Разбираем ошибки контекстной рекламы в премиум сегменте и увеличиваем количество лидов в 2,5 раза производству мебели, когда VIP-лидов мало и они дорогие

Что делать, если в сегменте премиум-класса мало лидов, а стоимость их привлечения высока? Как минимизировать ошибки в контекстной рекламе и оптимизировать алгоритмы? В статье мы раскрываем методы борьбы с нерелевантными запросами, которые расходуют бюджет, и нехватку данных для тренировки алгоритмов Яндекса. Оптимизация сайта и использование микроконверсий помогают обойти конкурентов, научить алгоритмы эффективно продавать услуги как товары и ориентироваться на VIP-клиентуру.

Наш клиент — компания, занимающаяся изготовлением индивидуальной мебели премиум-класса, которая также сотрудничает с дизайнерами.

Заказчик начинал заниматься рекламой самостоятельно, но заказов на производство привлекали недостаточно. После прочтения нашего кейса они решили обратиться к нам.

Аудит продвижения выявил несколько проблем.

Ошибка 1: Использование настройки «расширенный геотаргетинг». Из-за этого реклама отображалась в неподходящих регионах, и реклама сливала бюджет. Клиент работает на заказ и не может выезжать в регионы, где не представлен.

Ошибка 2: Использование идентичных объявлений для разных групп товаров уменьшало их привлекательность. Так, запросы на шкафы-купе и стеновые панели рекламировались однотипными и неинтересными объявлениями «Мебель на заказ».

Ошибка 3: Не были указаны минус-слова, что приводило к показам по нерелевантным запросам, например, «купить готовую кухню + в хофф».

Ошибка 4: Не были отфильтрованы некачественные площадки в РСЯ. Большая часть бюджета утекала через мобильные приложения с высоким уровнем отказов (80−100%).

Ошибка 5: Аналитика не была настроена. И это было самой важной проблемой — невозможно было отслеживать эффективность рекламных кампаний.

Эти ошибки были критическими и приводили к необоснованным расходам бюджета без возможности его оптимизации.

Мы заново запустили контекстную рекламу по нашему стандарту, учитывая уроки из прошлых ошибок и специфику данной ниши.

В начале нашей работы мы не только настраиваем все подходящие типы рекламных активностей для ниши клиента, но и тщательно настраиваем аналитику оффлайн (отслеживание звонков) и онлайн (формы заявок на сайте) заявок. Это позволяет нам оценивать результативность каждой рекламной кампании и оперативно вносить коррективы для их оптимизации.

Мы настроили сквозную аналитику и начали отслеживать:

• Конверсии со звонков (через коллтрекинг) с онлайн форм (в Яндекс. Метрике).
• Уровень вовлеченности пользователей. Учитывая, что у клиента был одностраничный сайт, мы сконцентрировались на отслеживании глубины скроллинга: 10%, 25%, 50%, 75%, 90%.
• Клики по формам заявок и частоту их открытия.

Мы тщательно отобрали премиум запросы по мебели и разработали детализированную семантику для поисковых кампаний, разделив ее на группы по категориям:

• Брендовые запросы (например, «Август дуга мебель»);
• Запросы на заказ премиум-мебели (например, «премиум мебель +на заказ +Москва», «элитная мебель на заказ»).

Получился довольно маленький по объему предполагаемого трафика сегмент. Для увеличения охвата мы подключили и более обширные семантические группы:

• Индивидуальные размеры («мебель +по индивидуальному заказу»);
• Мебель по проектам или чертежам («мебель +на заказ +по чертежам», «мебель +по дизайн-проекту +на заказ»);
• Мебель «под ключ»;
• Комнатная мебель на заказ (например, встроенная мебель в ванную);
• Стеновые панели и скрытые двери на заказ.

Каждая группа запросов получила соответствующие релевантные объявления, максимально точно отражающие потребности пользователей.

На основе опыта прошлых проектов мы адаптировали Яндекс продавать услуги как товар. Для этого создали вручную товарный фид по нашему чек-листу, который Яндекс Директ использует для формирования объявлений, показываемых в поиске, что позволяет занимать уникальные позиции и сокращать расходы на привлечение трафика.

Несмотря на все наши усилия, первые две недели принесли лишь 4 лида по высокой цене в 24 760 рублей. Данных для полноценного обучения алгоритмов Яндекса не хватало. Реклама показывала хороший CTR на уровне 9,23% в поиске и 0,88% в сетях, но конверсия составила всего 0,75%, что говорило о необходимости дальнейшей оптимизации сайта.

Мы изучили поведенческие факторы посетителей сайта. Несмотря на высокий CTR и низкий уровень отказов, коэффициент конверсии (CR) оставался низким. Это означало, что пользователи активно интересовались содержанием сайта и оставались на нем, но не переходили к оформлению заказа. Это стало основанием предложить внести коррективы на сайт.

Сайт был нацелен на премиум аудиторию с высококачественным дизайном, который полностью отражал эксклюзивность предложения. Однако до оформления заказа дело не доходило. Мы исследовали юзабилити сайта и траектории пользователей, после чего внесли следующие изменения для ускорения достижения пользователем цели — оформления заказа:

• Внедрили в шапку сайта элементы, стимулирующие конверсию: контактный номер, иконку WhatsApp, кнопку обратного звонка и кнопку «Рассчитать стоимость».
• Включили в меню якорные ссылки для быстрого перехода к нужным разделам.
• Для удобства мобильных пользователей добавили ссылку на Яндекс. Карты и кнопку «проложить маршрут».
• Переработали форму заявки: новый заголовок, описание и призыв к действию.
• Вставили видеоблок с призывом к действию, усиливающим вовлеченность.

После обновления сайта, результаты не заставили себя ждать: конверсия во второй половине месяца увеличилась на 27% (с 0,75% до 0,95%), а стоимость лида снизилась с 24 760 рублей до 17 363 рублей. Параллельно с тестированием нового дизайна мы продолжали работать над решением основной проблемы.

Мы столкнулись с нехваткой макроконверсий (заказов и звонков), которые необходимы для эффективного функционирования автоматизированных стратегий. Для обучения алгоритмов Яндекс требует минимум 10 макроконверсий в неделю в рамках одной рекламной кампании. При меньшем количестве данных алгоритмы становятся менее эффективными, и реклама перестает работать.

Чтобы ускорить сбор данных и компенсировать недостаток макроконверсий, мы использовали оптимизацию по микроконверсиям, которые изначально были заданы в целях аналитики. Микроконверсии — это промежуточные действия пользователя, ведущие к основной цели (макроконверсии).

Мы изучили поведение пользователей на сайте, искали связь между увеличением микроконверсий и макроконверсий. Обнаружив корреляцию между ростом промежуточных действий и заказами, мы использовали эти данные для оптимизации рекламных кампаний.

В результате выявили две ключевые микроконверсии, влияющие на макроцели в проекте:

• Клик по кнопке, открывающей форму заявки, что указывало на желание пользователя продолжить взаимодействие.
• Активное время пользователя на сайте составляло 2 минуты.

На основе этих данных мы оптимизировали Яндекс Директ так, чтобы привлекать на обновленный сайт посетителей, склонных к выполнению микроконверсий, и в результате совершению покупки. За два месяца число лидов увеличилось на 45%, при этом стоимость лида сократилась до 13 129 рублей.

Перевод кампаний на оптимизацию через микроконверсии позволил увеличить объем данных для алгоритмов Яндекса. Однако, в каждой отдельной кампании не хватало необходимых 10 микроконверсий для обучения. Это побудило нас к эксперименту: мы интегрировали несколько поисковых кампаний в единую пакетную стратегию. Этот подход позволяет кампаниям оставаться независимыми, но объединяет их рекламные бюджеты и стратегические настройки, позволяя Яндексу считать конверсии суммарно, улучшая стабильность работы алгоритмов.

Мы объединили четыре поисковые кампании:

• По приоритетным категориям (стеновые панели, межкомнатные двери);
• По типу помещений (ванная, кухня, спальня, гардеробная);
• По отдельным предметам мебели (тумбы, комоды);
• По запросам, связанным с конкурентами.

Мы применили стратегию «Максимум конверсий», нацеленную на увеличение видимости для пользователей с большей вероятностью выполнения целевых действий на сайте. В качестве цели для Яндекс Метрики указали «Уникальные лиды».

В результате, внедрение пакетной стратегии способствовало удвоению числа лидов, а стоимость приобретения лида (CPL) сократилась с 13 129 рублей до 8 785 рублей.

Наступили новогодние праздники, и со второй половины декабря началась просадка по лидам. Данных для обучения автоматики было особенно мало в этот период, поэтому после окончания праздников начали реанимировать рекламные кампании, которые просели больше всего.

Товарная кампания и Мастер кампаний первоначально были настроены на оплату за клики. Но после новогодних праздников мы увидели, что алгоритмы в этих кампаниях стали больше трафика приводить из неэффективной РСЯ. Были показы, клики, но не лиды. Поэтому решили перенаправить алгоритмы на Товарную галерею и Поиск.

В умных кампаниях Яндекса нет возможности отключить одну из площадок. Поэтому в Товарной кампании убрали креативы (рекламные баннеры) для показа в РСЯ, оставили только заголовки и текст к объявлениям.
Алгоритмы Яндекса увидели, что нет креативов, а значит нечего показывать в РСЯ. Поэтому объявления стали больше отображаться в Товарной галерее и Поиске.

Мастер кампаний сначала запускали полностью на автоматических настройках. Результата он не принес. Поэтому настроили кампанию по ключевым фразам, направляя алгоритмы куда нам нужно вручную.

До оптимизации за праздничный месяц в Мастере кампаний пришел 1 лид за месяц, после оптимизации за тот же период — 5. В Товарной кампании до оптимизации пришло 2 лида за месяц, после — 6.
После просадочных месяцев к февралю общее количество лидов повысилось на 75%. А стоимость лида снизилась с 12 179 ₽ до 9 849 ₽.

В рамках Яндекса мы решили использовать разнообразные методы таргетинга для достижения нужных целевых аудиторий.

1. Настроили рекламные кампании на специфические сегменты по уровню платежеспособности, которые можно указать в настройках рекламного кабинета:

• Топ 1%;
• Топ 2−5%;
• Топ 6−10%;
• Оставшиеся 90%.

Для самых платежеспособных аудиторий (1% и 2−5%) мы установили повышенный приоритет, а для сегмента 6−10% — понижающую корректировку. Результаты оказались неудовлетворительными, возможно, потому что часть этой аудитории делегирует подбор мебели дизайнерам, которые сами могут не относиться к верхнему слою платежеспособных граждан.

Настройка с корректировками по платежеспособности:

2. Воспользовались геолокационным таргетингом через Яндекс.Аудитории. На карте выделили конкретные районы, где предположительно проживает премиум аудитория:

• Жители элитных районов, таких как Барвиха, Рублевка;
• Жилые комплексы премиум-класса, находящиеся на этапе строительства.

Скриншот с примером полигонов:

На эти локации мы установили повышающие корректировки в поисковых кампаниях и РСЯ.

3. Загрузили в Яндекс Аудитории базу данных дизайнеров, предоставленную клиентом, и создали на её основе Look-a-like аудиторию. Для этой аудитории также были установлены повышающие корректировки в РСЯ.

Благодаря использованию геолокации и Look-a-like аудиторий количество лидов возросло на 28%.

В рамках стратегии повышения конверсии сайта и улучшения сегментации посетителей, мы реализовали квиз. Он был разработан с учетом специфики направлений на сайте и интересов клиентов. Квиз внедрен в место на сайте, где ранее находилась форма заявки, и откуда поступало большинство обращений.

Учитывая многообразие направлений и одну кнопку активации, квиз структурировали таким образом, чтобы оптимально направлять пользователя к желаемой цели.

Сначала узнаем, какой сегмент отправляет заявку:

Далее узнаем на какой стадии находится заказчик, выявляем потребности:

И потом пользователь выбирает категорию, которая есть на сайте:

Для мотивированная заполнения в конце предлагали скидки, бонусы, подарки:

Квиз представлял собой несколько этапов, каждый из которых был тщательно продуман. После его введения мы отслеживали пользователей, которые начали, но не завершили квиз. Этих пользователей мы старались вернуть на сайт, применяя повышающие корректировки в поисковых кампаниях. Тех, кто прошел квиз до конца, но не совершил покупку, мы стимулировали вернуться, предлагая дополнительные скидки через ретаргетинг.

Благодаря этим улучшениям, конверсия увеличилась на 30%, а стоимость привлечения клиента снизилась с 9 921 рубля до 7 449 рублей.

Этот кейс подтверждает, что даже в специализированной нише премиум-сегмента, где лиды редки и стоят дорого, контекстная реклама может оказаться чрезвычайно эффективной благодаря грамотной работе с сайтом, детальной настройке аналитики и постоянному тестированию новых рекламных гипотез.

За 10 месяцев мы не только увеличили объемы лидов, но и снизили стоимость их привлечения (CPL) на 57% — с 17 363 рублей до 7 449 рублей. Это демонстрирует, что контекстная реклама в премиум-сегменте может быть высокоэффективной при правильной настройке и оптимизации.