Контакты
236010, Россия, г. Калининград
ул. Дмитрия Донского, 24, 4 этаж
+7 4012 377- 598 info@almond-media.ru Укажите контактные данные
и удобное время для звонка
Менеджер позвонит вам прямо сейчас или в другое рабочее время: мы работаем по будням
с 10:00 до18:00 по Москве
Спасибо,
мы приняли зявку
Наш специалист свяжется с вами
в ближайшее рабочее время.
Продвижение транспортной
компании
Оптимизация рекламных кампаний на основе данных систем аналитики и коллтрекинга
Storas – контекстная реклама
для авиаперевозчика грузов.
Наш Заказчик – компания, основным направлением деятельности которой является авиаперевозка грузов. Это высококонкурентная ниша и без эффективной рекламы привлечь в этой сфере достаточное количество клиентов трудно, поэтому у Заказчика возникла необходимость в продвижении сайта на интернет-ресурсах.
Заказчик уже предпринимал попытки привлекать клиентов с помощью контекстной рекламы, но результат его не удовлетворил, и в апреле 2019 года было принято решение поставить соответствующую задачу настоящим профессионалам, то есть нам :)
Итак, наша цель – больше новых обращений (звонков и заявок) из сети Интернет в рамках установленного бюджета. Поскольку задача звучала как “Увеличение количества лидов с рекламы в рамках заданного бюджета”, то для отслеживания поступающих уникальных целевых обращений необходимо было внедрение инструментов аналитики. Что и было сделано на самом раннем этапе.
Внедрение аналитики
Одновременно с запуском первых рекламных кампаний мы установили на сайт систему коллтрекинга и аналитики звонков Callibri. Теперь можно было учитывать как звонки с сайта, так и заявки, поступающие через форму обратной связи.
Система аналитики на подобных проектах нужна не только для того, чтобы знать количество лидов за месяц. Конечно, это важная информация, но кроме этого, аналитика позволяет отследить эффективные каналы, чтобы их можно было усилить, и показывает те каналы, которые еще нужно “прокачать” для достижения максимального результата.
Для этого в сводной таблице (Единый Журнал Лидов)
есть вся информация, как по числу лидов из каждого
канала, так и по их стоимости.
В процессе работы над проектом нам пришлось по просьбе Заказчика сменить подрядчика по аналитике и коллтрекингу на Mango Office, но не смотря на “смену коня на переправе” всю необходимую статистику удалось сохранить.
Рекламные каналы
Первоначально были задействованы следующие рекламные источники:
1. Контекстная реклама по тематическим и брендовым запросам (Яндекс и Google);
2. Рекламная сеть Яндекса и контекстно-медийная сеть Google;
- После тестовой недели запуска были добавлены:
- Ретаргетинговая кампания в Яндексе;
- Ремаркетинговая кампания в Google.
Геотаргетинг включал в себя три города: Москва, Челябинск и Екатеринбург. Руководствуясь опытом, мы сразу приняли решение о разделении кампаний по городам, это позволило корректно работать со ставками, поскольку число конкурентов по городам разное и аукционы строятся по-разному. И кроме того, упростило сбор и просмотр статистических данных.
Оптимизация рекламных кампаний
Все выводы делались исключительно на основе данных Единого Журнала Лидов. Ориентировались мы не на количество трафика, а на количество уникальных целевых обращений и цену лида. Звонки и заявки отслеживали с помощью коллтрекинга Сallibri. Все объявления промечали utm-метками, контролировали стоимость обращения из каждого источника и классифицировали каждое обращение - лид это или нет.
- В Едином Журнале Лидов мы обращали внимание на следующие параметры:
- Тип трафика - отслеживаем динамику по звонкам;
- Источник - помимо основных рекламных источников просматриваем сайты, принесшие конверсию с объявлений в рекламной сети;
- Запросы - фразы, которые приносят звонки/заявки, наглядно;
- Регионы абонента - важно для понимания, в каких регионах хорошо срабатывает реклама, в каких - нет;
- Номер обращения - выясняем, сколько раз пользователь выходил на контакт;
- История посещений - выясняем, с какого раза было совершено конверсионное действие, по каким источникам пользователь заходил каждый раз, и сколько времени прошло с момента первого посещения до непосредственного контакта.
По данным ЕЖЛ мы формировали срезы по городам за месяц. Такой сводный отчет позволял отследить динамику по количеству звонков в каждом из городов:
А после этого анализировали эффективность рекламных кампаний по отдельным параметрам, выдвигали гипотезы и донастраивали рекламные кампании в соответствии с ними:
1. Запросы
Запросы по которым поступали обращения отличал общий характеризующий признак:
пользователи искали конкретные направления, например:
Поэтому было принято решение по добавлению новых групп объявлений, которые будут включать в себя поисковые запросы с городами, куда может осуществляться доставка груза. Позднее к таким группам были еще добавлены названия крупных аэропортов, которые часто встречаются в поисковых запросах по данным инструмента Wordstat.
Такое решение принесло свои плоды.
Количество обращений с запросов, в которых используются названия городов или аэропортов, увеличилось.
Дополнительным бонусом стало уменьшение цены клика. Средняя цена клика в данной нише на поиске довольно высокая, сложно купить клик дешевле 100 рублей.
Запросы с упоминанием городов или аэропортов относятся к низкочастотным, поэтому мы надеялись, что средняя цена клика окажется ниже.
На практике так и оказалось, средняя стоимость клика по таким запросам была далека от значения в 100 рублей:
Еще одной гипотезой для проверки стала идея о показах по запросам конкурентов.
Мы хотели не столько перехватить у конкурентов потенциальных клиентов, сколько надеялись повысить узнаваемость бренда Заказчика.
Однако, при проверке этой гипотезы выяснилось, что пользователи, переходят на сайт по таким запросами и даже звонят! В связи с этим мы добавили новые группы объявлений по конкурентам в кампании по Москве и Екатеринбургу. (DHL и Карго для Екатеринбурга и Аэросибтранс, Транском Авиа и DHL для Москвы).
2. Источники
Детально изучив источники и utm-метки, по которым приходили лиды, мы поняли, что рекламная сеть Яндекса приносит меньше обращений в сравнении с контекстно медийной сетью Google:
Необходимо было понять, стоит ли оставлять эти каналы или же они не окупаются вовсе, и есть смысл их отключить и перераспределить бюджеты на более результативные объявления.
Для этого под каждый из городов составлялись таблицы, в которых учитывались ключевые показатели: конверсия в лиды, общее число лидов и их стоимость в разрезе месяца.
Такой анализ позволил отсеять неэффективные каналы и обратить внимание на те, которые можно доработать для улучшения показателей.
После внесения изменений общая картина действительно изменилась:
Общие выводы
Данный проект - отличный пример того, как данные сквозной аналитики системы коллтрекинга могут увеличить эффективность рекламных кампаний. За счет широкого функционала систем (как Callibri, так и Mango Office) нам удалось установить “сильные” и “слабые” места первоначальной настройки рекламы. У нас появились “точки опоры” для оптимизации рекламных кампаний.
В результате мы увеличили количество лидов на 22%
и снизили их стоимость в среднем на 35% по сравнению с первоначальными показателями.
Инструменты аналитики позволяют увидеть стоимость лида и мельчайшие факторы, которые на неё влияют. Появляется возможность строить гипотезы о том, что нужно изменить в настройках рекламных кампаний для увеличения эффективности, и эти гипотезы с огромной долей вероятности сработают. Ведь для нас не является первостепенной задачей привести большой поток трафика. В наших интересах привести на сайт заинтересованного пользователя, который конвертируется в лид по приемлемой для Заказчика цене.
Сейчас мы запустили кампании еще по семи городам. Наша текущая задача – наблюдение за “новичками”. Наверняка, с течением времени система сквозной аналитики позволит нам построить новые гипотезы по оптимизации, поскольку количество трафика на сайт увеличится, а значит и новых данных будет в разы больше.