Трансформируем ваши данные в прибыль

Пн — Пт: с 10:00 до 19:00

ГлавнаяКейсыСократили рекламные расходы на 12% для divan.ru с помощью предиктивной аналитики

Сократили рекламные расходы на 12% для divan.ru с помощью предиктивной аналитики

4 минут(ы)

Клиент

divan.ru — один из крупнейших российских интернет-магазинов мебели, предлагающий широкий ассортимент товаров для дома.

  • null
    Дорогие читатели и пользователи платформы StreamMyData! Хотим пригласить вас в наш телеграм канал, в котором публикуются важные новости, обновления, статьи и кейсы.

Задача

Задачей являлась оптимизация рекламных расходов и повышение эффективности маркетинга за счет более точного таргетинга на пользователей в рекламной платформе Яндекс.Директ. Требовалось выявить группы пользователей с разной вероятностью совершения покупки и использовать эти данные для настройки корректирующих ставок в рекламных кампаниях, чтобы рационально перераспределить бюджет и повысить отдачу от инвестиций в рекламу.

Используемый инструмент

Для решения поставленной задачи были использованы «быстрые предикты» – система которая работает на основе машинного и глубокого обучения, анализируя действия пользователей на сайте и их паттерны поведения, что позволяет настроить систему на прогнозирование совершения выбранного целевого действия пользователями в течение заданного промежутка времени в будущем.

Для настройки «быстрых предиктов» необходимо выполнить несколько действий:

1. Настройка подключения к аккаунту Яндекс.Метрика

2. Выбор нужного счетчика Яндекс.Метрика и выбор цели для обучения системы

3. Выбор горизонта предсказания

После настройки необходимо нажать «Запустить предикт» и в течение нескольких часов аудитории пользователей будут готовы. Стоить отметить, что сформированные сегменты обновляются на ежедневной основе, что позволяет поддерживать постоянную актуальность данных.

Реализация

Для компании divan.ru был реализован проект на платформе StreamMyData с использованием модуля быстрых предиктов. В качестве целевого действия была выбрана конверсия по цели «Ecommerce: покупка», а горизонт предсказания составил 45 дней. Система автоматически обучалась на основе исторических данных действий пользователей на сайте за последние 3 месяца. Такой временной интервал стал достаточным для корректного обучения модели. В течение нескольких часов модель была обучена и сформированные сегменты стали доступны для использования.

На выходе было сформировано 5 сегментов пользователей, распределённых по степени готовности совершить покупку в течение ближайших 45 дней. Для автоматизации дальнейшей работы была настроена выгрузка аудиторий в Яндекс.Аудитории с последующей передачей доступа в рекламные аккаунты команды divan.ru.

Наименование аудитории

Диапазон значений вероятности покупки

high

64-100%

slightly_high

41-64%

medium

24-41%

slightly_low

10-24%

low

1-10%

extremely_low

0-1%

После предоставления доступа к сформированным аудиториям начался этап настройки рекламных кампаний с применением корректирующих ставок в системе Яндекс.Директ. Сегменты были интегрированы в ключевые рекламные форматы: поиск ретаргетинг, смарт-баннеры и бренд.

Основной целью divan.ru было снижение неэффективных расходов, поэтому в большинстве случаев применялись понижающие корректировки ставок для сегментов extremely_low и low — пользователей с минимальной вероятностью совершения покупки. В то же время, для сегментов с высокой вероятностью конверсии были заданы повышающие корректировки, что позволяло увеличивать шансы выигрыша аукциона и обеспечивать показ рекламы тем пользователям, которые находятся в высокой стадии готовности к покупке.

В рамках теста были внедрены настройки аудиторий на уровень кампаний, путем отрицания ML сегментов:

В то время как на уровне групп были выбраны ML сегменты в качестве ретаргетинга, а также был включен офферный ретаргетинг:

Дополнительно проводилась регулярная чистка площадок:

Они смогли и вы тоже сможете

Сократите свои рекламные расходы со StreamMyData

Результаты

В результате тестирования, проведенного в течение полутора месяцев, были получены следующие показатели эффективности:

  • За счет исключения пользователей из низкоконверсионных сегментов удалось сократить общие рекламные расходы в тестируемых рекламных кампаниях на 12%, перераспределив соответствующую часть бюджета на более перспективные аудитории.
  • Сравнительный анализ показал, что использование корректировок ставок на основе предиктов StreamMyData обеспечил прирост показателя конверсии до 75% по сравнению с автоматическими стратегиями Яндекса, благодаря более точному учёту вероятности покупки.

Результаты по региону МСК:

Исходя из результатов видно, что CR в покупку вырос со второй недели теста, ДРР за месяц вышел на уровень ниже 100%

Рассматривая статистику динамики по региону МСК месяц к месяцу получаем покупки в рамках желаемого ДРР:

Статистика за май показывает получение покупок с динамикой на снижение в показателе ДРР и ростом количества покупок:

Проведя A/B-тестирование удалось достичь результатов в сокращении ДРР на 41% и показателя CPO на 25% за те же деньги

Реализация проекта на платформе StreamMyData позволила divan.ru перейти от обобщенного подхода в таргетинге к точечной работе с пользователями на основе их поведенческих характеристик. Благодаря быстрому внедрению предиктивной модели, автоматизированной сегментации и интеграции с рекламными инструментами Яндекса, компании удалось значительно повысить эффективность рекламных вложений. Экономия бюджета за счет исключения нецелевых сегментов и рост конверсии на фоне автостратегий Яндекса подтверждают высокую практическую ценность предиктов как инструмента оптимизации рекламных активностей.

Еще больше полезной и интересной информации вы можете получить в нашем блоге

Мы в MediaNation стремимся разрабатывать технологии, которые позволяют нашим клиентам существенно повышать свою эффективность. Данный кейс прекрасно иллюстрирует возможности, которые открываются перед рынком после внедрения подобного рода решений. Надеюсь, что в ближайшее время сможем дать рынку еще больше крутых инструментов

Барченков Иван, генеральный директор РА Medianation.ru

Интеграция StreamMyData с Яндекс Директом открыла для нас новые возможности оптимизации рекламных кампаний.

Помимо использования стандартных корректировок по полу, возрасту и устройству, мы начали работать с поведенческими предиктами. Получив сегментированную по степени вероятности покупки аудиторию, мы внедрили понижающие корректировки на «холодных» пользователей. Это позволило нам эффективно распределить сэкономленный бюджет и увеличить конверсионность трафика в тестовых кампаниях. Автоматическое обновление сегментов и более высокая чувствительность к поведению пользователей способствовали оперативному приросту эффективности. Планируем масштабировать подход и тестировать новые прогнозные модели в сочетании с разными инструментами Директа.

Рекламное агентство Profitator (Kokoc Group)
Команда проекта:
Анастасия Бондаренко
Валерий Клименко
Владимир Алешко
Светлана Васильева

Коллеги, благодарю за продуктивное и проактивное сотрудничество — команда оперативно погружалась в наши задачи, держала прозрачную аналитику и гибко дорабатывала настройки по ходу теста. Итог говорит сам за себя: благодаря точечным предиктивным сегментам и умному управлению ставками за полтора месяца мы снизили неэффективные расходы в тестируемых рекламных кампаниях контекстной рекламы на 12%, а также получили прирост конверсионных действий до +75% в сравнении с автостратегиями Яндекс Директ, перераспределив бюджет в пользу аудиторий с высокой вероятностью покупки.

Этот кейс наглядно иллюстрируют нашу текущую стратегию digital-маркетинга в divan.ru: быстрый Test & Learn и фокус на внедрение потенциально результативных AI-инструментов для маркетинговых и продуктовых задач, где мы масштабируем продажи, не увеличивая ДРР и сохраняя рентабельность в оптимальных для бизнеса значениях.

Рассчитываем продолжать совместное тестирование, а также тиражировать эффективный подход на другие рекламные активности, укрепляя лидерство за счёт грамотной работы с данными и осмысленного применения искусственного интеллекта.

Никита Жегалин, Head of Digital Marketing divan.ru