Радио 
Мебель — категория отложенного спроса: покупатель выбирает диван неделями, а стандартные кампании в РСЯ приводят много трафика с низкокачественных площадок, за которым нет покупательского намерения. Онлайн-ретейлер Divan.ru решил искать клиентов не по интересу к мебели, а по жизненным ситуациям, которые к ее покупке приводят: финальный этап ремонта, первая квартира, рождение ребенка. Как агентство Kokoc Performance (входит в Kokoc Group) и сервис PIM.DATA собрали такие аудитории и что это дало рекламным кампаниям, Sostav рассказали участники проекта.
Проблема: трафика много, покупателей мало
Мебель относится к категории отложенного и дорогого спроса. Человек не покупает диван импульсивно: он созревает неделями, а иногда и месяцами. Поэтому в этой категории критично поймать не интерес как таковой, а момент готовности к крупной трате.
Классические кампании в РСЯ с этой задачей справляются с трудом. Они дают большой объем трафика, но значительная его часть приходит с мобильных приложений и площадок низкого качества. Формально показы есть, клики есть — а вот покупательского намерения за ними нет.
У этого есть и второй, менее очевидный эффект. Алгоритмы учатся на «грязных» данных, и обучение кампании растягивается на неделю. Все это время команда вручную зачищает площадки, а бюджет продолжает утекать. Получается замкнутый круг: чем шумнее трафик, тем дольше система приходит в норму, и тем дороже обходится каждая конверсия.
Divan.ru хотел разорвать этот круг — расширить охват, но за счет пользователей, которые объективно стоят на пороге крупной покупки.
Решение: смотреть на жизненную ситуацию, а не на интерес
Чтобы решить эту задачу, команда Kokoc Performance предложила собирать аудитории не по прямому интересу («искал диван»), а по жизненной ситуации, которая с высокой вероятностью приводит к покупке мебели.
Например, человек, который купил стройматериалы для финальной отделки, через месяц начнет обставлять квартиру. Молодая пара, купившая первое жилье, начинает с кровати и шкафа. Семья, в которой появился ребенок, покупает мебель для детской. На момент показа прямого интереса к мебели у этих пользователей еще нет, но он появится. Расчет строился на том, чтобы показать им рекламу раньше конкурентов.
Команда исходила не из того, кто покупает мебель, а из того, у кого сейчас складывается ситуация, требующая мебели. Каждый такой сегмент меньше аудитории по интересу, но вероятность конверсии в нем выше. При этом в сегменты попадают пользователи, которых еще нет в интересных аудиториях, и за их счет охват расширяется.
Для такой сегментации нужны данные о том, что человек уже сделал: например, купил стройматериалы для отделки. Поэтому для теста выбрали один из сервисов — PIM.DATA, который строит аудитории на основе интернет-заказов, привязанных к физическим данным покупателей, а не на косвенных поведенческих признаках. Работа с реальными заказами должна была решить и проблему качества трафика. В сегменты попадают люди, которые совершали покупки, поэтому в агентстве рассчитывали, что доля «ботного» нецелевого трафика снизится.
Святослав Малышев, руководитель вертикали DATA и маркетинг PIM Solutions:
При работе с крупными e-commerce-проектами мы видим, что сегментация перестала быть вопросом «кто покупает мебель». Сегодня ценность дают модели, которые улавливают момент готовности пользователя к крупной покупке. Поэтому мы фокусируемся не на демографии, а на поведенческих переходах — именно они формируют аудиторию с самыми сильными сигналами к конверсии.
Реализация: от четырех сегментов к многослойной системе
Тест начали с трех аудиторий, которые соответствовали сценариям из гипотезы: покупатели стройматериалов на финальном этапе ремонта, молодые покупатели первой квартиры и семьи с детьми. Для охвата к ним добавили четвертую — LAL-аудиторию, то есть пользователей, похожих на клиентов Divan.ru.
Однако один и тот же человек мог оказаться сразу в нескольких из этих аудиторий: сценарии в жизни часто совпадают, и семья с ребенком может одновременно заканчивать ремонт. Если оставить такого пользователя в двух сегментах, кампании начнут конкурировать за него на одном аукционе, а Divan.ru будет платить за его показы дважды. Поэтому команда оставляла каждого пользователя только в одном сегменте. Заодно у каждого сегмента появилась своя, ни с чем не смешанная статистика.
Уже без пересечений сегменты загрузили в «Яндекс Аудитории» и подключили к кампаниям на поиске и в РСЯ. На поиске они не сокращали охват ключевых запросов, а сужали аудиторию внутри них до тех, кто ближе к покупке.
Как раз благодаря чистой статистике разница между сегментами стала видна с первых дней. Одни давали стабильный трафик с низкой стоимостью целевого действия, или CPA, другие отставали. Слабые сегменты команда отключала, а их бюджет переводила в сильные.
Но вместе с каждым отключенным сегментом сокращался и охват. Поэтому на место выбывших команда запускала новые, и каждый проверял свою гипотезу о том, что подталкивает человека к покупке мебели. Divan.ru искал не только точную, но и платежеспособную аудиторию, так что в новую волну вошли премиальные сегменты: мужчины и женщины с премиальным потреблением и покупатели премиальной электроники.
Результаты: чистый трафик с первых дней и снижение CPA
Тест длился три месяца. Первым изменилась структура трафика. По опыту агентства, в стандартных запусках до 90% бюджета первых дней уходит на площадки низкого качества: мобильные приложения и агрегаторы. В первом запуске на сегментах PIM.DATA соотношение было обратным: с первых дней 80−90% трафика было чистым. Поэтому кампании обучались быстрее, а риск выбросов в статистике снизился.
Во втором тесте, с товарными объявлениями, в первые дни доля мусорных площадок выросла так же, как в стандартных запусках. После двух волн чистки показатели стабилизировались. По оценке агентства, период нормализации кампаний сократился с 7−10 дней до 1−2.
При подведении итогов сравнивали две группы: кампании на точечные сегменты PIM.DATA и кампании с широким охватом потенциальной целевой аудитории. Вот что изменилось:
- ДРР снизился на 18−22%;
- CPA уменьшился на 25−30%;
- CPA микро-конверсий сократился на 35−40%;
- средний чек вырос на 12−15% благодаря премиальным сегментам, которые стабильно показывали высокий уровень корзины;
- доля качественного трафика выросла на 28−32% — пользователи чаще открывали карточки товаров, глубина сеансов увеличилась;
- общий объем конверсий вырос на 20−25% при том же или меньшем бюджете.
Валерий Клименко, специалист по контекстной рекламе Kokoc Performance (входит в Kokoc Group):
Этот кейс показал, что данные могут не только улучшать ключевые метрики, но и снижать неопределенность в управлении рекламой. Когда с первого дня запуска мы видим стабильный профиль трафика и понимаем, что система учится быстрее, у команды появляется пространство для экспериментов — а это лучшая точка роста для перформанс-маркетинга. Мы продолжаем использование сегментов PIM.DATA. Сценарная сегментация становится постоянной частью нашей стратегии закупки трафика.
Ярослав Андреев, директор электронной коммерции Divan.ru:
Мусорный трафик — это проблема, с которой сталкиваются сегодня все рекламодатели. Технологии развиваются очень быстро и требуют постоянной адаптации, проб новых инструментов, которые позволяют решать возникающие проблемы. Рад, что одно из решений нашлось у наших партнеров из PIM.DATA.
Ни для кого не секрет, что мебельная индустрия строится вокруг клиента на всю жизнь. И мы всегда искали решения, связанные с жизненным циклом клиента и триггерами вокруг него. Нам повезло найти такое решение вместе с Kokoc Performance и PIM.DATA. Их подход порадовал результатами и возможностями, которые позволяют добиваться измеримого прироста и качества наших размещений.