Как за 10 месяцев увеличить прибыль с рекламы с 46 800 рублей до 1,32 млн — кейс по продвижению премиум-мебели

В августе 2022 года к нам обратился за продвижением производитель мебели из Ростова-на-Дону. Основной продукт заказчика — диваны. Сложность в том, что диваны нашего клиента дорогие: со средним чеком 150 000 рублей. К тому же мы работаем на падающем спросе.

Число запросов «купить диван» в Яндексе падает с конца 2021 года.

Еще один фактор, который нам нужно было учесть — что дорогие диваны редко заказывают при первом посещении сайта: люди хотят их увидеть, потрогать и ради этого сразу едут в офлайн-точку. То есть часть покупателей с рекламы не оставляют заявку на сайте, а переходят в контакты, смотрят адрес и сразу едут в шоурум. Но если мы не учтем их покупки в системе аналитики, то неправильно оценим эффективность рекламы. Особенно это важно при большом среднем чеке: не учел пару сделок и решил, что реклама работает в минус, хотя на самом деле — в плюс. Но мы нашли способ вычислять таких «невидимок».

В этом кейсе подробно рассказываем про каждый этап работы и делимся фишками для рекламы дорогой мебели при падающем спросе.

Этап 1: нашли проблемы и спрогнозировали прибыль

На этапе аудита мы не просто смотрели, как работала реклама до нас, но и прогнозировали результат своей работы для клиента: составляли письменный отчет и объясняли на созвоне, что будем делать и сколько денег это принесет.

Здесь сложность была в том, что у клиента не было настроенной аналитики. Яндекс Метрика фиксировала единственный показатель — автоцель «Отправка формы». Такая цель учитывает в качестве конверсии не только заполненные на сайте формы, но и другие события: поиск по сайту, добавление в корзину. Из-за этих фальшивых лидов непонятно, как вообще работает реклама: приносит 300 000 рублей прибыли или столько же убытка?

Без нормальной аналитики считать экономику непросто. Но мы учли погрешности Метрики в лидах, сравнили ее данные с цифрами по продажам из CRM и посчитали, что за 13 месяцев реклама диванов принесла заказчику прибыль в 46 802 рубля при затратах в 2 672 000 рублей.

Дальше рассчитали CPL — максимальную стоимость продажи и лида, выше которых реклама будет работать в минус. Это основной KPI, на который мы ориентировались в работе.

Максимальная стоимость продажи: средний чек × маржинальность = 130 000 рублей × 35% = 45 500 рублей.

Максимальная стоимость лида: максимальная стоимость продажи × конверсия в продажу = 45 500 рублей × 5% = 2275 рублей.

Этап 2: настроили аналитику так, чтобы находить «невидимых» покупателей и обучать автостратегии

Мы работаем итерациями: делаем самое эффективное на данный момент, смотрим на результаты, улучшаем — и так по кругу. После каждой итерации созваниваемся с клиентом, рассказываем, как идут дела, и решаем, куда направить ресурсы для максимального результата. Так что вся работа шла параллельно: подкручивали аналитику и одновременно улучшали рекламу. Ниже — о проблемах, которые мы решали.

Проблема 1. В Метрике была куча ненастоящих лидов из-за автоцели «Отправка формы». Поэтому мы настроили цели: теперь в одной конверсии учитывались все лиды с форм на сайте, квизов и чата.

Проблема 2. Не было обратной связи между CRM и Метрикой. Настоящие лиды приходили в CRM, но там не было видно, из какой они рекламной кампании. А в Метрике не было видно, что стало с лидами: какие из них принесли продажу, а какие нет.

Чтобы решить эту проблему, мы подключили сервис сквозной аналитики. Мы использовали Roistat, но можно выбрать и другие — какие лучше подойдут под ваши задачи. Поскольку сервис сквозной аналитики учитывает рекламу на разных платформах, у нас появилась возможность зайти в конкретный канал, например, в Яндекс Директ, и увидеть статус каждого лида.

Данные из системы сквозной аналитики помогли оценить эффективность разных рекламных кампаний и подключить автостратегии. Кто не в курсе: это искусственный интеллект, который обучается на результатах рекламы и позволяет ее масштабировать.

Проблема 3. Не учитывались сделки «невидимых» покупателей в шоуруме. На этапе аудита заказчик сказал, что около 10% покупателей приходили в шоурум с рекламы, не оставляя заявку на сайте. Это проверяли обзвоном.

Чтобы отслеживать «невидимок», мы настроили отправку сделок из Roistat в Директ и Метрику. Работает это так:

1. Когда человек кликает по рекламе, Яндекс присваивает ему идентификатор.

2. Допустим, человек не оставляет заявку на сайте, а смотрит адрес магазина, едет и покупает диван.

3. Менеджер вносит в CRM его номер телефона и почту. Эти данные уходят в Roistat, а оттуда — в Директ и Метрику.

4. Если человек авторизован в Go или любом другом сервисе Яндекса, система сличает его телефон с тем самым идентификатором, и вот наш «невидимый» покупатель нашелся. Мы учли его сделку в рекламной статистике.

Да, у некоторых людей нет аккаунта в сервисах Яндекса, и мы их не увидим. Но и без них такой подход кардинально меняет аналитику: без учета сделок в шоуруме реклама как бы работала в минус, хотя на самом деле — в плюс. Мы видим это и можем масштабировать результат с помощью автостратегий, которые учатся на новых данных еще эффективнее.

Этап 3: внедрили квизы — получили кучу дешевых лидов, но отказались от них

У заказчика хорошо рекламировались квизы во ВКонтакте: было много недорогих заявок. Люди отвечали на пять вопросов о том, какой им нужен диван, и оставляли контакты — с ними связывался менеджер.

Мы решили попробовать квизы в контекстной рекламе и получили лиды по 700–800 рублей. Это было круто! Ведь предельный расчетный CPL у нас 2275 рублей. А стоимость лида в РСЯ иногда доходила до 4500 рублей.

Мы стали развивать эту историю. Правда, первые два месяца реклама квизов сработала в убыток, но ведь сделки закрываются какое-то время. В третий месяц мы получили продажи с квизов на 1 млн рублей и вышли в плюс. Казалось, вот оно... Но дальше прибыль снова ушла в минус.

В нашем случае квизы давали кучу дешевых лидов. Вот только в продажу конвертировался, условно, каждый сотый. Стоимость сделки выходила космическая: гораздо дороже, чем в РСЯ.

Менеджеры заказчика хорошо работали с клиентами: предлагали разные варианты, показывали фотографии, всё подробно объясняли. В том, что с квизов вообще были продажи — их большая заслуга. Но в большинстве случаев общение сводилось к такой истории:

Мы пытались оптимизировать квизы: разбивали аудиторию по возрасту, писали в объявлениях «диваны от 99 000 рублей», чтобы отсеять тех, кому нужен диван дешевле.

Результат улучшился, но даже чтобы выйти в ноль, нужно было повысить показатели еще в три раза. Это было невозможно: когда слишком сужаешь аудиторию, уходит трафик. Тут встает выбор — либо получать много дешевых некачественных лидов, либо не получать вообще.

Так мы поняли, что квизы — не для дорогой мебели. Лучше масштабировать РСЯ, лиды в которой значительно дороже, но зато они приносят продажи.

Вот сравнение квизов и РСЯ на седьмой итерации, когда мы указали в объявлении цену от 99 000 рублей.

Этап 4: оптимизировали объявления и запустили ретаргетинг

Заказчик хотел, чтобы в объявлениях были красивые фотографии диванов: не на белом фоне, а в интерьере. Для премиум-сегмента это особенно важно. В настройках каждого изображения мы выставили смарт-центры, чтобы при кадрировании диван не обрезался.

Также мы запускали каскадный ретаргетинг: текст объявления менялся в зависимости от того, сколько раз человек посетил сайт. Например, тем, кто был на сайте от четырех раз, показывали заголовок про срок службы диванов. А тем, кто приходил шестнадцать раз и больше, предлагали подобрать диван с помощью квиза.

Но, по правде, результат в деньгах от этого всего стремился к нулю. Да, заказчики любят объявления. Но люди обычно не читают текст, а просто жмут на него и смотрят, что там на сайте. Можно потратить два месяца на тексты и картинки, немного повысить коэффициент конверсии, но большую разницу в прибыли это не даст. Даже прорыв в +0,25% CTR не сильно повлияет на это.

И то, такие расчеты — сферический конь в вакууме. В реальности на коэффициент конверсии влияет куча факторов. Чтобы более-менее корректно оценить влияние текста в объявлениях, нужно запускать A/Б-тест и накапливать достаточно статистически значимых данных.

Эффективнее работать от общего к частному:

1. Сначала тестируем рекламные инструменты: Поиск, квизы, смарт-баннеры, товарную галерею и т. д.

2. Масштабируем экономически успешные сегменты: тестируем разные форматы и настройки рекламных кампаний, условий показов и т. п.

3. Оптимизируем рекламные кампании и группы объявлений.

4. И только потом, когда более эффективные ходы исчерпаны, беремся за тексты объявлений. Обычно это происходит где-то на втором году работы.

Этап 5: масштабировали то, что работает

До нас большая часть бюджета у заказчика шла на РСЯ (рекламу на сайтах и в мобильных приложениях), которая работала в минус. Общий небольшой плюс давала реклама на Поиске. Но она успешно работала только на брендовых запросах, когда люди вбивали в Яндекс название фабрики.

Настроив аналитику, мы смогли улучшить показатели РСЯ. А потом масштабировали их с помощью автостратегий. Они обучаются на данных, которые приходят из Roistat в Директ и Метрику. Условно это работает примерно так. Мы говорим стратегии: вот тебе бюджет на месяц, вот цель — давай нам максимум конверсий за определенную сумму (которую мы прогнозируем из экономики проекта, а потом по факту корректируем в меньшую или большую сторону, чтобы получать максимум прибыли). Автостратегия собирает эти конверсии. Затем мы увеличиваем расходы на рекламу и получаем больше заявок.

Когда мы поняли, что лиды с квизов некачественные, максимум бюджета направили на РСЯ.

Обычно в цепочке до заказа участвует несколько рекламных кампаний. В нашем случае Поиск дает слабые результаты и работает скорее как первый этап воронки. Человек заходит на сайт, потом много раз видит рекламу в РСЯ, еще несколько раз смотрит сайт и принимает решение. Сама РСЯ тоже приносит большую часть первых касаний, а с учетом дальнейших — играет ключевую роль во всей кампании.

Последним касанием перед покупкой часто бывает брендовый запрос, поэтому конверсия присваивается ему. Например, с февраля по июнь было 32 сделки, в которых первым касанием была РСЯ. Но только 21 из них относятся к кампании РСЯ — остальные присвоены другим кампаниям. Поэтому формально в лидерах брендовые запросы.

Результаты за 10 месяцев

Первые несколько месяцев мы работали в минус. Возможно, потому что в тот период еще не учитывали «невидимых» покупателей в шоуруме. Затем прибыль колебалась, иногда уходила в минус.

Но в итоге за 10 месяцев заказчик получил 1 316 000 рублей. Напомним, что за предыдущие 13 месяцев прибыль составила 46 800 рублей.

Что будем делать дальше

1. Ждем новый сайт. Там будут карточки товаров: конверсия, вероятно, вырастет. Средний чек тоже может увеличиться: у клиента можно будет купить уже полный комплект мебели в квартиру — спальню, кухню, шкаф.

2. Масштабируем новые направления: кухни, шкафы, корпусная мебель. Кухни мы уже рекламируем. Там пока минус, но заказчика это устраивает — они еще обучают менеджеров и отлаживают процессы. Планируют запускать шкафы и другую мебель.

   Мы уже отработали механизм на диванах. Когда заказчик будет готов, сможем быстрее дать результат с другим продуктом.

   Посмотрели, сколько на рынке есть трафика и сколько мы сейчас получаем. Составили ориентировочный прогноз по рекламе в Поиске.

3. Продолжаем подстраиваться под спрос и политические события. Например, снижаем ставки, когда падает спрос. Аналогия тут простая: можно тратить много на рекламу елок в декабре, а в июне не стоит. Сезонность по диванам мы увидели такую: рост — с конца июля по декабрь, потом спад — до мая—июня.

4. Будем улучшать показатели по городам, которые пока отстают от лидеров — Ростов и Сочи.