Протестировали аудиторный таргетинг в РСЯ и снизили CPL в 2,2 раза — кейс Media 108 и Fizika Development

После успешного года продвижения проекта застройщика рекламная кампания в Директе резко перестала приносить целевые обращения. Мы в Media 108 решили протестировать новый способ продвижения, вернуть поток целевых обращений и сделать кампании еще более эффективными. Рассказываем, как мы протестировали аудиторные РК, увеличили количество целевых обращений в 2 раза, снизили стоимость лида в 2,2 раза и уменьшили поток фродовых обращений.

Клиент

VIDI — инвест-отель от компании Fizika Development, доходные апартаменты в историческом центре Санкт-Петербурга, полная готовность уже в 2024-м.

Исходная ситуация

C 2022 года команда Media 108 успешно выполняла плановые показатели по продвижению проекта. Основную часть лидов приносили сетевые рекламные кампании. Одна из особенностей кампаний в РСЯ в том, что они всегда нестабильны и могут внезапно перестать приносить лиды.

В октябре 2023 года обе кампании резко перестали приносить целевые обращения, и нам предстояло тестировать различные гипотезы по запуску новых кампаний. Мы предположили, что на Поиске мало возможностей для оптимизации, и только сетевые кампании способны дать лиды по низкой стоимости.

Цель

Стабилизировать динамику целевых обращений, снизить CPL и получить успешные РК в сетях с возможностью масштабирования.

Задачи

1. Подобрать подходящие условия для создания конверсионных аудиторий.
2. Снизить стоимость целевого обращения.

Как делали

По опыту работы с недвижимостью мы видим, что идеи с запуском кампаний по интересам, аудиториям и использования РСЯ чаще всего малоэффективны. Мы решили дать им еще один шанс и не ошиблись.

Разделили аудиторию на сегменты

В январе 2024 мы решили протестировать создание нескольких аудиторий в рамках одной рекламной кампании.

Основной идеей было создать аудитории на основе сегментов Метрики — определить поведенческие паттерны наиболее конверсионных пользователей. Мы создали два сегмента вовлеченных посетителей сайта.

Первый сегмент учитывал макроконверсии и исходил из гипотезы, что для целевого обращения людям часто нужен повторный визит. Поэтому условия настройки были следующие:

1. Достижение одной из трех целей: посещение акций после планировок, отправка формы и целевой звонок;
2. Суммарное время на сайте более 20 секунд.

Второй сегмент учитывал также интересы, приписанные посетителям. Условия здесь были такими:

Просмотр одной из пяти посадочных сайта для людей с суммарным временем на сайте более 1 минуты и одним из трех интересов:

1. Ипотека;
2. Коммерческая аренда;
3. Посуточная и почасовая аренда квартир.

Также была идея не учитывать ранее звонивших или установить ограничение по времени на сайте и отсечь тех, кто сидит на сайте более 7–10 минут и явно просто забыл уйти с сайта. Однако охват сегмента сужался до таких размеров, что не позволял создавать на его основе аудитории.

Настроили look-a-like

При создании сегментов по вовлеченным учитывалось, что look-a-like ориентируется на интересы. То есть, нам нужен максимально точный портрет целевых пользователей по аффинити-индексу, так как на его основе и создается LAL-аудитория. При этом объема трафика на VIDI было недостаточно, чтобы делать слишком много ограничительных и сужающих критериев.

Помимо этих сегментов мы создали аудитории по целевым обращениям. На их основе сделали LAL-аудитории. Также сделавшие ЦО были добавлены в минусацию — во всех новых аудиториях стояло условие «не выполнено ни одного» на тех, кто уже купил квартиру.

Первые РК и первые результаты

Первая РК была запущена в январе. В ней были настроены корректировки

1. По возрасту (-100% на всех младше 18);
2. По устройствам (-30% на планшеты);
3. По платежеспособности (+40% на топ 1%, +30% на топ 2–5%, +25% на топ 6–10%).

Кампания оптимизировалась по целям «звонок» и «отправка формы», а также по двум микро-целям — составной (последовательный переход с планировок на акции) и целям системы предиктивной аналитики OneGA, разработанной Media 108 на основе накопленных в нише недвижимости данных.

Группы были настроены следующим образом:

1. Нацеливание на LAL-аудиторию по целевым обращениям (250 тысяч пользователей, похожих на тех, кто ранее принес ЦО). Из аудитории исключались уже совершившие ЦО. Регион показа — СПб и Ленобласть.
2. Нацеливание на сегмент Метрики «Вовлеченные_2». Регион показа — РФ.
3. Нацеливание на сегмент Метрики «Вовлеченные_1». Регион показа — РФ.
4. Только похожие на сегмент Метрики «Вовлеченные_1» (настройка через Директ). Регион показа — СПб и Ленобласть.
5. Только похожие на сегмент Метрики «Вовлеченные_2» (настройка через Директ). Регион показа — СПб и Ленобласть.

Также на разные регионы были настроены группы по интересам «Жилая недвижимость премиум-класса» и «Посуточная и почасовая аренда квартир». Они не дали обращений.

Вторая РК была запущена в последних числах января. Кампания оптимизировалась по целям «Звонок» и «Отправка формы», а также по составной цели «последовательный переход с планировок на акции».

У кампании было две задачи — масштабировать направления без изменений первой РК и снизить спам-активность. В итоге фродового трафика с этой РК стало меньше, конверсия вала в ЦО выросла, но и существенно выросла CPL. Только в мае эта РК обошла по эффективности первую.

Инновации

Мы решили не трогать успешно работающую первую РК и сначала протестировать все идеи на новой кампании, добавив минусующие корректировки по аудиториям. Параллельный запуск РК — нестандартное решение для подобного варианта продвижения.

Второе новшество связано с тестом комбинированных аудиторий. Так как сегменты вовлеченных пользователей хорошо работали в первой РК, мы решили сделать look-a-like по сегментам Метрики.

Группы были настроены так:

Тест2 — комбинированная LAL-аудитория. Здесь мы взяли две крупные look-a-like аудитории по ранее созданным сегментам вовлеченных пользователей, после чего применили условие «Выполнены все» на пересечение двух аудиторий. Регион показа — РФ.

Одна LAL-аудитория по сегменту Метрики «Вовлеченные_1» была создана на 1 млн человек с отключением распределения по городам.

Вторая LAL-аудитория по сегменту Метрики «Вовлеченные_2» была создана на 4 млн человек. Директ спрогнозировал, что в пересечении двух аудиторий 891 200 посетителей.

Пример настройки комбинированной аудитории в группе Тест2

Тест 3 — комбинированная LAL-аудитория. Здесь мы взяли две небольшие look-a-like аудитории по ранее созданным сегментам вовлеченных пользователей, после чего применили условие «Выполнено хотя бы одно» на пересечение двух аудиторий. Регион показа — РФ.

В этой группе LAL-аудитории создавались на 250 тысяч человек по двум сегментам вовлеченных. Директ прогнозировал 346 860 пользователей. Было важно, чтобы прогноз в данной группе не отставал в разы от предыдущей, ведь в такой ситуации гарантированно одна группа заберет на себя все показы.

В конце февраля и начале апреля мы пробовали расширить направление новыми рекламными кампаниями по аудиториям, но эти тесты в первые недели не дали никаких обращений. Поэтому запуск третьей РК мы отложили и решили плавно увеличивать бюджет на уже сработавших кампаниях. Ранее мы старались не трогать даже бюджет, чтобы ничего не сломать в работе алгоритмов.

Трудности, с которыми столкнулись

Внесение изменений в РК

Вносить изменения в работающие кампании слишком рискованно — вместо улучшения показателей будет полное исчезновение целевых обращений. Ранее по похожему сценарию сломались сетевые кампании осенью 2023-го.

Поэтому мы создали дополнительные кампаний с тестами без изменений в предыдущих РК с плавным увеличением бюджета.

Борьба со спамом

В период работы новых РК с одних и тех же площадок по одинаковым объявлениям параллельно шли спам и квалифицированные лиды. Резкие изменения против спама с высокой вероятностью устраняли бы любые целевые обращения.

Стандартная минусация площадок здесь бы не помогла. Поэтому на второй РК при запуске протестировали ограничение через Метрику и Аудитории.

1. Проанализировали трафик с первой аудиторной РК и нашли срез, по которому потенциально можно было снизить спам — местоположение. Ботовый трафик фиксировался из 6-ти стран, на которые не шли показы. На сегменты с визитами из этих стран была сделана минусующая корректировка. Однако это не могло сработать на ни разу не посетивших сайт, поэтому нужно было дополнительно ограничение.
2. На основе сегментов были созданы две Яндекс.Аудитории. У обеих созданных аудиторий была указана высокая схожесть, местоположение за пределами РФ и повышенный интерес к недвижимости (как и у обычных LAL-аудиторий по конверсионным). Поэтому возникла идея сделать look-a-like, но уже для минусации — высокое сходство в базовых аудиториях предполагало, что получится охватить в большом количестве явных ботов, которые не посещали сайт. Основной проблемой могло быть, что в этот список попадут потенциально целевые пользователи.

1. Созданные две LAL-аудитории для минусации были добавлены во все новые тесты под условием «Не выполнено ни одного». У полученных аудиторий с охватом 250 000 сохранялось высокое сходство пользователей. Таким образом, теперь можно было добавлять эту минусацию во все аудитории, ранее созданные в интерфейсе Яндекс.Директ.

Фродовый трафик снизился, а конверсия валовых обращений в целевые резко выросла благодаря отсутствию ложных заявок. Для сравнения: в первой РК конверсия составляла 14%, во второй — 34%.

Так как новые сетевые кампании показывались почти на всех площадках, на них удалось добиться аномально высокого числа показов и низкой CPC. Фактически мы получили дешевое охватно-медийное размещение в РСЯ.

Плюсом такого подхода был рост дополнительной узнаваемости бренда и пополнение сегментов вовлеченных пользователей, благодаря чему аудиторные РК могли сохранять эффективность.

Дальнейшие тесты подтвердили, что попытки улучшить защиту от спама ведут к снижению эффективности РК. Более крупные минусующие аудитории и расширение списка запрещенных площадок приводили к тому, что новые РК не обучались.

Результаты

В ходе тестов было настроено 14 групп, 8 из которых принесли целевые обращения по итогам запуска. Новые кампании по аудиториям решили основную задачу — заменить ранее работавшие кампании и давать стабильные ЦО.

За 5 месяцев аудиторные РК принесли 57 целевых обращений. Для сравнения все брендовые РК на поиске дали только 36.

Лучшие результаты РК по аудиториям показали за первые три месяца. В этот период доля ЦО от аудиторий составила 58% от всех лидов (а в марте даже 71%), а CPL всех аудиторных РК была в разы ниже остальных. Более того, аудиторные РК в эти месяцы работали эффективнее брендового направления.

Итоговая доля ЦО с аудиторий за 5 месяцев — 48,74%. Ближайшее направление по эффективности — бренд (30,25%).

Таким образом, лучше всего отработали LAL-аудитории по целевым обращениям, сегмент по вовлеченным пользователям и комбинированные аудитории из тех, кто похож на вовлеченных.

Вывод

Тест по аудиториям подтвердил, что можно обучить рекламные кампании даже по мусорным площадкам, а look-a-like может быть очень эффективен. При этом решение очистить кампании от спама почти гарантирует ухудшение конверсии.

При наличии достаточного объема трафика сегменты Метрики могут стать хорошей базой для создания LAL-аудиторий. То же касается и минусации, поскольку при фродовых заявках боты будут оставлять ложные телефонные номера и по ним минусующую аудиторию создать не получится. В случае спама главное не паниковать и не торопиться запрещать показы по всем площадкам. Лучше определить срез трафика, где спамовый и конверсионный трафик разделяются.

Аудитории ботов и вовлеченных пользователей могут иметь одинаковый повышенный аффинити-индекс. Это косвенно объясняет, почему у многих не могут обучиться LAL-аудитории или РСЯ по интересам — в них оба варианта смешиваются, а благодаря дешевизне клика и более высокой конверсии кампания обязательно оптимизируется на ботов.

Минусующие LAL-аудитории могут стать хорошей альтернативой минусации площадок и вставке капчи на сайт, которая часто вредит конверсии сайта.

После успеха с VIDI аудиторные РК были протестированы на других проектах, но не везде показали такой же качественный результат. Поэтому любой подобный тест лучше начинать с работы над сайтом и целями, чтобы подобные кампании гарантированно обучились на нужные поведенческие паттерны.