Для улучшения результатов мы оптимизировали бюджет, введя микроконверсии (действия пользователей до момента заказа) и соединив их с макроконверсией (оформлением заказа).
Тестировали несколько типов микроконверсий:
- Время нахождения на сайте (1, 2 и 4 минуты);
- Просмотр страницы автомобиля;
- Глубина просмотра страниц.
Наша цель заключалась в том, чтобы выявить взаимосвязь между микроконверсиями и конечными продажами. В результате наилучший результат показал просмотр карточки автомобиля, что свидетельствовало о вовлеченности пользователей.
Мы включили просмотр карточек автомобилей в цели рекламной кампании, сигнализируя алгоритмам, что стремимся привлечь пользователей, которые выполняют это действие. Однако основной фокус оставался на тех, кто совершает аренду авто. Чтобы подчеркнуть важность макроконверсии, мы установили ей более высокую ценность по сравнению с микроконверсиями.
Стоимость рассчитывали на основе соотношения между микроконверсиями и заказами. Например, если из 10 просмотров карточек мы получаем 1 заказ, и хотим, чтобы заявка не обходилась дороже 4000 рублей, то цена за просмотр карточки не должна превышать 400 рублей. Макроконверсии мы присвоили стоимость в 3500 рублей, давая системе понять, что это для нас приоритетная цель. Исходя из этого, мы составили бюджет и приступили к тестированию гипотез.
На первом этапе тестирования были использованы следующие стратегии:
1.
Оптимизация брендовых запросов. Ранее клиент не применял брендовые запросы, но они важны, поскольку пользователи, ищущие наш бренд, чаще всего делают заказ. Чтобы лучше управлять этим конверсионным трафиком, брендовые запросы были вынесены в отдельную кампанию.
2.
Сегментация поисковых кампаний. Мы создали отдельные рекламные кампании для разных регионов (Крым, Санкт-Петербург, Калининград), где доступна аренда автомобилей, и настроили показ объявлений по всей России. Дополнительно сегментировали кампании на основе намерений пользователей, создавая отдельные РК для бренда, аренды авто и приоритетных запросов по каждому региону, поскольку они показывали разную готовность к покупке.
3.
Использование пакетной стратегии. По каждой поисковой кампании получалось менее 10 конверсий в неделю, что мешало алгоритмам обучаться. Мы объединили кампании в пакетную стратегию, чтобы увеличить объем данных для обучения алгоритмов.
4.
Исключение неконверсионных регионов. Мы попробовали отключить регионы с низким уровнем конверсий, но это не дало желаемого результата. В современных условиях автоматизация играет ключевую роль в работе алгоритмов, и меньшее количество ограничений способствует их лучшей обучаемости. Чтобы избежать снижения эффективности кампаний, мы рекомендовали не ограничивать охваты по геотаргетингу.
К концу месяца результаты оказались неутешительными: удалось снизить стоимость лида и немного увеличить количество заказов, но данных для полноценного обучения алгоритмов Яндекса было недостаточно. Автоматизация начала затухать, а показы снижались.