9 кейсов по автостратегиям для интернет-магазина: от роста выручки в 4 раза до снижения в ноль

От исследований и статистики не легче. Месяц назад «Яндекс» и eLama провели эксперимент, сравнив автостратегии с кампаниями на ручных настройках. По ключевому параметру автостратегии оказались лучше в 60% случаев — окей, а остальные 40%, где лучше оказались ручные настройки, мы просто отбросим?

Я разберу автостратегии в 8-ми разных ситуациях и поделюсь своими выводами, когда и как их стоит применять в своих проектах. Если у вас тоже есть позитивный или негативный опыт использования автостратегий — поделитесь ими в комментариях, они дополнят картину.

Привет, меня зовут Вячеслав Игнатьев, я PPC-специалист в jam.agency — мы занимаемся платным трафиком для интернет-магазинов. В этой статье хочется добавить немного ясности в вопросе выбора (или невыбора) автостратегий для своих кампаний.

Интернет-магазин книг: когда конверсий меньше 20, автостратегии буксуют

Автостратегия — это искусственный интеллект. Но слово интеллект может ввести в заблуждение, якобы, ИИ может думать и анализировать как человек. На самом же деле, искусственный интеллект больше похож на дрессировку собаки.

Собак дрессируют на позитивных или негативных сигналах. Услышал команду «Сидеть!», сел, получил вкусняшку, повторили 50 раз — и появился рефлекс: говорят «Сидеть!», значит, надо сесть и мне будет хорошо.

Автостратегии в контексте работают примерно так же, отличаются только сигналы для дрессировки. Сигнал — это любой фактор, который может помочь достичь цель: устройство, местоположение, запрос, сезонность.

Если Вася из Красноярска у нас что-то купил, то у алгоритма появляется нейронная связь между Васей, Красноярском и покупкой. Дальше он попробует привести на сайт еще Вась, еще жителей Красноярска — и чем чаще эта гипотеза будет срабатывать, тем крепче будет нейронная связь.

А что вот что бывает, когда алгоритм не получает достаточно сигналов и не может пройти дрессировку. В интернет-магазине книг и подарков мы тестировали автостратегии на одной из рекламных кампаний с месячным бюджетом ~40 000 ₽.

Этап 1: оптимизация по микроконверсии. Сначала мы настроили автостратегию на микроконверсию — событие «Просмотр 5 страниц», которое стабильно давало алгоритму 30+ конверсий в неделю. За 5 недель удалось выйти на долю рекламных расходов (ДРР) 27% при целевой 12%.

Этап 2: оптимизация по оформлению заказа. Дальше мы поставили алгоритму задачу приносить нам оформления заказов — а их, в отличие от микроконверсий, было всего чуть больше 10 в неделю. Этого не хватило для обучения и выхода на стабильные показатели, и наша ДРР подскочила до 66%.

Вывод. Не стоит запускать автостратегии, если там не будет 20+ конверсий в неделю. В рекомендациях «Яндекса» говорится, что 10+ конверсий будет достаточно — но по опыту это не так. Запуск на малом числе конверсий с большой вероятностью приведет к сливу бюджета.

Колл-центр на аутсорсе: плавно снизили стоимость лида в 2,3 раза

В этом проекте мы применили тактику автостратегии с «разогревом», которая помогла постепенно снижать стоимость лида. Это как если бы вы купили спорткар, но почему-то сделали это зимой. Сначала надо хорошенько прогреть двигатель, потом медленно покататься по городу, чтобы «почувствовать» машину — и только потом выезжать на трек и жать тапку в пол.

Декабрь-май: оптимизируем по кликам. Мы стартовали с автостратегии в Google Ads с оптимизацией «Максимум кликов». Это помогло нам на большом потоке трафика убедиться, что оффер релевантный, продажи по нему есть. Результат: 67 конверсий по 1 860 ₽.

Май-сентябрь: оптимизируем по конверсиям. Дальше мы поставили алгоритму задачу дать как можно больше конверсий. Мы сознательно не стали ограничивать стоимость конверсии, чтобы посмотреть на автостратегию именно с точки зрения максимально возможного количества заявок при выделенном бюджете. В результате, у нас и конверсий стало больше, и цена снизилась: 101 заявка по 1 077 ₽.

Сентябрь-февраль: оптимизация по стоимости конверсии. Теперь мы сказали алгоритму: «Делай то же самое, но только теперь стоимость заявки должна быть не выше 1 000 ₽». Алгоритм в такой ситуации начинает действовать более агрессивно: агрессивно повышает ставки, чтобы вписаться в целевую стоимость заявки. Результат: 191 конверсия по 812 ₽.

Вывод. Если постепенно переключать оптимизацию ниже и ниже по воронке — от кликов до продаж — можно снизить риски, «прогреть» кампанию и дать алгоритму достаточно данных для обучения.

И наоборот: если бы мы сразу включили оптимизацию по CPL, алгоритм все равно обучился бы когда-нибудь. Но сколько бы продлился этот период с нестабильным количеством лидов и колебаниями стоимости заявки? Непонятно. А с тактикой постепенного перехода с оптимизации на оптимизацию мы получаем больше контроля над ситуацией.

Магазин красивых телефонных номеров: результат за счет «укрупнения» кампаний

Еще одним способ дать автостратегии побольше конверсий и ускорить обучение — это объединение нескольких отдельных кампаний в одну. Так алгоритм получает больше бюджета, сможет проанализировать больше позитивных и негативных сценариев, сделать больше выводов и спроецировать их сразу на все цели РК. И наоборот, при чрезмерном дроблении кампаний каждая автостратегия будет работать в своем маленьком мирке и делать там одно и то же, но с меньшими ресурсами.

Понимая все это, мы разработали стратегию для интернет-магазина телефонных номеров. На старте у нас было много рекламных кампаний, настроенных вручную: 1 кампаний = 1 тип пользовательских запросов. При переходе на автостратегию мы объединили эти рекламные кампании в одну — и запустили автостратегию. С первого же месяца получилось улучшить прошлые результаты: число заказов растет, доля рекламных расходов снижается.

Вывод. Если у товаров схожие рекламные параметры — аудитория, целевая стоимость заявки, маржинальность, цена — объединяйте их в одну рекламную кампанию. На небольших объемах это поможет «пробить» планку 20 конверсий в неделю для обучения, на больших — позволит алгоритму буквально купаться в сигналах и быстро обучаться.

Интернет-магазин глобусов и атласов: мощный старт, потом — падение

У работы с автостратегиями много плюсов: они забирают на себя рутину, могут анализировать недоступные «живому» специалисту данные и прогоняют через себя огромные потоки информации буквально за секунды.

Но есть и минусы, один из которых — непредсказуемость. С этим мы столкнулись в интернет-магазине товаров для школьников при переходе с ручных настроек на автостратегии:

• апрель-май — результаты резко выросли до рекордных значений
• июнь — снизилось количество конверсий на 20%, стоимость лида осталась плюс-минус прежней
• июль — все резко сломалось: получили лидов в 4 раза меньше и 3-4 раза дороже, чем в апреле-мае
• август-сентябрь — ситуация не меняется
• октябрь — возвращаемся на ручные настройки, после чего результаты идут вверх

Вывод. Волшебных таблеток не бывает :) Всегда нужно быть готовым к раскладу, когда все ломается и нужно находить другие способы достижения целевых результатов.

Интернет-магазин спорттоваров: отсекли неэффективные запросы и подняли выручку x4,5

Когда мы начали работать с магазином спортивных товаров, большая часть расходов приходилась на кампанию «Конверсионные ключевые слова», куда входили сгенерированные по шаблону сочетания «категория» + «бренд», «бренд» + «модель».
Кампания работала на ручном управлении, при этом состояла из 89 групп объявлений. Только в 18 из них расход был больше 5 000 ₽. Результаты так себе:

• расход 286 550 ₽
• выручка 151 880 ₽
• ДРР 189%

Можно было бы просто отключить эту кампанию, но мы решили сначала протестировать на ней автостратегию с оптимизацией на добавление товара в корзину. И уже через неделю заметили изменения: из топа по расходам стали исчезать неэффективные запросы, снизился общий расход по рекламной кампании, выручка выросла.

Вывод. Алгоритмы автостратегий отлично анализируют большие массивы данных. Специалисту на ручных настройках тяжело в реальном времени управлять 89 группами объявлений — с большой вероятностью, он их запустит и будет раз в несколько дней актуализировать. А автостратегия распределяет бюджеты между ними в режиме нон-стоп — и уже на второй месяц у нас работали только эффективные запросы.

Натяжные потолки: кратный рост результатов за счет правильно подобранной оптимизации

Этот кейс не из eCommerce, а из услуг — но слишком уж показательный.

На старте мы настраиваем автостратегии с оптимизацией по микроконверсии, чтобы алгоритм получил достаточно данных для обучения. Так было и в этом проекте: мощные результаты дала автостратегия с оптимизацией по событию «Просмотр 2 страниц». Рост по сравнению с результатами ручных настроек произошел сразу: лидов стало в 2 раза больше, а их стоимость — в 3 раза ниже.

Вывод. Оптимизация по микроконверсии может дать результат в заказах и деньгах. Для этого нужно правильно подобрать эту микроконверсию — определить, какая из них наиболее коррелирует с целевым действием. Например, может оказаться, что заказ совершают:

• 15% людей, кто проскроллил страницу наполовину
• 17% людей, которые провели на сайте 2+ минуты

Тогда логично настраивать автостратегию на привлечение людей, которые проведут на сайте 2+ минуты.

Вот наш алгоритм, как выявить микроконверсию, которая больше остальных коррелирует с целевым действием:

1. Собрать ежедневную статистику по микроконверсиям и целевым действиям. Это удобно делать в Экселе: просто выгрузите по столбикам число конверсий.
2. Посчитать корреляцию с помощью функции «Анализ данных» или через формулу =КОРРЕЛ(массив1;массив2).
3. Среди микроконверсий-кандидатов нужно выбрать наиболее коррелирующую с целевым действием. Чем корреляция ближе к 1, тем лучше.

Микроконверсию для старта автостратегии нужно подбирать с умом. Так вы будете не просто обучать алгоритм за свои деньги — будете и обучать, и получать приемлемые результаты.

Запчасти для тюнинга: отключили «трафиковую» оптимизацию и снизили ДРР на 30%

Из кейсов выше может показаться, что чем проще оптимизация, тем лучше. У алгоритма много данных, он приводит аудиторию на сайт и она уже как-то сама покупает.

Но нет, все не так просто.

Для интернет-магазина запчастей для тюнинга мы стартовали с автостратегии с оптимизацией «Максимум кликов» — итоговая ДРР составила 21%. Но нужно понимать: с таким подходом алгоритм приводит самых «кликающих» клиентов — и не всегда это самые заинтересованные в покупке и платежеспособные люди.

Поэтому после нескольких месяцев обучения, когда мы вышли на стабильные число и стоимость заказов, мы перевели оптимизацию с максимума кликов на оформление заказа на сайте. В итоге, сошлись два фактора: с одной стороны, алгоритм уже неплохо обучился на кликах, с другой — сосредоточился на том, чтобы приносить продажи. Результат: ДРР снизился до 14%.

Вывод. У трафиковых стратегий в приоритете именно привлечение трафика. Они могут по инерции решать перфоманс-задачи, но редко могут делать это эффективно — поэтому подходят только на первых этапах для обучения алгоритма. После этого оптимизацию нужно переключать на целевое действие.

Магазин электроники: переход на автостратегию при ажиотажном спросе уронил количество заявок в 4 раза

В этом кейсе мы воспользовались тактикой постепенного перехода между целями оптимизации. Сначала работала автостратегия с оптимизацией по микроконверсии, которая давала 15+ конверсий в неделю. На десятую неделю обучения мы перешли на оптимизацию по оформлению заказа на сайте.

Вроде бы все логично и результаты должны были стать лучше. Но есть нюанс.
Действие происходило в феврале-апреле 2022 года, когда продавцы электроники столкнулись с ажиотажным спросом: цены выросли, что будет с курсом непонятно, дальнейший импорт под вопросом — короче, лучше покупать сейчас, чтобы не кусать локти потом.

И вот в этих условиях обучался наш алгоритм. Автостратегии умеют делать поправку на сезонность спроса, но поправку на такие уникальные кризисы программисты, конечно, не добавили.

Поэтому, когда спрос упал, алгоритм начал изучать поведение аудитории по-новой. Задача усложнилась, потому что мы перевели его на оптимизацию по лидам — то есть, у него стало меньше конверсий. Результат: с 15-25 заказов мы упали до 4-12 в неделю.

Вывод. Идеальные условия для автостратегии — это стабильность. Она применяет привычные инструменты, спокойно тестирует гипотезы и улучшает результаты. Если что-то резко изменяется, не ждите быстрой реакции: алгоритм до последнего будет использовать прошлые наработки, а потом начнет медленно обучаться работать в новых условиях.

Если вы работаете в нестабильной сфере, лучше оставаться на ручных настройках или «помогать» автостратегии, адаптируя бюджеты и целевую стоимость конверсии. У рекламных систем есть алгоритмы, которые учитывают сезонность — но речь идет только о «традиционной сезонности». Они могут предсказать, что перед Новым годом спрос на технику растет, а вот в резких изменениях макроэкономической ситуации ничего не смыслят.

Общие противопоказания

Мы запускали автостратегии только тогда, когда реально рассчитывали на их эффективность. В большинстве случаев, ожидания оправдывались. Но антикейсов было бы намного больше, если бы мы не следовали базовым противопоказаниям к запуску автостратегий.

Объем данных — самый важный фактор для автостратегий, если он небольшой, то нет смысла даже пытаться их подключать. Яндекс рекомендует подключать автостратегии, если конверсий больше 10 в неделю, Google — больше 15. Но, по опыту, эти цифры лучше умножать на два.

Результаты нужны сразу. Автостратегия выйдет на оптимальные результаты за несколько недель, иногда — месяцев. А до этого ей нужно обучиться. Если вам срочно нужны дешевые лиды, не ищите в автостратегиях волшебную таблетку.

У вас низкая маржинальность. Даже после обучения алгоритм может немного «штормить» — и если для вас рост стоимости лида на 10-20% = работа в ноль или убыток, лучше не рисковать.

Сложный, индивидуальный, дорогой продукт. Автостратегии хорошо работают, когда рекламируют что-то типовое и пользующееся спросом: одежду, электронику, «массовые» онлайн-курсы, книги и т.п. Если у вас продажа с долгим циклом или низкий спрос, алгоритму просто не на чем будет учиться.

Если у вас интернет-магазин и вы все никак не можете договориться с автостратегиями — приходите к нам на аудит или в FB. Мы погрузимся в ваш проект и подумаем, чем можем быть полезны.

Телеграм-канал, 1 пост в месяц — Джоин!