Веб-аналитика *

От перестановки стратегий сумма заказов меняется или как работать с составными целями в контекстной рекламе

При продвижении интернет-магазина подшипников в Яндекс Директе мы уперлись в потолок — кампании были успешными, но масштабировать и привлекать больше лидов не получалось. Просто увеличение бюджета только разгоняло стоимость привлечения заявки. Количество же не росло.

В рекламных кампаниях мы использовали стратегию максимум конверсий с оптимизацией по макроконверсиям (заявкам на подшипники), которая давала всего 28 обращений в месяц. Чтобы дать алгоритмам больше данных, мы перевели стратегии на оптимизацию по микроконверсии «Положил в корзину», заказов стало больше почти в 2 раза —  55. 

Мы решили развивать эту идею и перевели стратегию на микроцель «3 минуты на сайте». Заявок стало еще немного больше — 65. Обычно оптимизируют или по макроконверсиям или по макро. Мы решили соединить разные виды конверсий в одну связку. 

И лучший результат получился именно при использовании комбинированной цели для оптимизации: микроконверсии «посещение 3 страниц» и макроконверии «отправка формы на подбор подшипников». Такая стратегия привлекла 89 заказов.

Оптимизация по составной цели, которая сочетала в себе микро и макроконверсии, привела на 27% больше заказов. Кстати, этот лайфхак актуален не только для подшипников или B2В сегмента, но и для любой услуги или товара, которые требуют консультации эксперта.

Если надо увеличить средний чек, самое время оптимизировать кампании Я.Директ по сумме товаров 

Продавец матрасов столкнулся с проблемой — доля рекламных расходов (ДРР) была 36% — выше порога рентабельности. Большинство посетителей сайта покупали самые дешевые матрасы и аксессуары (наматрасники, подушки, бельё). Но основную прибыль должны были приносить ортопедические дорогостоящие матрасы, которые  продавались слабо. Средний чек получался низким, и контекстная реклама не окупалась.

Как правило, в таких ситуациях помогают настройки фильтров рекламных кампаний по цене товара. Но этот функционал есть не во всех типах кампаний. Для Поиска и Мастера Кампаний нужно было найти нестандартное решение. Мы создали в Метрике цель, которая засчитывала конверсии с суммой товаров в корзине 25 000+ руб. И настроили оптимизацию автостратегий по этой цели.

В результате алгоритмы Яндекса стали приводить новую аудиторию, которая совершала покупки с более высоким средним чеком. ДРР снизился с 36% до оптимальных 30%.

Когда в премиальном сегменте мало продаж, оптимизируем контекстную рекламу по микроконверсиям

Клиент, который продает дизайнерскую мебель, столкнулся с проблемой — мало продаж с контекстной рекламы. Автостратегии Яндекс Директа приводили мало качественного трафика на сайт, полученных конверсий не хватало на то, чтобы алгоритмы обучались по этим заявкам и приводили больше целевых посетителей. Получался замкнутый круг. 

Мы заметили, что большинство заявок оставляют люди, которые провели на сайте достаточно много времени. Премиум-товары стоят дорого, покупатели долго знакомятся с продуктом, изучают, а окончательно покупают уже в шоу-румах. Нецелевая аудитория уходит с сайта гораздо раньше.

Обычно, в таких ситуациях, оптимизируются по микроконвериям: посещение карточки товара, положил в корзину, начал оформление заказа. Но для этого проекта стандартные микроконвесии не годились, потому что пользователи до этих действий просто не доходили. 

Выдвинули гипотезу: оптимизировать алгоритмы Яндекса по времени на сайте. Так как Метрике нет готовых решений для отслеживания времени на сайте, разработали свой скрипт. Настроили в Метрике цель — на пользователей, которые активно изучали сайт в течение 3 минут. И указали ее в качестве целевого действия в настройках РК. 

Гипотеза оказалась удачной: возросло количество целевого трафика, продаж стало больше на 21%. Однако отметим, что оптимизация по времени на сайте сработает не на каждом проекте.

Снижаем стоимость лида, обучая алгоритмы Яндекса на заявках и звонках 

Контекстная реклама — инструмент капризный и сложный. Без лайфхаков не разберешься. У нас скопилось много неочевидных решений, которые не прописаны в справке Яндекс Директа. Решили поделиться своими наработками в этих постах.

Первый случай из нашей практики. Застройщик вкладывал средства в рекламу столичного ЖК, но лиды были дорогими и продвижение не окупалось. Автоматические алгоритмы Яндекс Директа не приводили нужное количество качественных лидов, потому что не могли охватить всю аудиторию застройщика. 

Обращения поступали 2 способами: через заявки с сайта и звонки. Но автостратегия Яндекса качала трафик по заявкам и совсем не привлекала любителей говорить по телефону. Дело в том, что в Метрике, по умолчанию, нет возможности объединить в одну составную цель заявки с сайта и звонки. Нужно было найти нестандартный способ объединить цели из коллтрекинга и по заявкам.

Мы решили применить стратегию из мира e-commerce — Максимум конверсий с оптимизацией по доле рекламных расходов (ДРР). Несмотря на то, что недвижимость и e-com — разные ниши, мы решились на эксперимент. 

Указали цель — ДРР 100%. В качестве ключевых целей указали одновременно: заявки с сайта и звонки из коллтрекинга. Как дополнительный параметр, добавили конверсию «бронирование квартир», данные по которой передавали в Метрику из CRM.

В итоге алгоритмы получили больше данных, стоимость обращения (CPA) снизилась на 26%. Было 6899 р. — стало 5134 р.

Awakari запускает автоматический поиск релевантных источников.

Awakari — бесплатный сервис поиска в режиме реального времени из множества источников, таких как Fediverse, ленты RSS, каналы Телеграм. Обычные поисковые системы содержат индекс контента. Awakari идёт обратным путём и содержит индекс запросов пользователей (подписок). Для каждого нового входящего сообщения определяются все заинтересованные пользователи и выполняется доставка (на данный момент в Телеграм).

Новые сообщения поступают из коллекции источников, которая до настоящего момента содержала около 1000 различных адресов. Пользователь также может добавить собственные источники в общую коллекцию. Но для того, чтобы добавить источник, нужно его знать. Поиск вроде гугла работает не так, он ищет везде.

Таким образом, возникла идея использовать обычный поиск для того, чтобы находить интересующие пользователя источники. Теперь, кода пользователь создает (или меняет) подписку, Awakari автоматически, в фоновом режиме, находит потенциально релевантные ленты RSS, каналы Telegram и прочее и добавляет их в коллекцию. То есть теперь система сама подстраивается под нужды пользователей.

Для защиты от эксплуатации есть ограничения на найденные источники (например, минимальное количество подписчиков). Кроме того, если источник не публикует новых сообщений более 90 дней, он автоматически удаляется.

О дуализме качественных и количественных исследований в UX

Бизнес чаще выбирает количественные исследования, потому что они про цифры. Но бывает так, что проблема или цель заказчика лежит в области качественных исследований.

Количественные исследования не помогут узнать, что пользователь думает о продукте, почему он ушел со странички, как он выбирает продукт. Они важны, но показывают нам лишь часть информации. А качественные исследования — вторую.

Об этом можно почитать у Джеффа Соро, известного аналитика: «Вам не нужно думать об этом как о ситуации или-или. Всегда можно использовать микс методов».

Он предлагает 3 различных дизайна исследований, при которых можно комбинировать методологии:

• Объяснительный последовательный дизайн делает упор на количественный анализ, за которым следует интервью или другой качественный метод. Это нужно, чтобы объяснить полученные количественным способом данные.

• Исследовательский последовательный дизайн начинается с качественного исследования, а затем использует полученные знания для разработки количественного исследования.

• Конвергентный параллельный дизайн — когда вы одновременно собираете качественные и количественные данные, а затем анализируете результаты.

Но в реальности заказчик чаще думает, что одно исследование может разрешить все его боли. И тогда мы вынуждены подбирать подход: качественное или количественное исследование. Но это уже совсем другая история :)

P. S. Это часть статьи Кати Патрикеевой о мифах в UX — полную версию читайте тут.

Продакт-менеджмент: что такое PMF и как его измерять

Product-Market Fit (PMF) помогает определить, насколько продукт соответствует потребностям рынка и пользователей. Если PMF достигнут — продукт начинает приносить прибыль. Но важно помнить, что определение PMF — не финальный результат, а постоянный процесс.

Существует несколько подходов к PMF.

1. Опрос PMF — правило 40%

Эффективный способ замерить (но PMF — не метрика!) соответствие продукта рынку. Может содержать разные вопросы, но обязательным будет: «Как бы вы себя чувствовали, если бы больше не могли использовать продукт?»

Варианты ответов:

а) сильно расстроюсь;

б) немного расстроюсь;

в) не расстроюсь;

г) уже не пользуюсь.

≥40% пользователей дали ответ А — PMF достигнут.

25–40% — есть шансы достичь PMF, но нужно что-то поменять. 

<25% — скорее всего, требуется кардинальный пересмотр вижена.

2. Соотношение LTV/CAC

Другой подход к определению PMF — использовать данные аналитики. Концепция проста: PMF достигнут, когда клиенты платят больше, чем мы тратим на привлечение новых. То есть пожизненная ценность клиента (LTV) больше, чем стоимость привлечения клиента (CAC). Для достижения PMF это соотношение должно быть ≥3.

При обоих подходах нельзя упускать ключевые моменты:

• продукт должен удовлетворять потребности пользователей;

• продукт должен иметь преимущества, которые отличают его от конкурентов;

• продукт должен быть простым и удобным.

Больше о работе с цифровым продуктом читайте в нашем телеграм-канале.

Как заказчик пришел к нам за новой фичей, а мы его отговорили

Это пересказ статьи из нашего блога.

В этом году к нам обратилась крупная сеть ветклиник. Они хотели сделать на сайте личный кабинет, и мы готовы были им помочь. Но изучив сайт, засомневались, что личный кабинет им вообще нужен.

Чтобы разобраться, мы предложили провести UX-аудит.

UX-аудит — это исследование пользовательского опыта. Оно помогает понять, что пользователю нравится, а что нет, что удобно, а что мешает. Главная цель — увидеть слабые места сайта, а главный плюс — в быстроте. Провести его можно за несколько часов.

Для UX-аудита мы совместили два метода:

1. Эвристический анализ — это метод, при котором UX-эксперт ходит по сайту и анализирует каждый шаг и сценарий.

2. Когнитивное прохождение — это метод, при котором исследователь прописывает все возможные сценарии и анализирует их.

Наша догадка подтвердилась: внедрять личный кабинет было рано, сначала нужно было поменять структуру. Для этого мы использовали карточную сортировку. Эта методология подсказывает, как упростить навигацию, логику разделов и т. п. Например, она помогла нам организовать корпоративную базу знаний.

Карточная сортировка помогла нам построить структуру, которая интуитивно понятна пользователям и в которую идеально впишется личный кабинет. Презентовали мы ее на воркшопе. В итоге заказчик решил воспользоваться нашими наработками и начал переделывать сайт.

Все иллюстрации и подробности — в нашей статье. А больше про аналитику — у нас в телеграме.

Что тестируем? Про гипотезы в бизнесе

В нынешних реалиях диджитализации тестирование гипотез стало чуть ли не самым важным в росте компаний и проектов. В таких условиях можно быстро проверить гипотезу, четко считать изменения показателей, а значит и вывод получится правильным.

Все кругом понимают, что нужно ставить и тестировать гипотезы, даже KPI привязывают к количеству таких предположений. И на фоне этого хайпа многие предприниматели до конца не понимают «А что такое гипотеза?», «А как ее проверять?», «А как сделать выводы?»

И сегодня о фундаментальном: о том, что тестируем. И для чего. Я, конечно, боюсь показаться Капитаном Очевидность, но кому-то этот пост точно поможет. Гипотеза в действующем бизнесе должна быть направлена на увеличение какой-то метрики, которая влияет на прибыль. Таааа-даа-аам!

Значит, можно идти с конца цепочки: выявить метрики, которые влияют на прибыль (заказы, продажи, конверсия в продажу, лиды, средний чек, глубина чека, охват, конверсия в лиды, кликабельность объявлений и пр.) и выдвигать гипотезы по увеличению этих метрик.

Круто подходит фреймворк HADI (гипотеза-действие-данные-выводы). Только стоит учитывать мнение команды (гипотеза жизнеспособна?), трудозатратность и целесообразность. «Дать скидку на самый продаваемый товар» - такая себе гипотеза, а «продолжать выкладывать товары на полки для их продажи» - вообще факт, «выставлять товары елочкой, чтоб было красивее» - гипотеза ради гипотезы.

Эффект большой базы: Стратегия, которая работает почти везде

Читал исследования изменений рекламных бюджетов онлайн-кинотеатров в России в 2023 году. Многие знатно увеличили свои бюджеты (Иви аж на 318%). Но у кинотеатра Start траты остались примерно такими же.

В компании это объяснили пересмотром инструментов и площадок, например, бОльшее внимание теперь уделяется диджитал-инструментам (в частности, performance-маркетингу, где можно показатели хорошо считать), а не охватным кампаниям (например, ТВ).

И одной из причин такой стратегии стал «Эффект высокой базы». Это когда база подписчиков заметно выросла, и можно сосредоточится на работе по выниманию прибыли из нее, чем на привлечении новой аудитории. А генерация новых подписчиков станет более точечной, узкой.

И это крутая стратегия: повышаем LTV, а с ним и маржу всего бизнеса.

P.S. Интересно потом почитать про чистую прибыль Иви и Start за 2023 и про ее рост от года к году.