Контекстная реклама не так дорога... как её сливают

Умное управление рекламой

Метод бюджетных когорт в сочетании с массированными измерениями показателей рекламных объявлений позволяет в разы повысить эффективность контекстной рекламы. Мы назвали это “Умное управление рекламой”.

Методика не оригинальна, Гугл ее уже использует:

А вот на Яндекс такого еще нет, мы моделировали сами:

Таблица не столь эффектна, как график, но крайне удобна. Мы получаем возможность пересчитывать варианты когорты бюджетов в зависимости от коэффициента конверсии (клики -> целевые транзакции) и среднего чека. И самое главное: мы сразу видим и долю рекламных расходов (ДРР) и прогноз прибыли продаж (выручка минус рекламные затраты).

Впрочем, начнем с начала. Бюджетная когорта — это варианты бюджета некоторой рекламной кампании в порядке возрастания СРС (средней стоимости клика). Теория была описана в предыдущих статьях:

• “ROI, как средство самообмана”  ; 
• “Что скрывает Прогноз бюджета Яндекс.Директ?”. 

Теперь мы подобрались к самому интересному: к практике

Сколько кликов и по какой цене продает рекламная площадка?

Понимаю, в среде интернет-маркетинга вопрос считается неприличным, про аукцион помню, про непредсказуемость слышал… тем не менее, предлагаю попробовать ответить на этот вопрос. Возьмем банальную статистику некоторой рекламной кампании на Яндекс.Директ и внимательно ее рассмотрим:

Изменение цены клика в 10 раз? Это нормально.

Таблица статистики знакома всем: мы видим конкретные показатели рекламной кампании за конкретный период. В течение 2 месяцев получено 12 553 кликов по 11.95 рубля за штучку. Цена за клик колеблется в пределах 10-14 руб и нас это не смущают. Мы знаем и про аукцион и… ну, в общем, знаем. Внимание, вопрос: как изменится таблица статистики, если шаг ее измерения сократить? Скажем до получаса, вместо суток? Раз вы прочли заголовок, вы готовы увидеть следующую картинку.

Это типичные результаты, которые мы получаем постоянно. Рекламная кампания ровно та, чья статистика приведена выше. Настройки фраз не менялись. Для удобства, статистка 5 самых кликабельных фраз собрана в гистограммы. Измерения проводились в течение 2 месяцев с интервалом полчаса в режиме 48 х 7. Фразы набрали от 114 до 202 кликов и все, подчеркиваю, ВСЕ получали клики по цене от 3 до 32 руб.

Нестабильная цена клика — отличная возможность для ее прогнозирования

Да, дорогие коллеги, цена клика, и на Яндекс и на Гугл крайне нестабильна. И объяснить это изменчивостью конкуренции невозможно. Конкуренция не меняется столь кардинально и столь стремительно. Мы предполагаем, что нестабильность цены клика связана с постоянной сменой мест размещения объявлений. Со стороны рекламных площадок было бы разумно менять места и форматы демонстрации рекламы в целях повышения её эффективности. Где-то кликов выйдет больше, где-то меньше, где-то они выйдут дороже, где-то дешевле.

Каким образом рекламный движок это делает мы не знаем, но гипотеза выглядит рабочей: нестабильность цены клика создают сами площадки - они перемещают объявления по местам показа и контролируют их продуктивность. Ка это ни парадоксально, но это открывает возможность прогнозировать среднюю цену клика. Для этого достаточно присоединиться к “блужданию” цены клика, собрать статистику и правильно ее обработать. Да, это требует тяжелой математики, но суть проста: мы сможем оценить количество и среднюю цену клика, которые можно получить, если повышать или понижать ставки.

Очень грубо методика прогнозирования выглядит так: зная “колокол” фразы для одной ставки (количество кликов на разных СРС) мы можем прогнозировать его изменения при перемещении ставки по ценовой шкале.

Далее перебираем все комбинации, всех “колоколов”, всех фраз рекламной кампании и собираем их в группы с одинаковым прогнозируемым СРС. В каждой группе есть комбинация, дающая максимум кликов. Эта комбинация попадает в таблицу, которую вы видели в предыдущих публикациях. Её же вы видите ниже. Мы называем ее бюджетной когортой.

Определяем оптимальный бюджет

Принцип определения оптимального бюджета показан на картинке ниже. И там все просто: ниже оптимальной точки слишком мало кликов и продаж, мы не получаем всю прибыль. Выше оптимальной точки клики и продажи обходятся слишком дорого и мы опять же теряем прибыль. Напомню, принцип изложен в предыдущей статье.

Для наглядности стоит перевести таблицу в график “как у Гугл”:

Комментарии, надеюсь, излишни, все и так ясно: частые измерения статистики позволяют прогнозировать поведение кампании при смене ставок и находить оптимальную точку. Дело, как говорится, за практикой и тут все очень интересно.

Факты немножко шокируют

После отчаянной ругани в одной из фейсбуковских групп на тему “а ты докажи”, мы стали выкладывать статистику наших кейсов в публичный доступ в режиме онлайн. Спасибо Power BI! Платформа позволяет на лету обезличивать данные и публиковать интерактивные отчеты. То, что вы видите ниже - типичный результат применения метода бюджетных когорт. Для клиентов мы называем это “Умное управление рекламой”.  Еще раз подчеркну: имена изменены, статистика обезличена, но цифры абсолютно реальные, обновляются ежедневно. Нашу полную Ленту кейсов можно смотреть здесь:

promo.r-broker.ru/interactive_cases

Она постоянно пополняется.

Обратите внимание: на верхней плашке отражены среднесуточные показатели. Стоимость клика существенно снизилась.

Количество кликов поднялось в разы… Ах да, нас же интересуют конверсии.

Тут уж не удержусь, приведу цифры: вместо 0,6 конверсий в день, рекламодатель получил 4.3. Выглядит скромно, но только до тех пор, пока не переведешь суточные показатели в месячные. Тогда мы получаем рост конверсий с 15 аж до 111 !!! И с бюджетом все хорошо. По этой рекламной кампании (а у рекламодателя их полтора десятка) бюджет автоматически поднялся с 16 тр/мес до 45 тр/мес. 

Понимаю, цифры ошеломляют вплоть до полного недоверия. Признаться, я сомневался: брать ли первый кейс из нашей Ленты или найти другой, поспокойнее? Потом решил пусть будет, все-таки, первый. Для нас он очень символичен: все, кроме рекламодателя, в него сразу не поверили. Еще раз приглашаю посетить нашу Ленту кейсов. Скептикам там есть к чему придраться. Здесь же обсудим несколько общих моментов и сделаем анонсы следующих публикаций.

Что дальше?

1. Во всех случаях мы решали т.н. “кликовую” задачу - снижали СРС и увеличивали количество кликов во всей рекламной кампании. Конверсии в расчетах не учитывали. Тем не менее, во многих случаях, конверсии заметно поднялись. Это объяснимо - увеличение кликов и снижение их цены происходит по всей кампании, в том числе и по ее конверсионному сегменту. Методика бюджетных когорт применима и к конверсионным задачам. Просто, кампания делится на сегменты в соответствии с их конверсионностью и далее каждый сегмент обсчитывается независимо. Сейчас мы нарабатываем кейсы Умного управления конверсиями. Без подводных камней не обходится, но в целом, результаты аналогично позитивны.

2. В марте выйдет небольшая заметка про “бум-ставки” - мало кому знакомое явление. Достаточно часто, на Яндекс Поиске, просвет между ставкой и прогнозной ценой клика вырастает до космических размеров, держится некоторое время, и затем сокращается. И это реальная черная дыра. Назначение ставок “для удержания объема” в этот момент приводит к сливам, ибо реальная цена клика, скорее всего, окажется столь же фантастической. Без получасовых измерений “бум-ставки” заметить сложно - рекламный движок Яндекс достаточно хорош, поэтому, после схлопывания дыры, он сбалансирует средний СРС порцией дешевых кликов. Беда только в том, что низкочастотникам это не помогает, им элементарно не хватает кликов для балансировки... В общем, заметка будет про то, как защищаться от “бум-ставок” и что это дает. 

3. Во всех кейсах, выложенных до 01 Февраля, до применения Умного управления рекламные кампании были на “Ручном управлении ставками с оптимизацией”. Выигрыш вы видели. Среди кейсов, которые мы ведем сейчас, есть и те, которые находились на автоматических стратегиях. Выигрыш от применения Умного управления есть, хотя и не столь шокирует. Общие слова про то, что “искусственному интеллекту скармливают данные, которые смертным недоступны”, похоже, несколько преувеличены. Как бы то ни было мы готовим исследование качества стандартных стратегий рекламных площадок. Предварительно: они выигрывают у ручного (точнее индивидуально-хаотичного) назначения ставок, но далеко не идеальны и могут быть улучшены.

4. Все опубликованные кейсы относятся к Поиску. У РСЯ проявились свои сложности. Прежде всего, обвальное падение показов при снижении ставок в точке, которая никак не проявляется в “колоколе измерений”. Делаем машинку, отслеживающую такие провалы и автоматически формирующую правила-ограничители. Сообщение будет когда наберем кейсы.

5. Умное управление по методу бюджетных когорт применимо к заветному кроссингу. Боюсь, мало кто помнит это красивое слово. Лет десять назад им обозначали мечту объединить объявления на ВСЕХ площадках в ОДНУ рекламную кампанию и управлять ими по единым правилам. Похоже, когортный метод отлично справляется с этой задачей. Кейсы тоже будут.

Приглашаем на кейсы

Всех кто на себе хочет проверить Умное Управление приглашаем на кейсы. При себе иметь одну-две действующие рекламные кампании, желание их улучшить и точное понимание целевых KPI. Процедура проста и безболезненна: в течение нескольких минут подключаем движок R-брокер, он начинает измерения в режиме 48 х 7. Нужно набрать, как минимум, 200 кликов, лучше, конечно 2000. Затем обсчитываем полученные результаты, определяем целевые KPI кампании, рассчитываем ставки и запускаем Умное Управление. Выигрыш не гарантирован но очень вероятен. Рисков нет — мы всегда ставим защиту от слива бюджета. Переводить рекламу на наш аккаунт не требуется. Тест продолжается 3 недели. Денег за тесты не берем. Агентства и фрилансеры приветствуются - они получат отличную возможность от своего имени предложить своим клиентам новую технологию.