Увеличили доход по Ecommerce в 2,1 раза и рекламный трафик в 1,5 раза благодаря стратегии ОЗК

Заказчик

Крупный четырехзвездочный сетевой отель международного бренда.

Задача

Увеличить количество прямых онлайн-бронирований через сайт при сохранении эффективности рекламного бюджета.

О проекте

К нам обратился крупный четырехзвездочный сетевой отель, работающий под международным гостиничным брендом. Отель ориентирован как на деловых путешественников, так и на туристов, предлагая широкий спектр услуг: проживание, специальные тарифы, SPA-комплекс, ресторан, конференц-залы и организацию мероприятий.

Задача

Основная задача проекта заключалась в увеличении количества прямых бронирований через сайт при сохранении эффективности рекламного бюджета. Для достижения этой цели диджитал-агентством «Основа» было принято решение протестировать стратегию Яндекс Директ с оплатой за конверсии (ОЗК) и определить, в каких рекламных кампаниях она действительно способна повысить результат, а в каких — наоборот, может ограничить объем показов.

В этом кейсе мы не раскрываем название компании, однако полностью разбираем подход к работе со стратегией, этапы оптимизации и результаты, которых удалось добиться в течение месяца.

Что было до начала работы 

До того как мы приступили к работе рекламная кампания уже велась другим подрядчиком. В аккаунте одновременно использовались как стратегии с оплатой за конверсии, так и стратегии с оплатой за клики. Однако структура рекламных кампаний требовала оптимизации, чтобы автоматические стратегии могли эффективнее использовать накопленную статистику и быстрее обучаться. 

Перед нами стояла задача не просто заменить одну стратегию на другую, а определить, при каких условиях стратегия оплаты за конверсии действительно способна работать эффективно, собрать структуру рекламных кампаний и создать условия, при которых алгоритм сможет полноценно обучаться и масштабировать результат.

Почему стратегия с оплатой за конверсии сработала именно в этом проекте

Распространено мнение, что достаточно включить стратегию оплаты за конверсии, задать целевой CPA — и алгоритм самостоятельно начнет приводить заявки. На практике это работает иначе.

Эффективность ОЗК напрямую зависит от качества входящих данных, объема трафика, структуры рекламных кампаний и количества получаемых конверсий. Если хотя бы одного из этих факторов недостаточно, алгоритм не сможет полноценно обучиться и начать давай результат.

В нашем проекте стратегия показала высокую эффективность благодаря сочетанию сразу нескольких условий.

1. Достаточный объем данных для обучения алгоритма

Одним из ключевых изменений стало объединение Поиска и Рекламной сети Яндекса в единые кампании по направлениям.

Такой подход позволил не разделять статистику между несколькими небольшими рекламными кампаниями, а сконцентрировать весь поток пользователей в одной стратегии. В результате алгоритм значительно быстрее получил необходимый объем данных для обучения.

При меньшем объеме трафика стратегия оплаты за конверсии, скорее всего, не смогла бы пройти этап обучения и начала бы существенно ограничивать показы.

2. Простая конверсионная воронка

Еще одним фактором успешной работы стратегии стала простая воронка получения целевого действия.

Основная рекламная кампания была направлена на бронирование номеров. Пользователь мог практически сразу оформить бронь на сайте, без длительного изучения информации, заполнения сложных форм или ожидания обратной связи.

Направление бронирования принесло более чем в 5 раз больше конверсий, чем все остальные рекламируемые услуги вместе.

Именно такой объем конверсионных данных позволил алгоритму быстрее определить портрет целевой аудитории и эффективнее обучиться.

Для сравнения, такие направления, как проведение свадеб, аренда конференц-залов, продажа подарочных сертификатов или посещение тренажерного зала, имеют значительно более длинный путь принятия решения. Пользователь чаще изучает несколько страниц сайта, сравнивает предложения или обращается за консультацией перед оформлением заявки. Из-за этого количество конверсий существенно ниже, а алгоритму требуется гораздо больше времени для обучения.

Вывод: если целевое действие можно совершить сразу после перехода на сайт, стратегия оплаты за конверсии получает значительно больше качественных сигналов и начинает работать заметно эффективнее. Чем сложнее путь пользователя до конверсии, тем выше вероятность, что алгоритму будет не хватать данных для стабильного обучения.

3. Большое количество качественных конверсий

Для машинного обучения важно не только количество трафика, но и качество самих конверсий.

Основную часть целевых действий составляли именно онлайн-бронирования номеров и телефонные звонки — наиболее ценные конверсии для бизнеса.

За первый месяц после запуска новой структуры рекламных кампаний было получено:

• 48% конверсий с онлайн-бронирований;
• 46% - клик по номеру телефона;
• еще 6% конверсий пришлось на обращения через мессенджеры и электронную почту.

Таким образом, 94% всех конверсий формировали именно бронирования и звонки — наиболее качественные сигналы для алгоритма.

Именно поэтому стратегия смогла достаточно быстро определить характеристики аудитории, которая действительно совершает бронирование, и начала масштабировать показы без существенного роста стоимости привлечения.

4. Алгоритму нельзя мешать обучаться

Во время работы над проектом мы решили провести стандартную для рекламных кампаний оптимизацию — исключили часть площадок Рекламной сети Яндекса, которые казались менее эффективными.

Для кампаний с ручным управлением такой подход часто дает положительный результат. Однако при использовании стратегии оплаты за конверсии ситуация оказалась совершенно иной.

После чистки площадок показатели изменились следующим образом:

• показы сократились на 84,4%;
• количество кликов уменьшилось в 4 раза;
• число конверсий снизилось на 42,3%.

Алгоритм получил значительно меньше возможностей участвовать в аукционах и искать пользователей с высокой вероятностью совершения целевого действия. В результате стратегия фактически потеряла необходимый объем данных для эффективного обучения и начала существенно ограничивать показы.

По этой же причине при работе с оплатой за конверсии мы не рекомендуем без веских оснований ограничивать автотаргетинг. Он является одним из источников дополнительных сигналов для алгоритма и помогает находить аудиторию, которую невозможно охватить только заранее подобранной семантикой.

Практический вывод: стратегия ОЗК работает наиболее эффективно тогда, когда алгоритм получает достаточно свободы для принятия решений. Чрезмерная ручная оптимизация — массовое исключение площадок, отключение автотаргетинга или большое количество ограничений — может снизить эффективность машинного обучения и привести к резкому падению объема показов. 

5. Не ограничивайте стратегию искусственно

В ходе работы над проектом мы также обратили внимание на один практический момент. При запуске стратегии оплаты за конверсии не всегда стоит устанавливать недельный бюджет, равный планируемым расходам. В некоторых случаях это может ограничивать алгоритм при участии в аукционах и снижать объем доступного трафика. 

В нашем проекте мы использовали такой подход.

• Недельный бюджет в стратегиях РК устанавливали в 1,75–2 раза выше планируемого расхода.
• При этом задавали дневное ограничение бюджета, чтобы расход распределялся равномерно в течение недели и исключался риск быстрого расходования средств в первые дни.

Важно отметить, что это не универсальная рекомендация, а решение, которое показало свою эффективность именно в рамках данного проекта. Настройки бюджета всегда следует подбирать исходя из объема трафика, особенностей стратегии и накопленной статистики. 

Для успешной работы ОЗК важно смотреть не только на CPA, но и на CPO

Многие рекламодатели ориентируются исключительно на стоимость конверсии.

Но если конверсией является отправка формы, звонок или нажатие кнопки, алгоритм может оптимизироваться под дешевые действия, которые не всегда приводят к продажам.

В нашем проекте мы анализировали воронку:

Одной из причин успешной работы стратегии стала качественная конверсионная воронка.

За первый месяц рекламные кампании получили:

Стоимость привлечения. Не менее важным фактором стала экономика рекламной кампании.

Средняя стоимость любой конверсии составила 668 ?, при этом стоимость одного подтвержденного бронирования — 1 472 ?.

То есть стоимость привлечения одного бронирования была всего в 2,2 раза выше, чем стоимость промежуточной конверсии. Для гостиничного бизнеса это очень хороший показатель, поскольку далеко не каждая заявка превращается в оплаченный номер.

Итоги работы стратегии с ОЗК в данном проекте

После внедрения новой структуры рекламных кампаний и запуска стратегии оплаты за конверсии первые результаты стали заметны уже в течение месяца. 

По сравнению с предыдущим периодом показатели контекстной рекламы значительно улучшились: количество показов увеличилось на 36,7%, а число переходов на сайт из рекламных кампаний выросло в 1,5 раза в рамках рекламного бюджета, что позволило алгоритму значительно быстрее накопить статистику для обучения. Одновременно удалось повысить CTR на 10% и почти вдвое снизить стоимость клика. Количество бронирований не уменьшилось, а осталось на стабильном уровне. При этом доход по цели eCommerce «Покупка» вырос в 2,1 раза, что подтвердило эффективность выбранной стратегии не только с точки зрения рекламных показателей, но и с позиции бизнес-результата. 

Вывод

Чем больше качественных данных получает алгоритм, чем проще путь пользователя до целевого действия и чем меньше искусственных ограничений накладывается на стратегию, тем быстрее она обучается и начинает масштабировать результат.

В этом проекте именно комплексный подход — правильная структура кампаний, достаточный объем данных, качественная конверсионная воронка и грамотная настройка стратегии — позволил получить стабильные бронирования при контролируемой стоимости привлечения и высокой окупаемости рекламных инвестиций.