Запустили торговые кампании Google Ads с оптимизацией по марже. Кейс

Роман Любимцев
Head of Analytics&Marketplace, MediaGuru

За последние годы рекламные площадки сильно улучшили алгоритмы автоматических стратегий. Они начали предлагать оптимизацию по стоимости за заказ, по целевой рентабельности инвестиций и даже по доле рекламных расходов. А маркетплейсы, которые активно захватывают рынок, вообще предлагают платить за выкупленный заказ.

В случае с контекстными рекламными площадками, в отличии от маркетплейса, все равно есть сложность — доход от продажи одной товарной единицы может сильно варьироваться. В e-commerce в качестве конверсий для оптимизации обычно используют один из трех вариантов:

  • данные электронной торговли вместе с лидами с сайта;
  • в более продвинутых случаях — оффлайн-данные из Google Measurement Protocol, а в случае Яндекс.Метрики — загрузку оффлайн-конверсий или сквозную аналитику, которая недавно появилась в сервисе;
  • если речь не про e-commerce, то все сводится к подсчету звонков и целей, что еще печальнее.

Те, кто готов немного раскошелиться за более точный учет ради высокого результата, подключают готовые решения для сквозной аналитики вроде Roistat, Calltouch, Comagic и др. Их возможности намного шире:

  • можно видеть статистику по конверсиям в одном окне: как со звонков, так и с элементов взаимодействия на сайте;
  • несложно интегрировать с CRM (для популярных систем) для передачи сделок;
  • если интеграция с CRM сделана должным образом, возможно видеть прибыль от рекламных кампаний.

Задача — оптимизация по марже

Digital-агентство MediaGuru недавно начало сотрудничать с интернет-магазином смартфонов и гаджетов Wishmaster. Для его продвижения мы запустили умную торговую кампанию Google Ads. Но стандартные варианты оптимизации не подходили.

Система ценообразования клиента очень лояльна к покупателям, но усложняет оптимизацию РК. Политика такая, что наценка не зависит от цены товара. Аппарат стоимостью 100 тыс. рублей может принести прибыль 500 рублей, а гаджет за 15 тыс. рублей даст профит в 2 тыс. рублей. При такой системе работа по целевой цене за конверсию сводится к крайне неудобному формату подбивания CPO под каждый товар. А подгонять под ROI еще проблематичнее.

На этапе переговоров с клиентом решили, что будем подключать Roistat и переведем рекламные кампании на оптимизацию по фактически получаемой марже.

Подготовительный этап

Коллеги из Wishmaster оперативно настроили передачу в Roistat себестоимости и статусов заказов. Теперь мы видели маржу. Дальше внедрили коллтрекинг, что окончательно дополнило картину.

До подключения коллтрекинга мы подготовили набор скриптов, который позволяет получать данные из Roistat и передавать их сразу в Google Ads. Упущение сервисов сквозной аналитики — в основном они сосредоточены на том, чтобы агрегировать статистику. Нет набора коннекторов для передачи данных на площадки или в бесплатные системы аналитики. На общем фоне чуть выделятся CallTouch, но и там есть не все нужные инструменты.

Передача данных из Roistat

Перейдем к наиболее интересному — к механике передачи данных. У Roistat есть свой API. При помощи простой функции на языке Python легко получить данные по лидам, сделкам и визитам.

Дальше из полученного датасета нужно извлечь все необходимое, отфильтровать по статусам и готово.

Есть нюанс! Через API Roistat не получить Google Click ID (gclid), чтобы успешно загрузить конверсии в Ads. Но Roistat собирает ClientID Яндекс.Метрики и Google Analytics. 

Как загрузить конверсии из Roistat в Ads?

Есть как минимум два варианта, как выйти из ситуации.

  • Вариант 1. Передать данные из Roistat в Google Analytics, связать аккаунты и импортировать конверсии.
  • Вариант 2. Использовать Logs API Метрики, который позволяет получить gclid.

Мы воспользовались вторым вариантом. Немного остановимся на том, почему не выбрали первый.

  1. Реатрибуция. Google Analytics будет реатрибуцировать конверсии. Из-за этого конечный результат будет расходиться с Roistat, к которому мы привязались изначально.
  2. Потеря конверсий. В связи с п.1 могут происходить потери при импорте. Причин может быть несколько. Основная — конверсия импортируется в Google Ads только в том случае, если в Google Analytics будет отнесена к источнику Google Ads по атрибуции последний непрямой.
  3. Привязка конверсии к времени визита. В случае импорта дата конверсии будет привязана к моменту ее передачи, а не к клику по рекламе. Поскольку статусы передаются с задержкой, фактически конверсия в Ads может быть отнесена к другому дню. Это повлияет на интерпретацию ROI в аккаунте.

Финальный этап

Данные о заказах из Roistat в предобработнном виде мы загружаем в BigQuery. Туда же идет экспорт из Logs API Метрики. В облаке мы сопоставляем по clientID заказ с gclid визита. После сопоставления достаточно импортировать данные в Google Sheets, подключить таблицу к аккаунту Ads и настроить регулярное обновление всей цепочки. Данные начнут в автоматическом режиме попадать в аккаунт. 

Концептуально схема выглядит так:

Схема передачи данных из Roistat в Google Ads

Roistat в данном случае — это донор данных. Метрика — цемент, который позволяет увязать их между собой, а Ads — реципиент.

Казалось бы, где Roistat, Метрика и Google Ads. Но при желании и некотором умении все объединяется в рабочую схему. Конечно, она не универсальна. Мы исходили из требований задачи. А нужно было построить работоспособный вариант с предсказуемым и легко интерпретируемым результатом.

Результаты

А для чего все было сделано? Торговая кампания оптимизируется по марже несколько недель. Ниже временной ряд из Ads «Ценность конверсии/Стоимость» с 1 по 31 июля. Первые две недели проходило обучение стратегии с наслоением конверсий, которые зарегистрированы в Google Ads до и после переключения конверсии в аккаунте.

Вторая часть графика — более «чистые» данные уже с минимальным влиянием старых конверсий в оптимизации. Средний показатель Ads «Ценность конверсии/Стоимость» около 2, т.е. кампания стала приносить примерно в 2 раза больше, чем тратит (без НДС).

Дальше мы запланировали оптимизировать товарную матрицу, чтобы «разогреть» кампании и увеличить продажи.

Выводы

Работа умной торговой кампании с оптимизацией на прибыль показывает неплохие результаты. У нее есть потенциал. Маркетологу довольно легко интерпретировать результат ее работы, чтобы вносить корректировки без подсчета средней температуры по больнице, а опираясь на конкретный результат.

Отсюда вывод — для достижения цели не нужно ограничиваться типовыми решениями. Учитесь смотреть шире, чтобы добиться результата максимально быстро и качественно.

Оцените статью

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 оценок, среднее: 5,00 из 5)
Загрузка...

Поделитесь в соцсетях

Похожие публикации

Как увеличить трафик для крупного производителя керамической плитки

Задачи кейса Производитель керамической плитки на рынке с 2001 года. У компании открыто более 20 представительств в России, филиалы — в Италии и США. Перед нами стояли следующие задачи. Увеличить трафик и продажи с помощью контекстной и таргетированной рекламы. Предоставлять подробную отчётность в удобной для клиента форме в виде онлайн-дашборда. Реализация проекта Работаем с данным клиентом с мая 2021 года по настоящее время. В проекте задействованы несколько специалистов по контекстной и таргетированной рекламе, аналитик, аккаунт-менеджер […]

Мини-кейс: результаты запусков ПромоСтатей для B2B в РСЯ

Опыт размещения ПромоСтатей в РСЯ для клиентов из сегмента В2В от Ксении Зайцевой, эксперта по обучению Яндекс.Дзен и PR MediaGuru. Мы начали тестировать запуски кампаний на РСЯ в начале мая. Тесты проводили на креативах, которые уже показали хорошие результаты откруток в Дзене: нативные и продуктовые материалы, мифы и возражения. Мы предполагали, что процент переходов на сайт […]

Как с помощью DSA и CPA кампаний увеличить трафик на 20% и продажи на 15% для стройматериалов

«Мегастрой» — это сеть крупных строительно-хозяйственных гипермаркетов и интернет-магазин, профилируется на продаже товаров для строительства, ремонта, декора, сада и другого инвентаря. В сеть входит 12 гипермаркетов, которые находятся в Казани, Набережных Челнах, Ульяновске, Чебоксарах, Йошкар-Оле, Стерлитамаке и Саранске. Каждому городу присвоен свой поддомен в сети. Задачи, которые стояли перед нашей проектной группой: 1. Увеличение трафика и […]