Предиктивная оптимизация рекламы Sales Ninja X Trivio — горячие квал лиды из холодного трафика (до 8.5 раз дешевле бренда)
На связи платформа для предиктивного AI маркетинга Sales Ninja.
Клиент
Однажды по сарафанке к нам постучались ребята из Trivio.
Trivio — один из лидеров российского рынка бизнес-туризма.. Компания работает с крупными корпоративными клиентами и обеспечивает полный цикл организации командировок: от бронирования билетов и отелей до интеграции с внутренними системами компаний.
Основные клиенты — банки, промышленные холдинги, IT-гиганты и другие организации.
Задача
На момент старта у Trivio были кампании в Яндекс.Директе, но конверсии приходили только из самого горячего трафика - бренд и около-бренд. То есть стратегия «ловить тех, кто уже знаком с брендом» работала, но она принципиально не масштабируется.
При попытке выйти за пределы самого горячего трафика возникали самые стандартные проблемы:
- Из холодного около-целевого трафика достать конверсии может только хорошо обученная автостратегия. Но как её обучать, когда конверсий нет?
- И даже если разово потратить много денег на первичное обучение - ведь автостратегию нужно постоянно поддерживать сигналами.
- При этом, Trivio критично получать именно квалифицированных лидов, а если обучать рекламную кампанию по обычным лидам - она очень быстро переключается на заявки, которые достать легче всего (микробизнес, случайные заявки, спам и физлица). Квал лидов еще на порядок меньше, а еще лид становится квалифицированным не сразу, а через какое-то время.
- И необходима была именно перфоманс оптимизация рекламы. То есть люди, которые сконвертируют сразу же, а не просто познакомятся с брендом и прогреются.
В общем задача состояла в том, чтобы из холодного трафика доставать горячих лидов по адекватной цене и объему. При этом лиды должны быть квалифицированными (в нашем случае - представители крупных компаний).
Решение
Мы подключили продукт Sales Ninja «Моделируемая конверсия» — технологию, которая позволяет разложить поведение пользователя на сайте и внешний контекст в набор признаков и построить предиктивную модель «вероятности квалифицированной заявки».
Что именно мы сделали:
- Установили собственный пиксель и начали собирать кликстрим-события: глубину взаимодействия, микроконверсии, паттерны навигации
- Добавили внешние социально-поведенческие признаки (тип устройства, региональный профиль, контекстные факторы
- На этой базе обучили модель, которая прогнозирует вероятность того, что конкретный визит приведёт не просто к заявке, а именно к квалифицированному лиду
- На основе распределения вероятностей начали генерировать виртуальные конверсии и передавать их в Яндекс.Директ.
Таким образом, мы фактически создали «прослойку обучения»: вместо того, чтобы Яндекс оптимизировался только по редким и запаздывающим конверсиям, он получил множество синтезированных событий, распределённых в соответствии с реальной ценностью лидов.
Самая главное тут не просто “предиктить” вероятность конверсии или привязаться к каким-то микроконверсиям, а управляя обучением предиктивной модели разложить её оптимальным для оптимизации рекламы образом.
Далее наша поведенческая автостратегия на уровне сайта “обволакивает” автостратегию Директа (или другой рекламной платформы) и обучает её нужным нам образом.
Результат
И умный читатель заметит - ведь если потратить на рекламу в десятки раз больше, то лидов мы конечно найдем в любом трафике (даже самом холодном). Но разве есть ценность в паре дополнительных лидах за безумные деньги?
Сравнили 3 поисковые РК:
- Оригинальная РК с самым горячим трафиком (например брендовые запросы). На чистом Директе.
- РК с холодными околотематическими запросами + автотаргетинг. На Sales Ninja
- РК с запросами на поиск конкурентов. На Sales Ninja
Последние 2 РК - это как раз примеры тех кампаний, которые раз за разом не удавалось даже обучить без Sales Ninja.
За лида берем максимально квалифицированного лида - сотрудника крупной компании, которой требуется организации большого количества командировок.
Давайте к цифрам. Точные цифры дать не можем, зато нам разрешили назвать относительные. Замер за сентябрь.
Что получилось на одном только поиске?
- Получить дополнительно еще 1.55 Х квал лидов от количества, что принесла горячая + брендовая РК
- При этом по цене НЕ дороже горячей, а дешевле! В одном случае на 10% дешевле, а в случае околотематики с автотаргетингом - в 8.5 раз дешевле.
- А так как качество трафика в наших РК не хуже горячей + брендовой, то мы смогли познакомить множество будущих целевых клиентов с Trivio, даже если они не сконвертились прямо сейчас (ведь трафик в наших РК - изначально холодный).
Что дальше?
- Добавление наших предиктивных аудиторий - умный ретаргетинг в поиске и РСЯ, умные корректировки. Чтобы выжать еще больше - и по количеству лидов и по их цене
- Добавление брэндформанс оптимизации и многосессионной оптимизации для работы со всей воронкой.
Мы сотрудничаем с Sales Ninja уже где-то 9 месяцев. Пришли по рекомендации от другого их довольного клиента. Первое время заняло обучение модели в Sales Ninja (около 1-2 недель), потом было обучение наших РК в Директе на виртуальных конверсиях - а вот тут был куда более итеративный, на хороший уровень РК на Sales Ninja выходили постепенно, неделю за неделей.
Но по итогу мы получили очень значительный для нас результат, во многом смогли решить самую большую боль нашего маркетинга. А РК на Sales Ninja все еще не вышли до плато, они постоянно доучиваются и в итоге каждый следующий месяц приносят еще примерно на 15-20% лидов больше, чем в предыдущий.