Коэффициент конверсий вырос на 48%
tCPA, или «целевая цена за конверсию» — одна из стратегий автоматического назначения ставок в Google Рекламе. Она позволяет получить максимальное число конверсий по заданной или самой низкой стоимости. Сначала Google Реклама анализирует статистику кампании и контекстные сигналы. Потом алгоритм находит оптимальную ставку за один показ рекламы. У конверсий может быть разная стоимость, но Google Реклама будет стремиться к целевой.
«Яндекс.Маркет» — пример компании, которая успешно использовала назначение ставок по tCPA. В результате коэффициент конверсий вырос на 48%.
Цели
Увеличить число конверсий и CR (коэффициент конверсий)
Выполнить KPI (ключевой показатель эффективности) по CPA (стоимости целевого действия)
Снизить трудозатраты
Подход
Объединение кампаний в одну группу
Подключение кампании к общему бюджету
Создание пакетной стратегии назначения ставок
Результаты
На 16% вырос объем конверсий
На 48% увеличился коэффициент конверсий
На 50% стало больше времени для работы над аккаунтом
«Яндекс.Маркет» — онлайн-сервис для выбора товаров и сравнения цен. В месяц он привлекает по 27 миллионов уникальных пользователей.
За конверсию Яндекс.Маркет принимает переход в магазин или clickout. Чем их больше, тем эффективнее реклама для пользователей, и тем больше целевого трафика получают магазины.
Цели и механика кампании
У компании было три основных цели. Во-первых, «Яндекс.Маркету» было важно повысить число конверсий и CR (коэффициент конверсий). Во-вторых, компания стремилась к попаданию в CPA по KPI. И последней целью было снижение трудозатрат, потому что на оптимизацию рекламной кампании под стоимость конверсии уходило много времени.
Чтобы выполнить поставленные задачи, в «Яндекс.Маркете» решили объединить кампании: у них была одна цель и один целевой KPI. Но так можно делать не всегда. К примеру, если у вас отдельные брендовые кампании, их стоит выделить в другой пакет и задать нужный KPI. Потом в «Яндекс.Маркете» рассчитали эффективный бюджет для теста, подключили общий бюджет и создали пакетную стратегию назначения ставок.
Обучение стратегии состоит из трех этапов. В период «До» ручная оптимизация ставок еще работает. Затем идет само «Обучение»: модель начинает подбирать разные ставки и пытается управлять ими иначе. Затем эффективность кампании сравнивают с периодом «До».
Ход эксперимента
Эксперимент состоит из трех периодов: «До», «Обучение», «После». Красной точкой отмечено начало периода обучения, зеленой — его окончание.
Команда сразу увидела рост коэффициента конверсий. Количество же конверсий начало уменьшаться, и это было тревожным сигналом. Цена за конверсию начала колебаться. Часто бывает, что этот показатель в кампаниях сначала скачет от верхних значений к нижним. Но в конечном счете цена приблизилась к заданному стратегией уровню. К концу эксперимента в «Яндекс.Маркете» заметили позитивную динамику. Сравнивали trial period (период тестирования) и control period (контрольный период).
Результаты
Объем конверсий вырос на 16%. Это значительный прирост, потому что у «Яндекс.Маркета» большой объем конверсий. Коэффициент конверсии повысился на 48%, а CPA не изменился. Это значит, что у компании стало больше переходов в магазин по старой стоимости конверсии. Команда «Яндекс.Маркета» получила на 50% больше времени на работу над аккаунтом и другими дополнительными проектами. Этот период совпал с «горячим» сезоном для ритейлеров — начинались праздники (23 Февраля и 8 Марта). Благодаря автоматическому назначению ставок в «Яндекс.Маркете» смогли запустить дополнительные кампании и улучшить результаты по продажам, воспользовавшись освободившимся временем.
Почему всё получилось?
- Команда выделила достаточно времени на тест, согласовав этапы с командой Google
- Цели не менялись, и алгоритму не пришлось переучиваться
- Было много объединенных конверсий в одном портфолио. Это позволило системе максимально быстро построить точную модель для оптимизации.