Что делать, если 70% заявок — нецелевые? Кейс по работе с КМС

В этой статье

О чём говорится в статье

Как чистить КМС и получать оттуда заказы
Объявление с высоким CTR не всегда лучше (спойлер)
Как мы облажались с автоматическими стратегиями

Исходные данные

Клиент — производитель фильтров для воды. География — Россия и СНГ. Рекламные кампании велись уже несколько лет. Яндекс.Директ показывал стабильные результаты, а вот Google Ads — нет. И нас попросили помочь.

Нужно было снизить цену заявки в Google Ads на 35%. После достижения результата необходимо увеличить количество заявок. Рекламный бюджет не ограничен при сохранении цены заявки.

Что делали

Клиент периодически работал с разными исполнителями, поэтому кампании были созданы по разным технологиям, в разное время и с никому непонятными названиями. Мы изменили иерархию, упорядочили utm-метки, добавили все актуальные расширения, провели стандартную оптимизацию. Через месяц цена заявки снизилась на 15%, но не достигла целевой.

Сложности: КМС

Чтобы увеличить эффективность работы контекстной рекламы, в это же время начали внедрять систему сквозной аналитики R7K12 в связке с RetailCRM. Через месяц после старта работ клиент связался с нами и сообщил, что источник Google при вложениях около 500 тысяч ₽ показывает убыток в 300 тысяч ₽.

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

В R7K12 подтянули значения за декабрь из CRM-системы и сопоставили с расходами. Как так? Мы были очень удивлены, ведь цена за заявку за месяц работы снизилась и совсем немного стала отставать от значений в Яндексе.

А всё оказалось просто. Более 80% всех заявок мы привлекали из КМС. Благодаря системе сквозной аналитики мы смогли увидеть разницу между данными в аналитиксе по «сырым» заявкам и данным в CRM по качественным и подтверждённым.

Спама оказалось более 50%!

На скриншоте ниже данные из тестового представления за период с 1 декабря 2017 по 31 января 2018. Данные по заявкам в тестовое представление отправляются в случае успешного оформления любой формы на сайте.

А вот скриншот из Рабочего представления. Данные туда передаются из системы сквозной аналитики после смены статуса в CRM на «целевой».

Проваливаемся на уровень площадок и изучаем, откуда идёт спам.

Топ-5 качественных площадок в тестовом представлении:

И результаты из рабочего представления:

Как видно, youtube.com находился раньше лишь на седьмой строчке, а теперь на первой. А куда пропали все те, которые находятся выше? Верно! Это фродовые площадки. Лиды как бы есть, но по факту это спам.

И вот ещё одно доказательство. Спросите любого специалиста по контекстной рекламе о том, какой CTR считать нормальным в сетях. 0,3%–1,5%. Иногда на качественных может быть выше 2%. А что же с нашими площадками?

Ого! Средний CTR под 15–20%! Практически как в поисковых кампаниях.

Кроме того явно видно, что данные сайты связаны друг с другом. Взгляните на названия: 5kacard.ru, 5kakarta.ru, 5karucard.ru.

Ниже примеры, как могут выглядеть фродовые площадки:

friendsquiz.site
bestbuddymeter.com
dare2019.com
5kacard.ru
kommunalstat.ru
xmasru.me
dareforyou.site
touch-here.site

С похожих площадок на сайт переходят не люди, а роботы. Они двигаются по сайту, имитируя человека, и оставляют заявку с данными из какой-нибудь базы. В итоге вы видите в аналитиксе площадку с хорошей ценой за лида и оставляете её, а на самом деле получаете спам, да ещё и негатив от клиента, которому позвонили. Ведь на самом деле эти люди не оставляли заявку, но их контакты попали в эту базу.

Бывают ещё площадки, где люди действительно оставляют свои контакты. Такие площадки маскируются под личные кабинеты продуктовых сетей, оплату коммунальных услуг и так далее. Посетители оставляют свои контакты в надежде записаться в поликлинику, зарегистрировать скидочную карту или оплатить свет.

Похожие площадки появляются еженедельно. С помощью автоматических стратегий и периодических чисток мы свели траты на такие площадки к минимуму. Без использования данных из CRM у нас уходило бы намного больше времени по выявлению источников спамных заявок.

На резонный вопрос можно ли получать из КМС качественные лиды и продажи, мы прикладываем ниже скрин площадок, которые уже более полугода успешно приносят клиенту конверсии.

Соотношение целевых лидов между рекламой на поиске и в КМС:

Заявки и продажи в КМС есть. Самое важное — найти качественные площадки.

Их необходимо выделить в кампании White List и получать максимально целевой трафик.

Тестируем объявления. Высокий CTR ≠ низкий CPO

В процессе оптимизации каждому клиенту мы системно тестируем разные элементы объявлений. Иногда с помощью удачных объявлений нам удаётся снизить цену конверсии до 30–40%.

Обычно специалисты по контекстной рекламе принимают решение об успешности варианта А/Б-теста по его кликабельности. Это неверно. Если цель контекстной рекламы — стоимость заявки, то и оценивать результаты А/Б-теста тоже нужно по стоимости.

После основных оптимизаций приступили к тестированию объявлений. В одном из тестов мы сравнивали два разных текста.

Объявление, у которого более высокий CTR, в итоге показало на 126% выше стоимость конверсии! В результате мы отключили более дорогое объявление и снизили цену заявки.

Результаты тестов автоматических стратегий

Системы контекстной рекламы всё больше развиваются в сторону автоматизации. Достаточное количество заявок в день позволяет включать автоматические стратегии. В наших проектах автоматические стратегии в среднем дают на 10–20% результат лучше, чем при ручном назначении ставок.

Для того чтобы система сама принимала решение по ставкам, ей нужно указать цель. Мы решили сравнить работу искусственного интеллекта на данных по «сырым» заявкам и «целевым» (после подтверждения менеджером).

Начинаем тест и в качестве цели указываем «Целевая заявка».

Используем те же кампании, только меняем цель на «сырая» заявка.

У данного клиента стратегии лучше работают на «сырых» данных. «Сырые» заявки — это успешное заполнение формы на сайте и первичный звонок.

Мы нашли объяснение этому в том, что данные по «целевым» лидам в Google Analytics и в Яндекс.Метрику из систем сквозной аналитики попадают уже не совсем верные. По мнению Analytics — одно из самых «пиковых» времён — промежуток с 9 до 10 утра. Однако это не так, ведь в это время менеджеры лишь подтверждают вечерние и ночные заявки, а в системы аналитики они передаются лишь после обновления статуса.

Оптимизация по факту продажи тоже не принесла успеха, так как сама продажа может произойти и через неделю, и через месяц. Да и данных по ним существенно меньше, чем по заявкам.

Эффективнее оказались стратегии, ориентированные на «сырые» заявки и первичные звонки. Этих данных достаточно много, поступают они моментально, и системам легче обучаться. А благодаря сквозной аналитике мы вручную отключаем ключевые запросы или таргетинги, которые приносят заявки с низкой конверсией в продажу.

Результат

Через год мы получили следующие результаты в Google Ads:

Нам удалось кратно увеличить количество заявок и продаж у клиента. В конце 2018 года мы приняли решение отказаться от оптимизации по цене качественной заявки и перейти на ДРР.

ДРР (Доля Рекламных Расходов) = расходы на рекламу / прибыль с рекламы * 100%. Такой подход позволяет более эффективно расходовать рекламные бюджеты.

Клиент передал нам с ноября 2018 ведение кампании в Яндекс.Директе.