Контекстная реклама недвижимости, как удержать стоимость заявки в 3 раза ниже рынка

Так было до тех пор, пока в наше агентство не обратился за аудитом прямой конкурент клиента. Оказалось, что средняя стоимость заявки в нише недвижимости в три раза больше — около 16 000 руб.

В этом кейсе мы раскроем, каким образом нам удалось удержать стоимость лида (CPL) в три раза ниже среднего значения на рынке.

Компания специализируется на продаже эксклюзивной загородной недвижимости и участков. Сначала продают участок, а затем предлагают заказать строительство дома. Поселки компании расположены на севере Москвы, в Подмосковье, на Рублевке, на берегу Рузского водохранилища и в Ленинградской области. На территории есть все коммуникации, асфальтированы дороги и есть охрана. Там уже живут люди.

У клиента было 7 аккаунтов, чтобы развести бюджеты по разным направлениям и поселкам. Мы провели аудит всех аккаунтов, но критических ошибок не нашли, только маленькие рекомендации. С них и решили начать.

Предыдущие объявления клиента содержали типичные и обыденные сообщения, вроде «Отличное месторасположение». Такие объявления просто терялись на фоне конкурентов. Чтобы придать каждому поселку индивидуальный стиль и подчеркнуть преимущества, мы разработали по три оригинальных объявления. Мы учли информацию с лендингов про УТП и текущие акционные предложения.

Мы добавили в объявлениях с акциями ярко выраженный дедлайн и указали, что предложение действует только до конца текущего месяца. Каждый месяц мы обновляли информацию о сроках действия акций, создавая искусственную срочность и ощущение дефицита. Даже в нише премиальной недвижимости эта тактика оказалась эффективной.

Чтобы поменять все объявления на семи аккаунтах, нам потребовалось 2 месяца. Мы изучали сайт каждого поселка, собирали информацию, придумывали новые тексты, утверждали их у заказчика, корректировали и загружали в кампании.

Первые 4-5 месяцев было много суеты. Всегда какой-нибудь из аккаунтов выбивался, требовал внимания и отдельной проработки. Вначале это был аккаунт по продаже домов, затем — аккаунт с недвижимостью в Ярославской и Владимирской областях, потом с участками в Ленинградской области. Но за это время мы притерлись и построили процесс согласования и обновления рекламных объявлений, и перешли к экспериментам с настройками рекламных кампаний.

У заказчика аналитика была в порядке: коллтрекинг был настроен, заявки пробрасывались в AmoCRM. Сотрудники добросовестно вносили данные о статусах клиентов в систему:

• «Записан на показ»,
• «Забронировал»,
• «Сделка»,
• «Отказ».

Мы предложили нашему заказчику доработать систему аналитики и внедрить автоматическую передачу этих статусов из CRM в Яндекс Метрику. Это дало нам возможность выявлять отказы и определять клиентов, достигших стадии сделки.

Мы подготовили техническое задание для специалистов клиента и настроили в Метрике три основных цели:

• Составную цель «Заявка», включающую информацию о заявках с сайта, полученных через виджеты, звонки и формы обратной связи.
  Цель «Успешные статусы заявок», в которой фиксировались изменения статусов в CRM, свидетельствующие о продвижении клиента по воронке продаж;
• Цель «Отказы по заявкам», где собирались данные о клиентах, отказавшихся от дальнейшего взаимодействия с компанией.

Процедура передачи статусов из CRM в Яндекс Метрику была организована следующим образом:

1. Посетитель заходит на сайт, и для него автоматически создается уникальный идентификатор клиента (clientID).
   
2. При оформлении заявки на сайте, идентификатор клиента (clientID) передается в CRM как скрытое поле, так как это технический параметр, и связывается с профилем клиента.
   
3. При изменении статуса клиента в CRM, система отправляет соответствующие данные, связанные с clientID, в заранее созданную цель в Яндекс Метрике, отражая конкретные статусы клиентов.
   

Цели с учетом различных статусов помогали нам улучшить эффективности рекламных кампаний. Следующим шагом стало исключение аудитории с «Отрицательными статусами заявок» из кампаний — мы настроили отрицательные корректировки на этот сегмент. С другой стороны, мы увеличивали бюджет для аудитории с «Положительными статусами заявок». К тому же, на обе категории статусов мы создали look-alike аудитории и применили аналогичные корректировки.

Оптимизация по времени пользователя на сайте. Неотъемлемая часть успешной оптимизации кампаний — это обучение автоматических алгоритмов. Несмотря на то, что некоторые все еще предпочитают ручное управление ставками, стоит понимать, что алгоритмы Яндекса вполне способны демонстрировать высокую эффективность, если их правильно обучить.

Для этого мы внедряем микроконверсии — действия пользователей на сайте, косвенно свидетельствующие об интересе к продукту. Например, нахождение на сайте более 7 минут.

На одном из проектов, связанных со сферой недвижимости, внедрение стратегии оптимизации, основанной на вовлеченности пользователей, увеличило число заявок на 47%. Поэтому мы решили провести аналогичные эксперименты и на этом проекте.

Однако, оптимизация по времени, проведенном пользователями на сайте, не принесла ожидаемых результатов. Бюджет расходовался, а количество заявок не прирастало. Мы бросили эту концепцию и перешли к другим методам.

Оптимизация по статусу из CRM. Мы решили попробовать оптимизировать рекламные кампании на основе положительных CRM-статусов.

На протяжении нескольких месяцев эта стратегия давала результат: увеличилось число лидов на 20%, а доля спама снизилась. Однако, со временем эффективность данной стратегии начала уменьшаться – алгоритмы перестали эффективно определять подходящую ЦА. Для того чтобы поддержать достигнутые показатели, мы решили вернуться к более общей цели – «Заявка».

Тест «элитных» интересов в РСЯ. Помимо показов объявлений на основе ключевых слов, платформа РСЯ дает возможность использовать таргетинг по интересам. Мы выдвинули гипотезу — что если элитная недвижимость будет актуальна для аудитории с интересами к роскошным автомобилям и курортам, например, ОАЭ. Это дало результат: мы начали получать заявки. Однако, к сожалению, количество их оставалось невелико, а стоимость оказалась на 30% выше.

Тест инструмента для интернет-магазинов — Товарной кампании. Эта новинка была разработана Яндексом специально для e-commerce. Процедура проста:

1. Указываете ссылку на сайт или загружаете фид.
   
2. Яндекс изучает ассортимент товаров, затем ищет целевую аудиторию через поиск и социальные сети.

Мы подготовили фид с перечнем загородных поселков, загрузили его в систему и активировали Товарную кампанию. В течение трех месяцев она приносила 15–20% от общего числа целевых заявок, при этом стоимость каждой заявки была ниже, чем в других РК. Однако, с течением времени эффективность этой стратегии упала, подобно и предыдущим экспериментам с настройками.

Последние пару лет реклама в Яндексе — это балансирование между объемом данных, необходимых для обучения алгоритмов, и получение нужного количества лидов по заданной стоимости.

Чем больше информации есть у алгоритмов, тем более эффективно они ищут новые заявки. Однако в любой момент рекламная кампания может замедлиться или даже остановится.

Конечно, заказчик общался со своими конкурентами и мы знали, что рынок в целом чувствует себя не очень хорошо. Но мы даже не подозревали насколько.

В сентябре 2022 года к нам за аудитом рекламы пришел непосредственный конкурент клиента. Мы увидели, что он тратил на одну заявку в 3 раза больше — около 16 тыс. руб. Мы удивились, и заказали исследование рынка у Яндекса. Оказалось, в первой половине 2022 года мы держали стоимость заявок на очень низком уровне. Если бы не анализ рекламы конкурента, мы бы и дальше считали, что наша работа не налажена.

Аудит рекламы — один из способов оценить возможности для улучшения вашего продвижения. Если текущие показатели по объему или стоимости обращений оставляют желать лучшего, мы приглашаем вас воспользоваться нашей бесплатной услугой аудита. Наша команда проведет анализ вашей рекламной стратегии и предоставит прогноз ожидаемого дохода и числа заявок, учитывая накопленную статистику, сайтовые конверсии и специфику вашей ниши.