В марте 2019 года к нам обратился «Сушкоф» — компания по доставке одноименной японской
кухни и неамериканской пиццы «Дель Песто».

В Екатеринбурге «Сушкоф» — top of mind для горожан, то есть первый бренд, который приходит
на ум при упоминании о доставке пиццы или роллов. В других городах региона: Нижнем Тагиле, Первоуральске и Челябинске — позиция и сила бренда слабее.

Мы начали работу с контекстной и таргетированной рекламой в этих четырех городах, чтобы компания могла собирать и обрабатывать весь горящий спрос в географической доступности.

Главным условием сотрудничества стала прозрачная аналитика. Мы предоставляли клиенту доступ к нашим рекламных кабинетам и информировали его о том, на какие рекламные кампании с какими настройками идет бюджет и какие показатели мы получаем.

Здесь сложились два фактора: у заказчика была налажена система сквозной аналитики, а мы знали, как с ней эффективно работать. Это помогло четко определить KPI для агентства и ежемесячно их обновлять. По этим же показателям мы получали бонусную часть оплаты. Она была динамичной и прямо пропорционально зависела от результатов, которые мы предоставляли клиенту.

KPI состояли из двух параметров:

1. ROI — коэффициент окупаемости инвестиций, который ежемесячно показывал, насколько рентабельны вложения в рекламу. Не выполнив его, мы не получали бонусы и по второму параметру.
2. План по выручке.

Кроме того, внутри параметры делились еще на два: по брендовому и не брендовому трафику. Конкуренция по брендовым запросам была очень высокой, а для работы с небрендовым трафиком нужны были особо креативные решения.

Такая схема по KPI — наша любимая практика. Для клиента такой вариант выгоднее, чем содержать у себя в штате полную команду — руководителя проекта, специалистов по контексту и таргетингу, дизайнера и копирайтера. Мы же получаем достойное вознаграждения за результаты, которые показываем.

Отметим, что без сквозной аналитики со стороны клиента выстроить работу подобным образом невозможно. Чтобы считать такие KPI, мы должны точно знать, какая конверсия у приведенных лидов в отделе продаж.

Клиент поставил перед нами четыре задачи:

1. Максимально охватить рынок Екатеринбурга. Удерживать текущий объем по заказам и увеличивать ROI: снижая показатели по расходам, увеличивать по доходам.
2. Увеличивать выручку в Нижнем Тагиле, Первоуральске и Челябинске.
3. Увеличивать количество установок приложения «Сушкоф», повышать долю первых и повторных заказов через него, определить конверсию, стоимость установки и заказа.
4. Отстроить digital-трафик от агрегаторов, чтобы не платить им комиссию и не делиться с ними данными о клиентах.

К чему стремиться и какие инструменты использовать — понятно. Поехали!

Ключевая задача — обслуживать горящий спрос в моменте, а потому 90 % сил, времени и бюджета отвоевала себе контекстная реклама. С помощью контекста мы собирали всех голодных клиентов, планирующих заказать доставку. Выгодные предложения, корректно подобранные запросы и сила бренда убеждали покупать в «Сушкоф».

Новые категории. Для начала мы добавили в контекст следующие категории запросов:

— самые горячие: «заказать пиццу», «доставка пиццы», «роллы круглосуточно»;

— геозависимые: «доставка пиццы в Кольцово», «пицца Арамиль круглосуточно», «ролл
филадельфия ЖБИ доставка»;

— брендовые по конкурентам.

Реклама по конкурентам на этом рынке сильно развита, а потому мы соревновались с другими пиццериями в более выгодных и интересных офферах. Вместе с заказчиком отходили от предложения шаблонных комбо-наборов: акцентировали внимание на скорости доставки — от 35 минут.

Тестировали гипотезы: например, маркетологи «Сушкоф» предположили, что, когда девушки заказывают на ужин роллы, их молодой человек не наедается. Так мы запустили акцию на покупку роллов и пиццы одновременно.

Ретаргетинг. Мы добавили ретаргетинг в рекламные сети Яндекса и Гугла: РСЯ и КМС. Настраивали на основе аналитики: мы отметили, что в среднем потребители возвращаются за повторной покупкой раз в три-четыре недели. Поэтому тех, кто совершил одно целевое действие и не вернулся за вторым, мы собрали в аудиторию для ретаргетинга. Буквально за месяц этот эксперимент сделал РСЯ окупаемой.

Оптимизация. Настроили стратегию — оптимизировать кампанию на цель «заказ оплачен».

Яндекс и Гугл хорошо справляются с оптимизацией рекламы по целям. Клики, заказы или звонки — выбирайте, что для вас является приоритетом, и система будет добиваться наибольшей конверсии именного для этой цели. Этим воспользовались и мы.

Сайт eda1.ru — классический интернет-магазин с определенным набором товаров. Покупатели складывают их в корзину, заполняют необходимые данные и оформляют заказ — именно это финальное действие настроено как отдельное событие. Информация о заказах поступает в Метрику и Аналитику, и системы оптимизируют кампанию: привлекают пользователей, которые с наибольшей вероятностью оформят покупку.

Также автоматически Яндекс и Гугл оптимизируют ставки на аукционе. В кейсе «Сушкоф» это работало эффективно, потому что здесь ярко выражен паттерн поведения людей. В будни есть определенный уровень заказов, который в пятницу всегда увеличивается почти в два раза и продолжает держаться на выходных. Вечером воскресенья он начинает уменьшаться и в понедельник нормализуется. Еще есть пики на бизнес-ланчах.

Кампанию можно оптимизировать вручную: каждый раз в полдень и в пятницу повышать ставки, чтобы охватывать больше людей и выигрывать аукцион. Путь рискованный: можно что-то забыть или не так настроить. Другой вариант — подключать сторонние сервисы, такие как Marylin и K50, но они стоят денег. Автоматизированная оптимизация от Яндекса и Гугла в такой ситуации — отличное решение.

Два момента, на которые стоит обратить внимание:

— для корректной оптимизации нужен большой объем данных по совершенным целевым действиям за последнее время;

— любая автоматизация требует вашей проверки: ежемесячно нужно мониторить кампании, чтобы добавлять минус-слова и фразы, отключать нерелевантные группы объявлений и объединять в одни группы объявлений ключи, которые дают статус «мало показов».

Собирать горячий спрос таргетингом сложно. Пока не изобрели таких параметров интересов, как «хочу есть» или «заказал бы пиццу Маргариту прямо сейчас». Мы решили использовать его в другом ключе — привлекать людей на установку приложения. У «Сушкофа» как раз вышел очередной релиз: удобный и интуитивно понятный. В оффере предлагали пользователям установить приложение и получить скидку на первый заказ.

Сегменты аудитории

— Запросили у «Сушкоф» базу данных клиентов, сегментированную по RFM-матрице.

RFM-анализ — метод сегментации клиентов по частоте и давности покупок. Recency — давность, frequency — частота, monetary — сумма покупок. По этим параметрам можно разделить базу клиентов на тех, кто покупает много и часто; часто, но мало; редко и мало. Мы разделили аудиторию на четыре части и каждую из них использовали для настройки таргетинга.

— Настроили рекламу во «ВКонтакте» по аудитории конкурентов.

С помощью парсинга мы таргетировались на аудиторию сообществ-конкурентов: в целом на всю базу и отдельно на самых активных пользователей.

— В «Фейсбуке» таргетировались по интересам.

Отобрали самые вкусные во всех смыслах категории: любители пиццы и японской кухни, Макдональдса, Бургер Кинга и другого фастфуда.

— И по минус-интересам тоже.

Да-да: брали всю аудиторию нужного города, ставили ограничения по возрасту 20-35 и не добавляли интересы, а исключали их. Например, ЗОЖ, ПП, диета и фитнес — с этим всем нам было не по пути.

— Для ретаргетинга использовали аудиторию с сайта.

На сайте eda1.ru стояли пиксели «ВКонтакте» и «Фейсбука». В базу собирали покупателей и тех, кто возвращался на сайт не менее чем три раза за последние два месяца.

Аналитика по приложению

Для сбора всевозможной статистики по приложению использовали сервисы AppMetrica (для Яндекса) и Google Firebase (для Гугла). Они дают аналитику по установкам, источникам трафика и количеству заказов с рекламы. Логика и подходы одинаковы с Метрикой и Аналитикой, но архитектура сервисов разная.