Как привлечь максимум качественных звонков, используя только performance

Задача

Первостепенная задача клиента — выполнение плана продаж в 2018 году, для чего было запланировано конкретное количество заявок и целевых звонков.

Задача агентства включала, помимо выполнения плана по обращениям, экономию бюджета и достижение минимальной стоимости звонка.

Решение

Для достижения поставленных задач команда агентства разработала и реализовала performance-стратегию с использованием инструментов поисковой рекламы, рекламы в социальных сетях, лидогенераторов, баз недвижимости и programmatic.

Для максимальной эффективности рекламной кампании и оптимизации расходов в процессе проводилась постоянная аналитика и реализовывались различные решения в рамках выбранного инструментария, в том числе: работа с аудиториями, использование автостратегий Google, гиперлокальный таргетинг и performance-подход к рекламной кампании в соцсетях.

Вклад в общий результат также внесли ежедневный мониторинг и обработка обращений в системе коллтрекинга, аналитика текущих результатов и использование данных в планировании, ежедневный контроль выполнения поставленных KPI, тестирование новинок.

Также агентство использовало собственные разработки и технические решения, такие как создание API, установка пикселей, сбор и сегментация онлайн- и офлайн-данных, моделирование атрибуции и т. д.

Рекламная кампания

В процессе разработки стратегии специалисты агентства выделили стадии в пути потребителя, под каждую из которых выбрали каналы коммуникации и инструменты продвижения, решающие такие задачи, как формирование интереса, построение известности ЖК, возвращение интереса к объекту и получение лида.

Выбор инструментария рекламной кампании исходя из пути потребителя:

По итогам был сформирован медиамикс рекламной кампании, включающий в себя инструменты контекстной рекламы на поиске и в сетях, таргетированную рекламу в социальных сетях, programmatic, базы недвижимости и площадки лидогенерации.

Каждый инструмент и его внутренние сервисы были интегрированы в систему коллтрекинга для последующей обработки и выявления целевых обращений.

Аудиторные решения в поисковых и сетевых кампаниях

Ремаркетинг на поиске (RLSA).

Вероятность того, что пользователь совершит конверсию на сайте, в два раза выше для возвращающихся пользователей, чем для тех, кто впервые зашел на сайт.

Добавив корректировку ставки в размере +100%, можно чаще выигрывать аукцион на верхних рекламных позициях и показывать рекламу самым ценным клиентам.

Примеры описания аудиторий и корректировок, используемых специалистами агентства для ремаркетинга:

• аудитория заинтересованных покупателей: продажа квартир (вторичный рынок) +15%;
• аудитория заинтересованных покупателей: продажа квартир (первичный рынок) +30%;
• пользователи YouTube просмотрели любой ролик на канале +13%;
• пользователи YouTube просмотрели продуктовый ролик на канале +35%;
• подробные демографические данные: уровень образования, ученая степень +8%;
• семейное положение: в браке, в отношениях +25%;
• посетители сайта Returning Visitor +30%;
• посетители сайта и разделов +5/35%;
• похожая аудитория: похожие на вернувшихся + похожие на +5/35%
• комбинированный список AdWords optimized list +10%;
• посетители сайта «Умные цели Гугл» +5%;
• список клиентов по номерам телефонов -50%.

Автостратегии Google

Изначально все кампании запускались со стратегией ручного управления и назначения цены за клик.

По мере накопления релевантной статистики (брендовая рекламная кампания в марте 2018, остальные кампании в марте — мае 2018) подключались автоматические стратегии назначения ставок.

Используемые стратегии:

• Оптимизатор цены за конверсию — это стратегия назначения ставок, которая корректирует цену за клик так, чтобы получать максимальное количество конверсий. Ставка автоматически увеличивается, если высока вероятность совершения звонка, и понижается, если такая вероятность мала.
• Целевая цена за конверсию — это стратегия интеллектуального назначения ставок в «Google Рекламе», которая помогает получить максимум конверсий по заданной цене. В ней для оптимизации ставок на аукционах объявлений используется технология машинного обучения. Целевой СРА назначается индивидуально для каждой рекламной кампании с учетом конверсии из лида в целевое обращение по каждой группе запросов. Продвинутая технология машинного обучения помогает правильно выбирать ставки за счет высокой точности и частоты оптимизации. Учитывается контекст каждого запроса, это происходит за счет сигналов, получаемых во время проведения аукциона.

Гиперлокальный таргетинг

Для точечного таргетирования на аудиторию по локации использовались следующие механики:

1)    Корректировка ставок по геотаргетингу в поиске и в сетях:

• радиус 3 км от ЖК «Тушино»;
• регулярно посещают Волоколамское шоссе;
• полигон (технология «Яндекса». — Прим. ред.) на офисы продаж конкурентов;
• радиус вокруг БЦ Класса А/А++ по всей Москве;
• полигон на посетителей матчей ЧМ-2018 с последующими ремаркетинговыми акциями.

2)    Сегментирование аудитории в рамках рекламной кампании по радиусу действия на основе геолокации в сервисе «Яндекс.Аудитории» и радиусу GoogleAds.

Performance в социальных сетях

Получить максимальное количество конверсий удалось благодаря следующим решениям:

- Сегментирование аудиторий с персонализацией креативов с акцентом на эффективные по CR и CPA.

- Использование таргетингов:

• основные интересы: недвижимость, покупка недвижимости, покупка квартир
• дополнительные интересы: родители + интересуются покупкой недвижимости;
• ремаркетинг по пикселю: посетители сайта и разделов (выбор квартир, контакты)
• ремаркетинг по офлайн-данным: номера телефонов, почты;
• look-a-like по офлайн-аудиториям: источник — база клиентов (данные коллтрекинга). Объявления показываются пользователям, похожим на тех, кто совершал звонок ранее;
• look-a-like по пикселю: пользователи, похожие на посетителей сайта (или разделов сайта). Формируются на основании исходной аудитории, собранной по пикселю на сайте: посетил сайт, был на сайте больше 10 минут и т. д.

- AB-тестирование текстов и креативов проводились в рамках каждого сегмента путем настройки правил теста и использования динамических объявлений с оптимизацией СРА (машинное обучение).

Результаты кампании:

В результате проведенной рекламной кампании основной KPI (целевые обращения) был выполнен на 133% при снижении запланированных на рекламную кампанию расходов.

В ходе рекламной кампании стоимость целевого обращения снизилась на 38% от планового показателя.