Настройка и оптимизация стратегии Яндекса для увеличения количества бронирований номеров | Кейс МАКО

Что значит масштабировать рекламные кампании? Представляется такая схема: увеличиваешь бюджет, становится больше переходов, конверсий и продаж. В реальности же иногда получается так, что расходы выросли, клики и лиды подорожали, а роста не получилось… Мы в МАКО придумали способ, как оживить алгоритмы рекламного кабинета и поделимся нашим ноу-хау в этой статье.

Прошлой весной к нам пришла сеть отелей — 15 гостиниц в центре Москвы. До нас единственным источником постояльцев был Booking и его вполне хватало. Но потом сервис ушел из России — пришлось искать выход в таргетированной и контекстной рекламе.

Как правило, работа с новым клиентом начинается с анализа существующей рекламы. По собранным данным можно сделать определенные выводы, что работает, а что не очень, и предложить новую стратегию размещения.

В этом кейсе анализировать было нечего — реклама никогда не давалась. У нас было пожелание клиента: стоимость нового бронирования не должна быть больше 500 руб. А также некоторая статистика по достижении целей на сайте с поискового троафика. В медиаплане пришлось указать ориентировочные значения стоимости клика и конверсии в виде диапазона «от…» и «до…».

Прогнозы в новом рекламном кабинете даем в диапазоне «от…» и «до…».

Когда пользователь ищет отели в Яндексе, система показывает сперва блок с картой и предложения отелей с ценами, отзывами и рейтингом. Обычные поисковые объявления показываются ниже, они собирают мало кликов, а переход оказывается дорогим.

Мы предложили такую стратегию для начала:

1. Фокусируем усилия на рекламе в РСЯ — привлекаем холодную аудиторию показывая концепцию отеля.
2. Собираем аудиторию пользователей, кто перешел по объявлению из РСЯ, и догоняем ее ретаргетингом.
3. Параллельно тестируем Мастер кампаний.

Мы рассчитывали на 440-809 лидов в первый месяц. Под лидами подразумевали бронирования, целевые звонки и заказ обратного звонка с сайта.

Первое, что приходит в голову, когда думаешь, по каким запросам люди ищут гостиницы в Яндексе, будет что-то в духе:

• Прямые ключевые фразы вроде "снять гостиницу", "забронировать отель", "отели в центре Москвы" и т.д.
• Более геориентированные запросы: "гостиница рядом с метро Плошадь Ильича", "отель недалеко от парка Горького" и т.д.

Мы захотели подойти к проработке ключей более искушенным способом. Подумали: «А в какой ситуации люди ищут отели»? И получилась такая семантика:

• Поблизости от достопримечательностей — туристы хотят жить в пешей доступности от музеев, площадей и т.д.
• Неподалеку от бизнес-центров — для тех, кто приезжает по работе.
• Недалеко от ВУЗов — абитуриенты и их родители селятся ближе к будущему месту учебы.
• Около больниц, клиник и НИИ — для тех, кто приезжает на обследования или к больным родственникам.

Причины, по которым люди ищут гостиницы с привязкой к определенному району.

На бумаге все выглядело прекрасно: делим рекламные кампании на группы по видам запросов и предлагаем релевантные запросу пользователя объявления. Нужен номер рядом с музеем — пожалуйста. Хочется поселиться рядом с бизнес центром — вот объявление «Уютные номера в 10 минутах от Москва Сити».

В действительности все оказалось не так просто. Из-за большого количества блоков информации от самого Яндекса внимание пользователей к рекламным объявлениям снижается. Реклама в РСЯ с таким подходом тоже не выстрелила: бюджет тратился, а клиентов не прибавлялось.

За 6 месяцев работы кампании по гео-сегментам дали всего 36 бронирований с высоким CPO.

После двух месяцев работ с управлением ставками в ручном режиме мы решили отказаться от этой стратегии и перешли на автостратегии с оплатой за лиды.

Буквально через 7 дней уже можно было уверенно говорить о положительных изменениях: пусть бронирований не стало больше, но снизилась CPO. После того как кампании окончательно обучились вверх пошел и график количества лидов. Стоимость по-прежнему оставалась низкой.

Одновременно с этим мы подключили автоматические кампании от Яндекса — Мастер кампаний и Товарная кампания. Их мы также настроили с оплатой за бронирование. Но чем дольше они работали, тем больше трафика перетягивали на себя.

С Товарной кампанией вышла интересная история. Этот инструмент подразумевался для интернет-магазинов: он базируется на использовании фида с товарами. Выгрузить фид с номерами с сайта гостиницы не получится, это не все же не карточки товаров. Но зато можно создать фид вручную в Excel. Так мы и поступили.

Мы создали файл в формате CSV с данными о 15 гостиницах, включая ссылки на страницы каждой гостиницы, изображения интерьера и стоимость ночи. Затем мы загрузили этот файл в Товарную кампанию: объявления о номерах начали отображаться как настоящие товары, готовые к покупке.

Товарная кампания — полезный инструмент, который подходит не только для интернет-торговли. Но и он не идеален: постепенно отбирает конверсии у других РК.

Некоторое время мы продолжали увеличивать ставки в Товарной кампании, чтобы компенсировать падение бронирований. Несмотря на это, мы столкнулись с ограничением в объеме: количество бронирований перестало увеличиваться, а стоимость, наоборот, росла. Мы старались как можно быстрее найти способ, заставить алгоритмы работать эффективнее.

Осенью в тематике происходит снижение спроса, но гостиницам всё так же нужны бронирования.

Одно из преимуществ автоматических стратегий с оплатой за конверсии — мы платим только за достижение этих целей. Мы решили воспользоваться этой возможностью.

Сначала мы попробовали оптимизировать кампании, уделяя внимание цели, находящейся ближе к началу воронки. Перед тем как забронировать номера, пользователи обычно просматривают отели, выбирают конкретное место проживания и только затем указывают дату заезда и выезда, количество гостей и диапазон цен. Хотя не все посещения с выбором даты заезда завершались бронированием, эти посетители казались более заинтересованными и активными, чем те, кто просто просматривал страницы отелей. Поэтому мы постепенно перенастроили наши кампании нацелив их на конверсию "Начало бронирования". Эта цель считалась достигнутой, когда пользователь переходил на страницу с деталями, включая выбор даты заезда и выезда, количество гостей и цены.

Мы постепенно внедряли изменения в настройки кампаний, и это привело к желаемым результатам: сохраняя процент конверсии на неизменном уровне, мы увеличили количество бронирований номеров.

Помимо цели "Бронирование", у нас есть было еще несколько важных целей: уникальные звонки и заказы обратного звонка с сайта. Первые мы отслеживали с помощью коллтрекинга, а вторые — виджета обратной связи. Хотя такие действия пользователей на сайте случались реже, они все же имели важное значение, поскольку могли привести к бронированию номеров. Например, в июле из 1 035 конверсий у нас было 617 бронирований номеров, а остальные 418 конверсий представляли собой звонки и заказы обратного звонка.

Когда стало очевидно, что кампании, оптимизированные на цель "Начало бронирования", начали становиться более затратными без увеличения количества конверсий, мы решили рискнуть и переключиться на оплату за звонки и заказы обратного звонка.

На наше удивление, этот риск оказался оправданным. Алгоритмы Яндекса продолжали направлять трафик на сайт и продолжали генерировать бронирования, но при этом мы платили за более редкие цели, что привело к снижению расходов.

Однако стоит отметить, что этот подход работал примерно 10 дней, так как система начинает замечать, что что-то не так — мы платим меньше, чем раньше. В этот момент трафик и конверсии начинают снижаться, и нам приходится вернуться к оптимизации на более часто достигаемые цели, такие как макроцель "Бронирование" или микроцель "Начало бронирования".

Переключение на оптимизацию по звонкам или обратным звонкам позволяло увеличить количество бронирований, сохраняя при этом более низкие затраты, за счет оплаты за менее достигаемых целей.

Периодическое изменение с одних целей на другие оказалось настоящим спасением в период низкого спроса, и позволило нам удержаться в пределах назначенных KPI. Как только стоимость бронирования номеров выходила за рамки допустимых значений, мы переключались на сопутствующие цели. Когда алгоритмы снова исчерпывали потенциал, мы возвращались к оптимизации по основной цели. Такой цикличный подход смягчил последствия сезонного спроса.

Оптимизация кампаний по более редким целям играет важную роль в эффективном управлении рекламными бюджетами. Она позволяет избежать ситуации, когда кампании забирают большую долю бюджета, но не приносят нужный объем трафика и конверсий. Можно снизить ставки вдвое, но тогда и трафик упадет вдвое, следовательно, будет меньше конверсий. Выход из ситуации — переориентировать кампании на другие, более подходящие цели.

Если у вас есть возможность собирать много макроконверсий по низкой стоимости, то вы находитесь в выигрышной позиции. Это дает вам уникальную возможность быстро накопить статистику, переключаться между разными целями, и при этом сохранять небольшие затраты.