В 4,5 раза поднять продажи, сократив расходы на рекламу: опыт «МегаФона»

1. Вводная задача от заказчика, проблематика, цели

У «МегаФона» очень много рекламных кампаний разных форматов. Кроме тарифных планов, компания продвигает свой интернет-магазин с широким ассортиментом гаджетов. Поддерживать на должном уровне показатели эффективности сложно, если всё делать вручную. Поэтому агентство «Блондинка.Ру» протестировало для продвижения новый инструмент, основанный на машинном обучении.

Для пробного запуска мы поставили две цели:

• Увеличить доход от торговых кампаний клиента.
• Сохранить оптимальное значение доли рекламных расходов (ДРР).

Чем больше данных о клиентах и заказах находится в системе, тем лучше машинное обучение справится с оптимизацией. У «МегаФона» широкая клиентская база, поэтому он идеально подошёл для старта «умных» торговых кампаний. Он удовлетворял всем требованиям инструмента:

• больше 20 совершённых конверсий;
• настроенные ценности конверсий;
• в списках ремаркетинга — более 100 пользователей.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Основным KPI во время тестов была доля рекламных расходов в выручке. Такого показателя в автоматических стратегиях Google нет, но есть обратный — целевая рентабельность рекламы. Именно эту стратегию ставок мы выбрали при создании кампании. Целевое значение коэффициента рентабельности было несложно посчитать от уровня ДРР, который озвучил клиент.

Для тестирования мы взяли только одну категорию товаров — смартфоны. Во время эксперимента мы приостановили их рекламу в обычной торговой кампании, которая шла в этот период. Это было необходимо, чтобы аккаунт клиента не конкурировал сам с собой — иначе сравнение было бы некорректным.

Выбор KPI

Для автоматических стратегиях Google мы выбрали показатель «целевая рентабельность рекламы». Целевое значение коэффициента рентабельности было несложно посчитать от уровня ДРР, который озвучил клиент.

Выбор креативов

Креативы были двух типов — с рекламой всего интернет-магазина и отдельные изображения с конкретными товарами, составленные из продуктового фида. Искусственный интеллект сам определяет, какому пользователю лучше подходит каждый из них. Те, кто ещё не посещал сайт, должны были увидеть общий вариант, а те, кто посещал и изучал конкретное устройство, видели рекламу этой модели и аналогов.

Тестирование РК

Для тестирования мы взяли только одну категорию товаров — смартфоны. Во время эксперимента мы приостановили их рекламу в обычной торговой кампании, которая шла в этот период. Это было необходимо, чтобы аккаунт клиента не конкурировал сам с собой — иначе сравнение было бы некорректным.

Запуск «умной» торговой кампании

Мы дали кампании время на обучение и стали наблюдать за автоматической оптимизацией. А через 5 недель подвели первые итоги

3. Результаты сотрудничества

В случае с машинным обучением результат можно оценивать только спустя несколько недель после запуска кампании. Первые итоги мы подвели через 5 недель и сравнили их с показателями обычной торговой кампании за тот же период.

Разница получилась огромной: количество показов выросло на 453%, доход от кампании - на 229%, СРО уменьшилось на 74%, а ДДР - на 49%.

Автоматизация позволила нам в 4,5 раза увеличить число заказов из кампании и в 2,3 раза — доход от них. Цена конверсии (CPO) сократилась на 74%, а ДРР — на 49%, превзойдя запланированный KPI.