Контекстная реклама для интернет-магазина мебели в Европе

Изначально необходимо было выровнять ROAS и тестировать варианты масштабирования без риска. Контекстная реклама должна приносить результат как можно быстрее и позволять масштабировать результаты.

• На первом этапе прорабатывались варианты максимально быстрого повышения показателя рентабельности инвестиций. С этой целью использовались умные торговые кампании. Мы получили следуюбие результаты работы смарт кампаний:
  
  Для того чтобы оптимизировать смарты, тестировали разные варианты структуры шоппинг-кампаний. При распределении товаров по эффективности мы получили рост рентабельности, но количество транзакций и доход снизились.
  
  Поэтому в первую очередь, остановившись на структуре «бренд + эффективность»,  провели работу над масштабированием эффективных кампаний. В смартах для этого можно повысить бюджет, снизить / убрать целевой ROAS в настройках стратегии. Главное – все делать постепенно и вносить незначительные изменения.Рентабельность незначительно снизилась, но целевой показатель был выполнен. Результаты масштабирования:
  На следующем этапе поставили перед собой цель масштабировать результаты без падения рентабельности.
• Для эффективного масштабирования использовали поисковые кампании по ключевым словам, а также DSA-кампании, по структуре, аналогичной эффективной структуре торговых кампаний. Динамика в поисковых кампаниях после масштабирования результатов:
  
• Аналогичные кампании были запущены во всех ГЕО, доступных для размещения товарных объявлений на английском. После получения статистики принималось решение по масштабированию каждой страны. Рост трафика с торговых кампаний по странам:
  
• С целью повышения заинтересованности использовались промоакции в MerchantCenter.

Далее проводился анализ и масштабирование уже на основании результатов умных торговых кампаний.

• На втором этапе после получения статистики смарты еще больше сегментировались и реструктуризировались, уже исходя из статистики чтобы оптимизировать обучение.
• Для того, чтобы удерживать ROAS, тестировали «умные» стратегии назначения ставок (targetROAS, targetCPAи т.д.). В некоторых случаях создавали пакетные стратегии для оптимизации и в то же время более точного управления. Рост количества конверсий по разным типам рекламных кампаний:
  
  Из пользовательских стратегий наиболее эффективными оказались целевой ROAS в комбинации с ограничением максимальной ставкой за клик. Разные значения ограничений были выбраны для кампаний с низкой и высокой эффективностью.
  
• Периодически запускаются комбинации смарт + стандартные торговые кампании.

Вывод

Использование автоматических стратегий и машинного обучения позволяет быстрее получить результат при правильном подходе и управлении рекламными кампаниями агентством контекстной рекламы. В нашем случае было достаточно трафика и результатов для обучения системы. С одной стороны высокие бюджеты могут усложнить работу с аккаунтом, с другой  — обеспечить достаточную результативность. Тем не менее, даже автостратегии и умные кампании требуют внимания и оптимизации.

Были получены следующие результаты: