3 ошибки интернет-магазина матрасов: почему маркетинговое мышление не помогает увеличить продажи

Почему разумные маркетинговые гипотезы терпят крах из-за алгоритмов Яндекса? Как определить, что действительно эффективно? Когда автоматизация оставит контекстологов без работы? В кейсе интернет-магазина матрасов мы рассмотрим конфликт между маркетинговой логикой и искусственным интеллектом Яндекс Директа. После трех неудач удалось удвоить доход и снизить долю рекламных расходов (ДРР) с 43% до 30%.

Сегодня обсудим противоречие между И И Яндекс Директа и маркетологами. ИИ стремится к полной автоматизации, уменьшая контроль над рекламными кампаниями. Он использует искусственный интеллект и нейронные сети, требующие большого объема данных для обучения.

Маркетолог, напротив, желает полностью контролировать кампании, ведь он изучил целевую аудиторию и сфокусирован на ее потребностях. Однако даже самые продуманные гипотезы могут не сработать из-за логики Яндекс Директа: ИИ «думает» иначе и не всегда выполняет ожидаемое.

Тем не менее с алгоритмами можно найти общий язык. Искусственный интеллект не способен генерировать и тестировать гипотезы так, как это делает опытный маркетолог.

Вы узнаете, как мы преодолели эту оказию для нашего клиента — интернет-магазина матрасов. На примере шести мини-кейсов покажем, как научить И И Яндекс Директа следовать маркетинговой логике.

Ситуация:

Интернет-магазин, специализирующийся на продаже матрасов, столкнулся с трудностями при попытке расширения бизнеса. Рекламный бюджет увеличили, доля рекламных расходов возрастала, а как объем продаж оставался неизменным.

Стратегия:

Сперва мы придерживались классической маркетинговой стратегии и логике, т. е. старались, чтобы:

• рекламные объявления точно отвечали запросам потенциальных покупателей,
• размещались на наиболее привлекательных позициях в поисковой выдаче,
• были ориентированы исключительно на целевую аудиторию,
• использовались только подходящие рекламные платформы,
• а неактуальных запросов не было вовсе.

Мы сосредоточились на оптимизации наименее эффективных кампаний, начав с тех, которые приводили к минимальному количеству заказов. Также углубили сегментацию целевой аудитории, чтобы увеличить продажи за счет привлечения наиболее конверсионных клиентов.

Выбрали пять регионов с наиболее неудачными поисковыми кампаниями и разделили их на две группы. В каждой группе акцент был сделан на аудиторию, которая чаще всего совершала покупки, стремясь увеличить их привлечение.

Итоги:

В результате в обеих группах снизился рекламный трафик и продажи, а рекламные расходы возросли. Перед проведением теста ДРР в этих кампаниях составлял 51% — уже достаточно высокий показатель, но затем он вырос в три раза до неприемлемых 170%.

Вывод:

Очевидно, что слишком строгие ограничения алгоритмов Яндекса приводят к нарушению их эффективности.

Ситуация:

Основные рекламные стратегии, которые ранее успешно привлекали клиентов, оказались не масштабируемыми. Мы не могли достичь ожидаемых результатов с использованием нашего проверенного подхода.

Это были «Мастер кампаний» и товарная кампания — инновационные решения Яндекса, работающие как в поиске, так и в РСЯ. Эти системы автоматически выбирали запросы, позиции и площадки на основе информации с посадочных страниц и текстов объявлений, причем товарная кампания также включала в себя фид — файл с данными о товарах.

Стратегия:

Мы предположили, что усиление уже успешных кампаний принесет большие результаты. Основываясь на данных, что наиболее выгодные покупки происходили через поиск, мы настроили автостратегию для привлечения большего числа таких клиентов, установив сложные маркетинговые цели. Начальная цель была переход на сайт через рекламу, а конечная — совершение покупки. Мы увеличили стоимость за конверсию и оптимизировали кампании по этой цели.

Итоги:

Несмотря на наши усилия, Яндекс Директ не поддержал наш подход, и количество заказов с поиска не увеличилось. К тому же РСЯ дала сбой: число некачественных рекламных площадок увеличилось, а доля рекламных расходов возросла до 300%.

Вывод:

В то же время, заказы через РСЯ слегка увеличились, но их стоимость оставалась в два раза выше, чем заказы с поиска, составляя 11 450 рублей.

Ситуация:

Система автоматически отбирала объявления для показа, но они не соответствовали пользовательским запросам. Например, показывалась реклама беспружинных матрасов по запросу «пружинный матрас».

Во всем был виноват автотаргетинг — он не всегда правильно угадывает. А из-за недавних изменений в настройках Яндекс Директа возможность отключения автотаргетинга была устранена.

Стратегия:

Мы решили взять контроль над рекламными кампаниями в свои руки, учитывая частые ошибки системы. Вручную перенастроили кампании, сделав объявления точно соответствующими запросам. Решились на необычный ход, и исключили слово «матрас» из ключевых запросов, несмотря на его присутствие в большинстве из них. Обычно в качестве минус-слов используются термины, не связанные с целевым действием (например, «бесплатно», «скачать»), но здесь наша логика была другой. В запросе «пружинный матрас» минус-слово «матрас» будет игнорироваться. То есть по всем другим запросам, которые Яндекс может подобрать нам со словом «матрас», такое объявление показываться не будет! И так мы обойдем автотаргетинг.

Итог:

Хотя мы и достигли высокой релевантности объявлений по запросам, общий результат оказался неутешительным. Ограничения, которые мы ввели, не понравились Яндексу: охваты значительно сократились, что привело к уменьшению продаж.

Ситуация:

Одна из наших самых конверсионных рекламных кампаний начала привлекать клиентов, совершавших покупки на небольшие суммы, что привело к снижению среднего чека и росту доли рекламных расходов (ДРР) до неэффективных значений.

Стратегия:

Используя опыт из прошлых ошибок, мы решили не ограничивать систему, а направить её на привлечение покупок с более высоким средним чеком. Мы могли исключить дешевые товары из рекламного фида или настроить фильтры по стоимости для динамического поиска и смарт-баннеров, но такие методы не подходят для классических поисковых кампаний и РСЯ.

Вместо этого мы сконцентрировались на оптимизации рекламных кампаний с целью привлекать корзины покупок, где общая стоимость товаров превышала 25 000 рублей. Это означало, что алгоритмы должны были учитывать только те покупки, где-либо один товар стоил более 25 000 рублей, либо общая сумма нескольких товаров достигала этого порога, чтобы поддерживать нужный уровень среднего чека.

Итоги:

Эта стратегия привела к значительному снижению ДРР — с 36% до 24%. Наша гипотеза оказалась успешной.

Ситуация:

В рамках одной из наших рекламных кампаний мы фокусировались на микроцели — добавление товаров в корзину. В итоге, хотя алгоритмы и приводили множество пользователей, которые добавляли товары в корзину, большинство из них не переходило к покупке.

Стратегия:

Проанализировав поведение пользователей на сайте, мы выявили интересную тенденцию: многие использовали корзину как способ сохранения и сравнения товаров из-за отсутствия функции «Избранное». Из-за этого автоматика сфокусировалась на потенциальных покупателях, которые еще не были готовы совершить немедленные покупки.

Мы добавили на сайт возможность «Сравнить» и «Избранное», чтобы у пользователей была альтернатива сохранению товаров в корзину. Кроме того, мы перенастроили рекламные кампании, сместив фокус на оптимизацию по действию «Переход в корзину», отделяя таким образом намерения пользователей на покупку от желания лишь сохранить товар.

Итоги:

После корректировки стратегии и обучения автоматических систем на корректных данных, мы смогли привлечь на сайт значительное количество готовых к покупке клиентов. Это привело к росту продаж на 50%.

С помощью метода проб и ошибок, мы выявили эффективные стратегии, которые нашли отклик в системе Яндекс Директ и доказали свою результативность. Эти стратегии постепенно распространили на другие рекламные кампании.

В течение 7 месяцев, начиная с конца октября 2023 года, доход нашего интернет-магазина увеличился вдвое.

ДРР опустился до приемлемых для e-commerce 30% и оставался на этом уровне в последующие месяцы. К тому же, стоимость покупки сократилась на 20%.