступ к внутренним данным рекламной системы, которых нет у рекламодателей.
При управлении кампаниями стратегии учитывают сотни факторов: не только настройки кампаний и объявлений, но и конкурентную среду, сезонность, демографический портрет и меняющиеся интересы аудитории, географию, время суток, качество посадочной страницы и т. д. Довольно трудно всё это удерживать в голове, а тем более — оценивать и учитывать все эти факторы. А алгоритмы могут обрабатывать и систематизировать всю эту информацию за секунды, тогда как у человека на это ушли бы часы или даже дни.
Так что ответ на вопрос из заголовка довольно простой: автостратегии управляют кампаниями, опираясь на больший объем данных, чем человек, а еще благодаря машинному обучению они обрабатывают эти данные в разы быстрее. Все эти факторы могут повлиять на эффективность кампаний в лучшую сторону.
Немного цифр
К концу 2023 года 74% рекламных кампаний в Директе уже использовали автоматические стратегии. Это определенный показатель доверия рекламодателей к инструменту.
Ладно, понятно: стратегии работают быстро и эффективно. Так в чем тогда вопрос? Запустил кампанию, доверил ее управление ИИ и всё — отдыхай
Сначала убедитесь, что с кампаниями всё в порядке. Чтобы автоматические стратегии работали максимально эффективно, система должна накопить достаточно данных о том:
-
кто ваша целевая аудитория;
-
какие рекламные сообщения приводят к конверсиям;
-
в какое время совершается больше покупок и пр.
Эти данные нужны для обучения и стабильной работы стратегии.
Чем больше информации система получит, тем лучше будет оптимизировать рекламные кампании и достигать поставленных KPI.
Эффективность кампаний снижается, если алгоритмам не хватает данных для обучения. В таком случае стратегии не смогут полноценно управлять кампанией: показов, кликов и конверсий будет мало, и кампания вообще может остановиться.
Чаще всего ИИ не хватает данных для обучения из-за ошибок в настройках кампаний.
Можно про эти ошибки поподробнее? Что нужно сделать, чтобы стратегии лучше обучались?
Конечно, сейчас расскажем! Ниже — самые популярные ошибки, из-за которых системе не хватает данных, и наши советы, как этих ошибок избежать.
Ошибка 1. Установить слишком низкую целевую цену конверсии
Целевая цена конверсии должна быть конкурентной. Это значит, что у нее должна быть возможность выиграть в аукционе, иначе реклама просто не сможет собрать достаточно показов/кликов/конверсий, чтобы на этих данных обучиться.
Исходя из целевой цены конверсии стратегия подбирает максимально возможные ставки в каждом аукционе таким образом, чтобы попадать в это ограничение. То есть при заниженном значении цены конверсии рассчитанная ставка просто не сможет выиграть аукцион, а если стратегия не выигрывает аукционы, то сокращаются показы.
![К чему приводит слишком низкая целевая цена конверсии Схема 1](/uploads/article_images/2024/04/shema_2_1.png)
Совет
Цена конверсии должна быть достижимой и конкурентоспособной. Выставляйте эту настройку на основе собранной статистики: посмотрите, сколько стоили конверсии в прошлых кампаниях. Если таких данных нет, то сначала соберите их в кампаниях с другими стратегиями — например, «Максимум кликов».
Ошибка 2. Неправильно выбрать цель
Имеем в виду выбор цели, которую пользователи редко достигают — меньше 10 в неделю. В таком случае алгоритмам не хватает данных для обучения, и стратегия не работает в полную силу и не приносит новые конверсии.
![К чему приводит неправильный выбор цели схема 2](/uploads/article_images/2024/04/shema_2_2.png)
Что делать, если вы получаете меньше 10 конверсий в неделю
Вариант 1: в качестве цели для оптимизации укажите микроконверсию. Микроконверсией может стать цель выше по воронке — такая, которая будет коррелировать с макроконверсией (иначе микроконверсия не сработает). Например, если вы выбрали в качестве цели оплаченный заказ из CRM, но за неделю вы получаете меньше 10 оплаченных заказов с рекламы, добавьте в качестве дополнительной цели конверсию на шаг выше — оформление заказа на сайте.
Вариант 2: объедините несколько кампаний разного типа в Единую перфоманс-кампанию или объедините кампании одного типа в Пакетную стратегию.
Оба способа помогут набрать достаточно данных для обучения кампаний.
Ошибка 3. Чрезмерно ограничить недельный или периодный бюджет
Если установленного бюджета не хватает на 10 конверсий в неделю, стратегия не может получить нужное количество данных для стабильного обучения. Соответственно, эффективность кампаний снижается.
![К чему приводит нехватка бюджета конверсии](/uploads/article_images/2024/04/shema_2_3.png)
Как рассчитать недельный бюджет так, чтобы денег хватило на получение нужного числа конверсий для обучения стратегии
Яндекс рекомендует закладывать в недельный бюджет стоимость 10–12 конверсий — это необходимый минимум. Больше — можно, но меньше не стоит. То есть при расчете недельного бюджета нужно умножить цену конверсии на 10, а лучше — на 12, чтобы у системы был небольшой запас и ей не приходилось ограничивать показы, если она сможет привести еще больше конверсий.
Ошибка 4. Выбрать модель атрибуции, которая ограничит получаемый объем данных
Узкие модели атрибуции собирают меньше данных, чем расширенные, и не видят часть конверсий (например, совершенных одним и тем же пользователем при переходе из разных источников). Соответственно, алгоритмы получают меньше сигналов для обучения и не знают, что конверсий на самом деле было больше.
Совет
Выбирайте расширенные модели атрибуции: последний переход из Директа, кросс-девайс или автоматическую. Так вы поможете стратегии получить наибольшее количество данных.
Разберем на примере.
Допустим, 8 из 10 конверсий, так или иначе связанных с определенной кампанией, совершаются сразу, а две оставшиеся — спустя время и при переходе из другого источника. С расширенной моделью атрибуции алгоритмы будут знать, что конверсионных пользователей на самом деле 10, а не 8. Да, не все из них совершили конверсию здесь и сейчас, но те два человека, которые вернулись спустя время, куда более ценны, чем те, кто вообще не совершили конверсию. С более узкой моделью атрибуции кампании не будут получать данных о тех двух целевых конверсиях. А ведь именно этих двух конверсий может недоставать для разгона обучения.
Ошибка 5. Постоянно менять настройки кампаний
Часто дергать настройки кампаний — плохая идея. Частые изменения в настройках вредят, потому что они запускают каскад переобучения или адаптации стратегии внутри системы. Некоторые обновляют статистику каждый час и смотрят, что поменялось в рекламной кампании, а если ничего не поменялось — снова меняют настройки. Вот так делать не надо. Системе нужно время, чтобы обучиться и начать работать максимально эффективно. Постоянные корректировки этому мешают.
![К чему приводит постоянная смена настроек Цикличность](/uploads/article_images/2024/04/shema_2_5.png)
Осознанное решение о том, что пора внести изменения в настройки, можно принять только на основе существенного объема данных. Если вы получили всего 1–3 конверсии/покупки, выводы делать рано — пусть кампания дальше обучается. Решения об изменении настроек нужно принимать на десятках, сотнях конверсий — зависит от величины и оборота бизнеса.
Совет
Не меняйте настройки кампании чаще, чем раз в неделю.
Если у вас малый бизнес, то старайтесь подобрать нужные настройки на старте и не корректировать кампании после запуска в течение двух недель, чтобы накопить достаточно данных. Среднему и крупному бизнесу с часто достигаемыми конверсими для накопления данных может хватить и недели.
Не ошибка, но упущение: не оптимизироваться по офлайн-конверсиям, когда есть такая возможность
Эту проблему вынесем отдельно, поскольку это уже не техническая ошибка, а стратегическая. Офлайн-конверсии — это самый ценный тип конверсий. Как правило, это конечная цель воронки. Благодаря данным об офлайн-конверсиях алгоритмы получают более полную картину о том, какие пользователи совершают полезные действия и доходят до конца воронки. Соответственно, это максимально качественные данные для обучения стратегий.
Если в Метрике не будет данных об офлайн-конверсиях, алгоритмы не будут рассматривать как целевую аудиторию тех, кто совершил офлайн-конверсию. А значит, в ходе обучения система не будет таргетировать рекламу на эту аудиторию. В итоге вы получите меньше качественных конверсий, чем могли бы.
А настраивать-то, настраивать-то эти офлайн-конверсии как?
Расскажем в следующих материалах нашего спецпроекта — следите за обновлениями.
Последние комментарии