Кейс: Performance-кампания для книжного магазина: запуск за месяц до сезона

Fkniga — книжный онлайн-магазин, специализирующийся на учебной литературе и осуществляющий доставку заказов по всей России. У компании также есть несколько офлайн-точек в Челябинске под другими брендами.

Цели и задачи от заказчика

Подготовить и провести рекламную кампанию магазина учебной литературы на пике сезона — при отсутствии двух исторически самых эффективных каналов: Google Merchant Center (товарная реклама в Гугле) и Яндекс Маркета. А перед этим — определиться с целевой аудиторией и позиционированием бренда, выявить УТП и разработать сообщения.

Сложность заключалась в том, что, несмотря на длинную историю, у бренда Fkniga не было четкого позиционирования и отстройки от конкурентов, а работы по запуску рекламных кампаний мы смогли начать только в конце июля, за месяц до пика сезона.

Решение

Позиционирование

Мы начали разработку коммуникационной стратегии с определения целевой аудитории. В ассортименте магазина была как учебная, так и художественная литература, но оказалось, что первая приносит 70% онлайн-продаж. Так мы определились с тем, что будем формировать знание об Fkniga как о магазине, специализирующемся на учебной литературе, а целевой аудиторией будем считать мам, готовящих детей к школе, и представителей родительских комитетов, которые закупают учебники для всего класса.

Мы намеренно сосредоточились на учебной литературе, а художественную оставили как апсейл для повышения среднего чека и как способ привлечения лояльных клиентов в дальнейшем с целью повышения LTV.

Следующим шагом мы придумали легенду для имени бренда — описали все услуги и преимущества магазина через приставку f (например, у Fkniga. ru — не просто сервис, а f-сервис, то есть фирменный, флагманский).

В этой же концепции мы сформулировали варианты дисклеймера для бренда и сайта:

1. «Fkniga — выгодная формула покупки учебников онлайн»,
2. «Fkniga — федеральный онлайн-магазин учебников и книг».
   

Затем мы разработали серию иллюстраций-иконок в виде собранных вместе канцелярских принадлежностей, и создали связанные рекламные сообщения, главное из которых — «Соберите ребенка к школе».

Аналитика

Заказчик привык оценивать эффективность рекламы, исходя из доли рекламных расходов DRR (ориентируясь на свою маржинальность), поэтому мы взяли эту метрику за основу и определили целевое значение.

Также в ходе кампании мы отслеживали метрики, влияющие на DRR: число заказов, стоимость заказа (CPO), число кликов, стоимость клика (CPC), конверсию в заказ (CR), доход и средний чек.

Первым делом мы отладили веб-аналитику — нашли и устранили некоторые незначительные проблемы. А затем изучили исторические данные, чтобы увидеть динамику ключевых метрик, и выяснили:

1. за последние два года конверсия в предсезонные месяцы снизилась больше чем в 2 раза;
2. а средний чек вырос примерно в 3 раза.
   

Эти две метрики сгладили общее влияние на DRR, поэтому заказчик не заметил снижения конверсии.

На основе данных мы выдвинули гипотезы о том, к каким значениям стоимости клика, конверсии и среднего чека нам нужно стремиться, чтобы достичь желаемого DRR.

По результатам аналитики мы договорились с заказчиком о дальнейших действиях и начали работу по запуску рекламной кампании — с выгрузки исторических данных за несколько месяцев по всем рекламным кампаниям. В дальнейшем мы вели понедельную статистику этих метрик, чтобы быстро замечать изменения и принимать решения о запуске, остановке или изменении стратегии в рекламных кампаниях.

В целом мы работали в продуктовой логике — двигались двухнедельными спринтами, чтобы максимально оперативно корректировать наши действия и менять состав команды.

SEO-продвижение

С учетом выбранной целевой аудитории мы приоритизировали работы по SEO:

1. На основе семантики сформировали вложенную структуру каталога учебной литературы (раньше она была в одной рубрике с возможностью фасетной навигации), добавили на сайт возможность формировать страницы со статическим URL и метаданными для выборок учебников по классу, предмету и учебной программе и вывели ссылки на них на главную и в раздел учебной литературы. А также настроили вывод релевантных тегов в выборках типа «учебники для 1-го класса».

2. В ходе аудита мы выявили много дублей страниц, которые мешают ранжированию, и поставили на поток процесс их удаления из индекса с помощью:

1. склейки тегами rel=canonical,
2. закрытия от индексации.
   

Также мы нашли фундаментальную проблему: одинаковые учебники разных лет выпуска «каннибализируют» друг друга в поиске, поэтому, проведя исследование конкурентов в нашей нише, мы разработали агрегированную карточку товара, которая объединяет несколько учебников разных лет в одну страницу и избавляет нас от дублей.

Учитывая сжатые сроки запуска кампании в этом году, в полной мере эффект от наших действий можно будет оценить в следующем сезоне.

Performance-реклама

Учитывая ограничения по срокам, мы сфокусировались на контекстной рекламе на поиске и в сетях. Ключевой проблемой для нас стало отсутствие инструментов, показавших себя самыми эффективными год назад: товарной рекламы в Google Ads (Google Merchant) и Яндекс Маркета.

Сначала мы:

1. обновили все креативы в соответствии с новым позиционированием;
2. актуализировали фиды в рекламных кампаниях (обнаружив, что фид, по которому откручивается товарная кампания в Директе, лежит на серверах Яндекса и не обновляется автоматически).

Затем мы сосредоточились на различных форматах динамических объявлений (на основе фида с данными). Мы еженедельно мониторили изменение ключевых метрик и раз в неделю созванивались с клиентом и аналитиками Яндекс Директа для определения стратегии на следующую неделю.

Наиболее эффективно показал себя следующий микс рекламных каналов:

Брендовая РК для отстройки от конкурентов. Здесь мы столкнулись с тем, что в домашнем регионе по ней приходят оптовики, которые не попадают в статистику, — пришлось учиться выделять их в сегмент и убирать из рекламы. На старте мы решили эту проблему, разделив брендовую кампанию на два региона — домашний и недомашний.

Товарная РК на базе фида. Это новый формат Яндекса, который откручивает объявления с товарами из фида одновременно на поиске и в сетях. В его настройках задается несколько вариантов изображения, заголовков и описаний, а также фид с товарами и целевая конверсия. Дальше алгоритмы Яндекса делают все сами, ориентируясь на достижения целей. Ключевой сложностью здесь стало обучить кампанию в сжатые сроки — для этого мы на старте настроили ее на добавление в корзину и постепенно по мере накопления данных и обучения кампании сдвигали целевое действие все ближе к успешному заказу, пока не стали платить за транзакции.

Также мы регулярно отслеживали эффективность различных креативов и заменяли неэффективные.

Еще одной интересной задачей в рамках этой кампании стало прогнозирование бюджета, ведь при обучении на добавление в корзину конверсии приходят с задержкой в 1–2 недели, пока холодные пользователи решаются на заказ. Здесь нам надо было балансировать, чтобы:

1. не зажать кампанию по бюджету и, как следствие, не потерять конверсии;
2. изменить бюджет, не повлияв на обучение кампании.
   

Ретаргетинговая кампания: мы использовали промокоды, чтобы вернуть на сайт пользователей, которые бросили наполненные корзины. А чтобы повысить средний чек, мы настроили событие на добавление в корзину товаров на определенную сумму и показывали ретаргетинг пользователям, совершившим такое действие.

Результат

1. Самый важный итог — несмотря на ограниченные сроки, мы запустили и успели обучить рекламные кампании, чтобы успешно отработать сезон.

2. Мы почти достигли целевого DRR на пике сезона (не попали в цель только по рекламному трафику, зато попали по сочетанию каналов Organic + Paid Search + Direct).

3. Увеличили суммарный доход по итогам сезона по сравнению с прошлым годом (если учитывать только доступный микс каналов).

4. Нашли эффективный микс каналов и собрали бенчмарки по основным метрикам и их динамику по сезону. Также мы увидели явную закономерность в динамике среднего чека и конверсии, падение которых обрушивает DRR по окончании сезона.

Нивелировать данное падение можно только:

1. поднимая конверсию — для этого нужно работать с чекаутом, поскольку мы видим отрицательную динамику показателя конверсии на протяжении полутора лет;
2. поднимая средний чек и LTV — для этого нужно работать с рекомендуемыми товарами, качеством таких рекомендаций, а также внедрять систему лояльности.
   

Год назад конверсия так же падала по окончании сезона, но стартовая точка была выше:

Год назад средний чек так же падал по окончании сезона, однако события этого года и повышение цен заставили людей раньше задуматься о подготовке к сезону, что смазало пики. 

5. Декомпозировали воронку чекаута и предложили к внедрению гипотезы по повышению конверсии.