Вводные данные
Источник трафика: РСЯ + поиск
Задача: максимизировать прибыль
Стартовый бюджет: 50 000 руб. на тест.
Итоговый бюджет за 5 месяцев: 862 400 руб.
Итоговая прибыль: свыше 500 000 руб.
(Скрин из самой "жирной" партнёрки)
Сам процесс:
Кампании на РСЯ делал по принципу “1 фраза - 1 группа объявлений”, кампании на поиске - “1 маска - 1 группа объявлений”.
Семантику собирал, максимально охватывая всё по рыболовной и около-рыболовной тематике. Этому пункту уделил особое внимание, т.к. начиная с определённого момента масштабирование вышло на первый план, а идеи по расширению семантики заканчивались. Все простые способы, типа вордстата, поисковых подсказок и даже баз Пастухова, довольно быстро исчерпались. Глубокая проработка семантики потребовала основательного погружения в тематику, но проделанная работа компенсировалась огромным охватом (свыше 57 млн. показов) и низкой стоимостью клика.
Примеры объявлений в РСЯ:
Примеры топовых объявлений на поиске:
Запуск кампании:
После открутки первых 50 т.руб. результат был не волшебным: ROI -54.4% и CR 0.32%. Т.е., грубо говоря, в минусе на 25 т.р. (на скриншотах из трекера написаны доллары, но это просто древний трекер, суммы указаны в рублях):
Оптимизация кампании и вывод её в плюс:
Провожу сплит-тест разных посадочных страниц для поиска наиболее конвертирующих. Всего за всё время существования кампании протестировал 26 лендингов и прелендингов. Максимальный показатель конверсии для лендинга - 0.83%:
Параллельно со сплит-тестированием посадочных страниц провожу оптимизацию кампании по объявлениям и фразам. Для сбора статистики использовал следующие токены Директа:
Данные параметры передавались в трекер, в котором и оценивалась эффективность того или иного среза.
В первую очередь смотрим наименее эффективные объявления в каждой группе. Срез - {camaign_id} / {gbid} / {ad_id} позволяет увидеть наименее эффективные объявления внутри каждой группы объявлений, например:
Объявления-аутсайдеры с низким показателем конверсии останавливались сразу. В данном срезе CTR объявлений не учитывался. Эта работа проделывалась для каждой группы в каждой рекламной кампании.
Следующий шаг - работа со ставками. С помощью среза {campaign_id} / {phrase_id} смотрел фразы по показателю eCPC (эффективная стоимость клика) и корректировал ставки, опираясь на эти значения. Например :
Тут видно, что для большинства фраз эффективная стоимость клика составляла порядка 4 руб. Соответственно, по некоторым фразам можно было поднять цену клика в РСЯ до 4 - 5 руб., для некоторых - нужно было опускать.
Процесс уже максимально автоматизирвал в Excel, куда выгружал данные из трекера и статистику из Я.Директа. Это давало возможность видеть профит по каждой фразе за заданный период, и сравнивать повышение/понижение эффективности той или иной фразы после изменения ставки. Вид конечной таблицы:
phrase - идентификатор фразы,
Rev - прибыль по фразе за период,
Cost - затраты в Я.Директ по фразе за период,
CPC - средняя цена клика в Я.Директ по фразе за период,
Profit - прибыль по фразе за период.
Таким образом, например, увеличение средней цены клика с 3,16 руб. до 3,7 руб. по фразе 1097446115 привело к увеличению прибыли с -1204,02 руб. до 1178,95 руб., а уменьшение ставки по фразе 1097446111 с 4,5 руб. до 3,78 руб. позволило уменьшить убыток в -837,72 руб. и даже вывести в минимальную прибыль 36,48 руб.
В то же время, можно заметить, что повышение цены за клик по фразе 197446168 с 4,15 руб. до 4,78 руб. привело к уменьшению прибыли, в таком случае значение ставки менялось на первоначальное.
Общий итог
За ~5 месяцев кампания израсходовала ~860 т.руб. и принесла более 3000 апрувнутых лидов.
ROI, стартовавший со значения -54,4% был поднят до +20 - 25% уже после первого месяца открутки:
