В минус на $5000 или в плюс с 1000% ROAS: кейс и антикейс использования умных стратегий Google Ads

Интеллектуальное (умное) назначение ставок — это одна из возможностей Google, которая вызывает диаметрально противоположные реакции у специалистов: от «да никогда в жизни, они ж не работают» до «гениальное решение, необходимое всем».

Истина, как обычно, где-то посередине.

Что такое интеллектуальное назначение ставок Google

Интеллектуальное или умное назначение ставок — это система, которая принимает решения о размере ставки в процессе аукциона рекламодателей. Она задействует искусственный интеллект и развивается при помощи машинного обучения. По словам Google, это позволяет находить оптимальный вариант ставки для каждого конкретного пользователя в каждом конкретном случае.

У Google есть три с половиной интеллектуальных стратегий:

1. Целевая цена за конверсию.
2. Целевая рентабельность инвестиций в рекламу.
3. Максимум конверсий.
4. И надстройка для ручного управления ставками — Оптимизатор цены за конверсию.

К примеру, если вы выбираете стратегию «Максимум конверсий», Google будет принимать решения на основе вероятности совершения конверсии. Вот как это происходит:

1. Вы указываете бюджет.
2. Объявление попадает на аукцион.
3. Система оценивает вероятность конверсии на основе данных: поисковый запрос, наличие пользователя в аудитории, пол, возраст, время суток, цена товара...
4. Система принимает решение о размере ставки. Если вероятность конверсии выше, ставка будет больше. Если ниже — меньше.
5. Если пользователь кликает на объявление, вы платите СРС, определенный системой на аукционе.
6. Если этот пользователь совершает конверсию, система анализирует его параметры и в следующий раз делает ставку выше для похожих случаев — так как они приводят к конверсии. Так система учится.

Для трех стратегий интеллектуального назначения ставок не нужно указывать ставку самому — Google отталкивается от доступного бюджета. Оптимизатор цены за конверсию работает на основе ставки, которую вы задали вручную: он может повышать и понижать ее исходя из той же вероятности целевого действия.

В Google совершается порядка 4 млрд поисковых запросов в день. Его алгоритмы анализируют около 70 млрд сигналов за секунду. Это всё — данные, на которых система учится принимать более правильные решения и помогать рекламодателю.

И вот тут начинаются споры:

• Действительно ли интеллектуальное назначение ставок правильно принимает решения?
• Насколько велик риск слить весь бюджет и не получить конверсий, продаж или прибыли из-за того, что мы не можем контролировать ставки и направлять систему?
• Стоит интеллектуальное назначение ставок внимания или это способ хорошенько подзаработать для Google?

У нас в Penguin-team есть несколько ярких примеров, которые могут как подтвердить, так и опровергнуть эти опасения.

Кейс: 1045% ROAS с умным назначением ставок

Весной 2019 года к нам в агентство пришел интернет-магазин спортивной одежды и инвентаря из Украины (бренд под NDA). Довольно прозаичная картина:

• расходы на рекламу — 25 000 грн.;
• доход от рекламы — 40 000 грн.;
• ROAS — 161%, что скорее грустно, чем радостно.

Мы проанализировали торговые кампании на предмет самых продаваемых товаров и посмотрели статистику в Google Analytics по этому же направлению, так как туда добавляются данные по продажам и через другие каналы (органика, соцсети, email, и др.). После этого выбрали топовые товары и запустили для них Smart Shopping со стратегией «Максимальная ценность конверсий». Получилась торговая кампания с интеллектуальным назначением ставок, цель которой — обеспечить наибольшую ценность конверсий в рамках бюджета.

Также в таких кампаниях можно задать целевой ROAS через стратегию «Целевая рентабельность инвестиций в рекламу»; но мы рекомендуем это делать не раньше, чем через две недели после старта.

Через месяц результаты улучшились:

• расходы на рекламу — 21 500 грн.;

• доход от рекламы — 306 000 грн.;

• ROAS — 1417%, что не требует комментариев.

Первые полгода результат кампаний колебался от месяца к месяцу, но ROAS не падал ниже 900%. Мы постепенно увеличивали бюджет и следили, чтобы рентабельность кампаний оставалась хорошей. Через шесть месяцев результат стабилизировался. Результаты на седьмой месяц:

• расходы на рекламу 53 000 грн.;

• доход от рекламы 550 000 грн.;

• ROAS 1045%, что все еще исключительно приятно.

Как сделать, чтобы интеллектуальное назначение ставок работало

Первое и главное — использовать его в подходящих случаях. Это не та вещь, которую можно включить в любой кампании и ждать тонны заказов. Поэтому для начала — в каких случаях интеллектуальное назначение ставок не подойдет:

1. Если по семантике мало трафика. Системе нужны данные для обучения. Нет данных — нет нормальных результатов.

2. Если новый продукт для рынка в целом. Опять же, потому что семантики по нему будет немного, частотность невысокая, данных не хватит для толкового обучения.

3. Если у вас низкомаржинальный бизнес. Это касается больше не интеллектуального назначения ставок как такового, а всей контекстной рекламы в целом. Если у вас нет бюджетов на тесты и «свободы маневра» в виде нормальной маржинальности (которая позволит выделять деньги на рекламу), то контекст, вероятно, не лучший выбор. Тем более контекст с автостратегиями, которые, как ни крути, являются инвестицией: сначала вложи в них деньги — потом получишь отдачу.

Если с объемом трафика вопросов нет и бюджет не на минималках, интеллектуальное назначение ставок уже можно пробовать. Что нужно, чтобы не слить деньги? Пара правил:

1. Корректное отслеживание конверсий. Система учится и, если она учится на неправильных данных, результаты тоже будут неправильными. Не запускайте интеллектуальное назначение ставок, пока не убедитесь, что ваши конверсии считаются правильно.

2. Время обучения. На начальном этапе машинное обучение часто допускает ошибки — поэтому первое время конверсий может и не быть много или СРС может заметно колебаться. Это нормально. Google советует дать системе поучиться 1–2 недели, мы рекомендуем увеличить этот срок до 2–6 недель — всё зависит от количества трафика.

3. Правильная стратегия. Если вы используете умные торговые кампании, мы рекомендуем сначала использовать «Максимизацию ценности конверсий» и только потом (если это вам нужно) переходить на «Целевой ROAS» (мы писали об этом у себя в блоге). Если вы работаете с обычными поисковыми кампаниями, подбирайте стратегию, которая нужна вашему бизнесу — и не идет вразрез с его целями. Если у вас нет цели по конверсиям, их цене или рентабельности инвестиций, возможно, вам не нужны интеллектуальные стратегии. Подумайте над тем, чтобы использовать автоматические некоммерческие, скажем, стратегии — как «Целевая доля показов».

Еще раз: трафик, бюджет, отслеживание конверсий — три, можно сказать, ключа успеху.

И тогда да, интеллектуальное назначение ставок и правда может помочь рекламодателю, во-первых, автоматизировать управление ставками, а во-вторых, улучшить результаты рекламной кампании по целевым метрикам: количеству конверсий, СРА, ROAS.

Антикейс: минус $5000 за месяц с умным назначением ставок

Как бы ни хотелось закончить на радостной ноте, из песни слов не выкинешь: интеллектуальный биддинг может хорошенько пнуть рекламодателя, который использует его неосмотрительно.

Вот, к примеру, один из таких случаев.

Зимой 2019 интернет-магазин из США (бренд под NDA), который давно (и успешно) рекламировался в Google Ads, расширял свой ассортимент. Появилась принципиально новая категория товаров. Для быстрого старта он выбрал Smart Bidding — это же такая потенциально эффективная штука!

Результаты через месяц после запуска:

• расход на рекламу $26 406;
• доход с рекламы $21 000;
• ROAS 79%, что, несомненно, исключительно больно.

Когда клиент пришел с жалобой на убыточную кампанию, ее пришлось отключить и дальше настраивать обычную торговую рекламу — без умных стратегий.

Почему умное назначение ставок может работать плохо

Эта часть, в принципе, достаточно предсказуема, если вы внимательно читали текст выше.

Google практически не дает рекламодателю инструментов для контроля интеллектуальных стратегий — они работают на основе искусственного интеллекта и самообучаются при помощи машинного обучения. В таких условиях, если настройки не попадают в рамки «потенциально приемлемых для работы», система все равно продолжает работать и учиться — но требует это уже значительно бОльших ресурсов, чем в нормальных условиях.

Системы на основе ИИ и машинного обучения — это такая топка, которая работает на данных. Эти данные ей нужны постоянно и в нормальном количестве — иначе гореть не будет.

Самая частая причина, почему интеллектуальные стратегии не работают — это отсутствие данных. Это, впрочем, вообще единственная причина. Данных не хватает, если:

• мало семантики;
• по семантике мало трафика;
• мало бюджета для тестирования;
• не настроен трекинг конверсий.

И так далее. Всё упирается в количество данных.

Умное назначение ставок не поможет, если вы рекламируете новый товар или категорию товаров. Оно не сработает, если вам надо «как-то аккуратненько, а то у нас маржа маленькая». И точно не поможет, когда нужно результат прямо сейчас.

Зато если данных хватает — что ж, проверьте еще раз корректность отслеживания конверсий, выберите бестселлеры и, кажется, можно начинать тестировать. У вас весьма неплохие перспективы ;)