2. Проблематика
1. Высокая конкуренция.
2. Низкая в сравнении с другими нишами маржинальность.
3. Поиск лояльной аудитории.
4. Подход к оценке эффективности онлайн-маркетинга.
5. Игнорирование новых каналов продаж.
2
3. Можно ли быть уверенным, что Ваша
онлайн-аудитория всегда будет приходить на
Ваш сайт и покупать?
3
4. Проблематика / Решения
1. Высокая конкуренция - продвижение бренда, нишевость, УТП
2. Низкая в сравнении с другими нишами маржинальность - LTV
3. Поиск лояльной аудитории - изучение, сегментация, коммуникация
4. Подход к оценке - использование аналитики
5. Игнорирование новых каналов продаж - мобайл
4
5. Про что поговорим?
Конкретные решения, использование которых прямо или
косвенно улучшает то, чего вы ждете от онлайна – продажи.
5
8. Работа с контекстом “прошлого”
Поставлены следующие цели:
1. Увеличение количества трафика.
2. Привлечение целевой аудитории на сайт.
3. Рост количества конверсий.
● поисковые кампании
● динамические кампании
● контекстно-медийный ремаркетинг (с использованием списков, созданных в Google Analytics);
● поисковый ремаркетинг (с использованием списков, созданных в Google AdWords).
8
12. Работа с контекстом в настоящем
Поставлены следующие цели:
1. Увеличение продаж.
● 3 месяца работаем с медийными и брендовыми кампаниями. Используем множество креативов.
● используем только дешевые низкочастотные ключи.
● собираем аудитории, изучаем поведение, сегментируем.
● после сбора аудитории запускаем динамический ремаркетинг.
12
13. Выводы
● “Холодная” аудитория не должна быть дорогой.
● Аудиторию надо сегментировать, делить на когорты и тестировать.
● Не жалеть ресурс на аудиторию которая дает фидбек.
● Ремаркетинг - дорого, но это оправдано.
13
15. Маржинальность
Пока маржинальность продаж позволяла окупать каждый отдельно взятый заказ, все было просто –
арифметика стоимости заказа сошлась – значит все «ок».
15
16. Маржинальность / LTV
С появлением множества электронных каналов продаж и ростом конкуренции ритейлеры оказались перед
фактом:
модель работы «от заказов» не всегда работает – с первого заказа затраты на его привлечение
могут не окупаться.
16
17. Учет LTV при оценке эффективности рекламных
кампаний
17
18. Правила работы с контекстом с учетом LTV
Автоматизация принятия решений по отчетам для оптимизации контекстной рекламы
1. Если кампания привлекла менее N уникальных посетителей, мы ее не анализируем из-за недостаточного объема статистики.
2. Если более N уникальных посетителей, приступаем к анализу и “работаем дальше”.
3. Eсли кампания окупается по LTV, она работает на привлечение новых клиентов.
4. Если по доходу — на активацию старых клиентов.
5. Если и по доходу, и по LTV, то кампания окупается и по новым, и по старым клиентам.
6. Если кампания окупается и по новым, и по старым клиентам, и у нее более K продвижений по воронке — кампания
суперуспешная.
7. Если кампания не окупается по LTV и по доходу, а продвижений по воронке — от K до M, она нуждается в оптимизации.
8. Если кампания не окупается ни по старым, ни по новым клиентам и продвижений по воронке от 0 до K — она убыточная и ее
нужно отключить.
18
23. Сегментировать, строить когорты, анализировать
Сегментируем включая и варьируя:
- пол
- возраст
- товарные группы
- регионы
- частота покупок
- последняя покупка
Чем больше сегментов, тем точнее предложения, тем лучше конверсия.
Сначала определяем главные группы покупателей с точки зрения бизнес-целей.
23
24. Строить когорты, измерять влияние
действий на продажи
Актуально для ритейлеров, где постоянно появляются новые товары, заканчиваются старые,
проводятся акции, оптимизируется сайт, добавляются новые рекламные источники.
Можно, измерить конверсию — разделить количество покупок на количество посетителей. Но это будет
некорректно: на конверсию влияют множество факторов
Реклама влияет на новых посетителей, а изменение продукта — на всех. Нужно сравнивать конверсию
разных когорт. Если она изменилась для всех когорт — влияет сайт. Если изменение по одной, к
примеру самой новой когорте — работает реклама.
24
25. Экспериментировать, строить гипотезы,
проводить А/В тесты.
1. Анализ ключевых показателей сайта в системах аналитики.
2. Анализ карты кликов, карты скроллинга, вебвизора.
3. Опросы пользователей и задаваемые ими вопросы в онлайн-консультантах и письмах в службу
поддержки.
4. Анализ конкурентов. Serpstat. «фишки»
5. Анализ лояльности.
25
26. Коммуницировать на основании
полученных данных.
1. Если покупатель присматривается, но еще не готов совершить покупку — он ожидает
ненавязчивой, аккуратной информации о том, что есть в магазине и чем этот магазин лучше
других.
2. Если покупатель уже осознал, что ему нужен товар, изучил его ценовые категории —
напоминаем ему о нас, добавив информацию о нужном товаре и склоняем к первой покупке.
3. После первой покупки — relax / keep calm — оставляем потребителя в покое, он не хочет
видеть креатив с платьем, которое уже купил, и даже предложения со скидками на это же
платье ему не нужно. Просим отзыв, растим LTV.
26
27. Персонализация комуникации
1. Если не персонализировать коммуникацию, мы будем разными способами контактировать
одним и тем же месседжем с потребителем, не учитывая при этом обратную связь – то есть
наше поведение - машинное, и это:
- не приносит пользу покупателю
- вызывает недовольство
- неэффективно для нас.
27
30. Персонализация коммуникации
Персонализация
- узнать покупателя во всех каналах и точках контакта
- учет личных интересов человека и ненавязчивость
- польза для потребителя
- более эффективная продажа
Коммуникация
- измерима
- последовательная
- ненавязчивая
- четкий месседж
Основа коммуникации - централизованные данные.
30
41. Модель оценивает сложность прохождения шагов до
конверсии на конкретном сайте по сырым данным.
PPC Social Media Organic
41
42. Модель — только начало
В одном отчете у нас
данные по доходу,
LTV, прохождениям
воронки.
Мы можем
анализировать данные
вплоть до любого
атрибута сессии
(например, кампании).
Мы считаем ROI по
доходу и LTV для оценки
влияния каждой
кампании на разные
этапы воронки продаж.
42
43. Что мы поняли после использования
настроенной модели (3 месяца теста)
Трафик на одни
категории окупается
лучше, чем другие.
Некоторые кампании,
приносящие мало
регистраций, окупаются
по доходу и LTV, а мы
хотели их отключить.
Приносящие много
регистраций кампании
действительно
окупаются, а не просто
генерируют регистрации.
43
46. Антикейс
Вводные данные
Тематика: fashion
Инструмент: только поисковые кампании
Аналитика: лимитированное представления GA, без возможностей собирать
аудитории
КРІ: регистрации, CPR, продажи
Период работы: 7 месяцев
46
47. Результат
- Добились КРІ по CPR, но канал все равно оставался самым дорогим в
портфеле
- Плохая конверсия зарегистрированных пользователей в покупателей
- Отрицательный ROMI
47
49. Кейс продвижения mobile app
Цель добиться рентабельности инвестиций в рекламу мобильного приложения.
Промежуточная задача — снизить Uninstall rate
LeBoutique работает по модели fashion-sale, когда модная, брендовая одежда продается с
большими скидками. Учитывая особенность бизнеса, мы составили программу действий с четкими
целями:
- Оптимизировать текущие рекламные активности.
- Увеличить количество активных пользователей Android-приложений.
- Удержать стоимость установки приложения (CPI) на уровне до $0,52.
49
50. Что мы сделали?
- Проанализировали рынок и текущие рекламные кампании, чтобы иметь представление, какое
место в нише ecommerce проектов занимает приложение LeBoutique.
- Подготовили и согласовали стратегию продвижения, чтобы четко обозначить особенности
проекта, его цели и реальные способы их достижения.
- Тщательно подготовили запуск рекламных кампаний
- получили доступ ко всем необходимым рекламным аккаунтам;
- настроили отслеживание эффективности рекламы, в том числе установили систему
аналитики AppsFlyer, c помощью которой отслеживали события внутри приложения и
доход от завершенных заказов.
- разработали и согласовали с клиентом креативы.
- Настроили и запустили рекламные кампании.
- Систематически анализировали полученные результаты и оптимизировали рекламу.
50
54. Результаты
Соотношение потраченных на рекламные кампании средств и дохода из платных каналов
Уже за первый месяц рекламных кампаний доход от приложения вырос на 42,61%, а в последующие
три месяца мы вышли на рентабельность.
54