Как настраивать конверсионные стратегии: работа над ошибками

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.

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.

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.

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.

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.