Рост бронирований без демпинга: как автостратегии увеличили доход в отеле «Метрополь»
Клиент: Отель «Метрополь», Москва
Формат размещения: Контекстная реклама в Яндекс Директ
География продвижения: Россия, с отдельным фокусом на Москву
«Метрополь» — легендарный пятизвездочный отель в центре Москвы, известный своей богатой историей и роскошным интерьером. Открытый в начале XX века, он стал свидетелем множества значимых событий. Отель «Метрополь» — часть культурного кода Москвы. Он привлекает туристов и деловых посетителей своей богатой культурной историей и высоким уровнем сервиса.
Digital-агентство Molinos сотрудничает с «Метрополем» уже 10 лет. И за это время стало очевидно: для премиальных отелей контекстная реклама — не канал масштабного привлечения, а точечный инструмент работы с готовым спросом. Здесь важны не объемы, а качество аудитории, предсказуемость метрик и контроль ДРР.
В этом кейсе мы разбираем, как автостратегии начинают работать на максимум, когда в их основе — точный учет географии и реальных поведенческих паттернов аудитории.
Мы показываем решения, способные находить бронирования за пределами «зоны видимости» алгоритмов и сохранять стабильность показателей в нише с узкой и фрагментированной аудиторией.
Регионы с низким трафиком: почему увеличение бюджета не решает проблему
В ходе работы с данными Сергей Иванов, директор по интернет-маркетингу и рекламе отеля «Метрополь», обратил внимание на аномалию в региональной структуре продаж с рекламы. Ряд регионов системно не приносили бронирований, несмотря на присутствие спроса по бренду и премиальный характер продукта.
У команды Molinos возникла гипотеза, что проблема может быть не в качестве аудитории, а в доступе к трафику — автостратегии при стандартной структуре кампаний перераспределяют бюджет в пользу регионов с наибольшим объемом данных, фактически «вытесняя» менее активные гео.
Эту гипотезу тут же проверили при стандартной структуре аккаунта (отдельные кампании на Москву, Санкт-Петербург и единая кампания на остальные регионы) и убедились, что часть регионов действительно практически не получала показов и кликов, что не позволяло алгоритмам корректно оценивать их потенциал.
«Для премиального отеля важна не масштабируемость любой ценой, а управляемость и предсказуемость результата. Корректная сегментация по географии позволила автостратегиям работать осознанно — и дала рост бронирований без снижения цен и компромиссов по качеству привлекаемого трафика».
Простое наращивание бюджета не решало задачу. Требовалась иная логика управления трафиком.
Чтобы регионы с низкой активностью вообще получили шанс быть услышанными алгоритмами, мы пошли на осознанную декомпозицию и разделили кампании на три группы:
- регионы с высокой конверсией,
- регионы со средней конверсией,
- регионы с низкой конверсией.
Анализ конверсий по данным Яндекс Метрики за последние шесть месяцев по всем источникам трафика показал ключевой разрыв.
Если в первых двух группах трафик хотя бы варьировался, то в третьей его практически не существовало. Алгоритмы просто не получали сигнала для обучения.
По итогам эксперимента рекламные кампании в топовых и среднеэффективных регионах показали снижение результатов, алгоритмам стало не хватать данных для обучения. Зато регионы с низкой конверсией начали стабильно получать трафик и впервые принесли бронирования — 1-2 в месяц, чего раньше не происходило.
Важно, что доход с одного бронирования в этих регионах соответствовал среднему чеку по другим кампаниям. Это подтвердило, что проблема была не в качестве аудитории, а в доступе к трафику.
В итоговой структуре мы сознательно развели регионы по разным логикам. Низкочастотные вынесли в отдельную кампанию, убрав их из прямой конкуренции с мегаполисами. А регионы со средним и высоким потенциалом объединили в одну кампанию, увеличив объем данных для автостратегии. В результате алгоритм стал обучаться быстрее, а показатели стали предсказуемее.
«Типовая ошибка: если регион не дает конверсий, значит, там нет спроса.
Даже прирост в 1-2 бронирования в месяц оказался значимым — он увеличил общий доход и положительно повлиял на ДРР.
Работа с географией не ограничивается делением на города и регионы. Внутри одной геолокации спрос может принципиально отличаться — по поведению, сезонности и экономике бронирования. Это особенно заметно в мегаполисах, где рекламная аудитория неоднородна даже в рамках брендовых запросов.
Москва: разные устройства — разные сценарии бронирования
Обычно мы не ожидаем большого числа бронирований из того же города, где расположен отель. Но для мегаполиса это правило не работает. У отеля «Метрополь» около трети всех бронирований поступает из родной Москвы. На этот регион была запущена отдельная брендовая кампания, но ее результаты оставались нестабильными.
При изучении трафика по различным сегментам — в частности, по типам устройств и операционным системам — мы выявили значительные различия в структуре аудитории по возрасту и полу.
Так, пользователи iOS оказались наиболее ценной группой: в основном это люди в возрасте от 25 до 45 лет с высокой конверсией и более высокой стоимостью клика.
В то же время аудитория Android представлена большим объемом трафика, менее соответствующего целям брендовой кампании в премиальном сегменте. Трафик с MacOS отличается относительно небольшим объемом.
Интересно, что среди пользователей десктопов с операционной системой Windows большая доля женщины старше 45 лет, которые совершают бронирования с чеками выше среднего.
При этом интересы пользователей Windows в Метрике не совпадают с интересами остальной аудитории сайта отеля. Это стало важным наблюдением.
Мы выдвинули гипотезу, что часть пользователей десктопных устройств может выступать в роли представителей гостей — ассистентов или координаторов поездок, что типично для бизнес- и корпоративных сценариев бронирования.
Таким образом, за брендовыми запросами в Москве стоят две разные аудитории. Первая — преимущественно туристы. Они формируют спрос, привязанный к сезонам отдыха и личным поездкам. Вторая — бизнес-аудитория, для которой характерна иная динамика спроса, связанная с деловыми поездками и корпоративными мероприятиями.
«В работе с премиальными отелями мы видим одну и ту же закономерность: автостратегии дают результат только тогда, когда структура рекламных кампаний повторяет реальную структуру спроса. В результате сознательно уйдя от «универсальных» решений и пересобрав кампании под географию и сценарии принятия решения, алгоритмы получили достаточно данных для обучения стратегий, а бизнес — стабильные и управляемые показатели».
Это значит, что данные метрики отражают не профиль гостя, а профиль человека, принимающего решение и оплачивающего бронь. В то же время, пользователи мобильных устройств демонстрируют более высокую вовлеченность и чаще являются непосредственно будущими гостями.
Исходя из вышесказанного, команда выдвинула гипотезу, что разделение кампаний по типам устройств и операционных систем позволит добиться более стабильных и предсказуемых результатов. Такой подход даст возможность алгоритмам Яндекса учитывать в том числе сезонные колебания, характерные для каждой группы по-отдельности.
Брендовые кампании по Москве разделили на три: Windows, iOS и Android (MacOS не брали, так как там было мало трафика).
Важно: такая сегментация была актуальна только для брендовых запросов. В небрендовых кампаниях аудитории уже различаются на уровне ключевых фраз.
Технически мы создали сегменты в Яндекс Метрике по устройствам и ОС и передали их в Яндекс Директ. В каждой кампании оставили только релевантные сегменты через исключающие корректировки.
«Декомпозиция кампаний по пользовательским сценариям позволила нам точнее работать с трафиком и видеть, какие сегменты действительно дают результат. Это упростило контроль показателей и сделало работу автостратегий более предсказуемой.»
В кампаниях были использованы исходные объявления, не изменяя месседжа в зависимости от аудитории. Так как для того, чтобы корректно оценить именно разведение аудитории по разным кампаниям, остальные настройки было необходимо не трогать.
Результаты показали, что кампании на пользователей iOS и Windows стали работать стабильнее и предсказуемее. Кампании для Android-устройств были временно приостановлены, так как в текущей конфигурации они не позволяли достичь целевых показателей эффективности для брендовых запросов.
За полгода от момента внедрения кампании средняя ДРР составила 17% для iOS и всего 3,3% для Windows. Средняя CR по Москве за полгода после разделения кампаний выросла в 1,4 раза.
Ключевой инсайт этой работы оказался нетривиальным — технический профиль пользователя сайта не всегда совпадает с портретом гостя отеля. Но именно этот пользователь принимает решение и оплачивает бронирование, даже если сам не является конечным потребителем услуги.
Детальный анализ позволил нам скорректировать рекламную стратегию, направив бюджеты на наиболее эффективные сегменты аудитории и в результате повысить стабильность кампаний и увеличить количество бронирований при контролируемом ДРР.
Выводы
В конечном итоге все изменения в рекламной стратегии были направлены на одно — сделать путь к бронированию более удобным, предсказуемым и соответствующим ожиданиям гостей отеля «Метрополь».
Опыт работы с рекламными кампаниями отеля «Метрополь» показал: для увеличения количества конверсий не обязательно повышать бюджет и масштабировать кампании за счет охвата.
Рекомендации по объединению и укрупнению кампаний действительно помогают алгоритмам быстрее обучаться, но в премиум-сегменте такая логика работает не всегда. Если в одной кампании смешиваются аудитории с разным поведением, сезонностью и экономикой бронирования, автостратегия выбирает одну — наиболее конверсионную в данный момент, оставляя остальные сегменты без охвата.
Разделив кампании по географии и пользовательским сценариям, команда получила:
- доступ к трафику из регионов и сегментов, которые раньше «вытеснялись» более активным спросом
- стабильные показатели в ключевых гео
- более точный контроль ДРР и распределения бюджета
- возможность учитывать разные модели принятия решения о бронировании
Этот кейс наглядно показывает: автостратегии начинают работать эффективно только тогда, когда структура кампаний повторяет реальную структуру аудитории. Для премиальных отелей с узкой ЦА и высокой стоимостью привлечения это критично.
В таких условиях грамотная сегментация — не косметическая оптимизация, а прямой рычаг роста конверсий и выручки без увеличения рекламных инвестиций.
Команда проекта:
Сергей Иванов — Директор по интернет-маркетингу и рекламе отеля «Метрополь»
Александра Мартынова — Старший менеджер по электронной коммерции отеля «Метрополь»
Ольга Кутилина-Кубрина — Senior Аккаунт-менеджер Molinos
Екатерина Шашлова — Senior Performance-специалист Molinos