Коли “більше продажів” не завжди добре
Два кейси в одному: як не варто робити і який правильний шлях. Отже – два інтернет-магазини масмаркет-товарів.
Ділимося вистражданим кейсом. Чому вистражданим? Тому що тестували довго, складно, але результат перевершив усі очікування. Деталі – нижче.
Реклама на Пошуку Google, продукт – не називатимемо)), сегмент – “лакшері”, геолокація – Франція, 2020 рік.
Кампанія працювала на ручних ставках, результат – непоганий, цілком можна порівняти з результатом “сусідніх” рек. кампаній в обліковому записі, але припускали, що вартість отримання конверсії (ліда) можна знизити ще! Відповідно пішла класична низка гіпотез та а/б-тестувань. Упускаємо всі численні проведені експерименти, зупинимося на останньому, який найпоказовіший, результативніший і найголовніше репрезентативний (хто товаришує зі статистикою, зрозуміє важливість останнього)).
Отже, з кінця зими 2020 року почали тестувати автоматизовані стратегії призначення ставок – так би мовити стратегії, засновані на машинному навчанні системи.
У більшості випадків, ми не запускаємо нові фішки рекламних сервісів без тестування, тому всі гіпотези проходять через А/Б-тести, і за результатами або відсікаються або приймаються та впроваджуються в рекламних кампаніях.
Тестували найпопулярніші в контекстній рекламі автостратегії Google Ads:
У нашому випадку для кожного тесту потрібен період не менше одного місяця, щоб зібралася достатня кількість статистики для статистично вірного висновку і прийняття рішення ЗА або ПРОТИ.
Підготували А/Б-тест: кампанію поділено на вихідну (з ручними ставками) та експериментальну (автостратегію), трафік між ними ділився 50% на 50%, результати відповідно повинні бути чистими та правильними 🙂
Запустили тест. І тут:
– Тук-тук!
– Хто там?
– Covid-19!
– <kby rfrjuj [htyf! :(((( (такими були наші емоції)
На невизначений період карантину рекл. кампанії були припинені, і тестування на жаль теж. Накопичена статистика вже не мала жодної цінності, час втрачено. Пауза.
З травня кампанії запустилися і ми знову запустили А/Б-тест. Тестували стратегію “Максимум конверсій“. Кампанії запустилися після паузи не дуже добре, всі показники просіли, тому для тестування збирали дані близько двох з половиною місяців. Результат – дана стратегія спрацювала гірше за ручне управління. Тому тестування продовжуємо.
Наступний тест – тест стратегії “Цільова рентабельність інвестицій“. Вклалися в 1,5 місяці, результат – знову гірше, ніж було.
Не зупиняємося! Наступний тест – цільова ціна конверсії. А/Б-тест із тим самим розподілом трафіку – 50% на вихідну, 50% – на експериментальну кампанію.
Результати були дуже добрі! Але ми вирішили перевірити ще одну гіпотезу в більш простому експерименті – не в паралельному тестуванні, а в послідовному (хоча він і менш точний) – тобто, після проведеного А/Б-тестування залишили працювати вихідну кампанію деякий час, а через 3 тижні ( даних вже було достатньо) її призупинили та запустили повноцінно нову РК. І порівняли показники.
Ділимося статистикою, як працювала нова кампанія з новою стратегією та які результати отримані.
Нижче – скріншот. Щоб простіше сприймати – виділили показники ДО та ПІСЛЯ кольорами:
Уточнення: у таблиці не видно кількість трафіку, але його достатньо для оцінки результату та висновків.

Підсумок: знайдено стратегію, яка в даному випадку дає істотно кращий результат, ніж інші: 57% – зростання кількості конверсій при 39% зниження їх ціни.
Усім – конверсій! 🙂
Є питання по статті? - Задайте їх нам, ми з радістю відповімо Вам!
Сьогодні поділимося кейсом, як ми підвищили рентабельність одного з наших довготривалих проєктів з 220% до 640%. Ніша специфічна, опишемо максимально узагальнено, без ідентифікації клієнта – невеликий бізнес у сфері виробництва та продажу фізичних товарів під замовлення.
У цьому кейсі наочно покажемо, чому в сучасному цифровому-маркетингу практично неможливо досягати стабільних і прогнозованих результатів, використовуючи лише один рекламний канал. Мова піде не просто про набір інструментів, а про логіку побудови рекламної стратегії, порівняння різних типів аудиторій та прийняття рішень на основі веб-аналітики.
і як уникнути фатальних помилок у прийнятті рішень.
Сьогоднішній кейс присвячений одній із найпопулярніших і водночас найбільш критичних помилок, які бізнеси допускають під час аналізу і оцінки ефективності цифрової реклами. Мало просто регулярно переглядати метрики. Важливо ще й правильно інтерпретувати те, що ви бачите, інакше навіть найкраща рекламна кампанія може виглядати так, ніби вона “зламалась”…
Сьогодні ділимося кейсом, який доводить: хороший сайт — це не гарна картинка, а справжній двигун продажів. Розповімо, як ми допомогли бізнесу з виготовлення гранітних виробів вибратися з ями падаючих замовлень і збільшити конверсію в півтора рази. Готові до історії з хепі-ендом? Поїхали!