А ларчик просто открывался! Иногда классическое решение — самое верное. Кейс учебного центра
Анамнез
Клиент kokoc.com (Kokoc Performance) — учебный центр, позволяющий получить МВА-образование и повысить квалификацию. Программа обучения обширная: в нее входят не только программы МВА, но и авторские курсы, а также корпоративные тимбилдинги и тренинги. Центр известен на рынке образования, занимают топовые позиции и постоянно развиваются.
Изначально клиент обратился с обычной задачей — приводить целевые лиды, то есть людей, которые будут платить за обучение. Команда проекта — специалист по контекстной рекламе Иван Туев и аккаунт менеджер Светлана Рудакова — начали работу и, хоть знаем специфику и реалии рынка образования, все равно столкнулись с рядом проблем.
Сложности и особенности проекта
В таких жестких условиях тестировать новые гипотезы нет смысла — не хватит времени на их разработку и проверку. Тем более, что в этом случае от нас такого и не требовалось. Главное — привести показатели в норму.
Мы решили применить вечную классику — проанализировать сегменты целевой аудитории и оптимизировать ее по социально-демографическому признаку и географии. Способ старый как мир, простой и бюджетный — клиенту не придется дополнительно платить, мы делали все в рамках текущих работ.
Результаты
Рассмотрим результаты за два периода — до начала работ и после оптимизации. В таблице ниже приведены все показатели — показы, клики, CTR и wCTR, расходы, цена клика, конверсии и CPL. Мы покажем подробно рост по самым важным — конверсиям, CPL и CTR.
Кликабельность не была целевым показателем во время работ, но ее получилось увеличить с 1,47 до 2,65 % — на 80,57 %.
Для начала нужно было разобраться с «Яндекс Метрикой», и первым делом мы изменили отчет «Директ, Расходы». Сделали две доработки: добавили группировки «Пол и «Возраст», а также включили метрики «Расход» и «Целевые визиты», выбрав нужную нам цель. На скриншоте мы можете увидеть конечный результат настройки отчета «Директ, Расходы» — выгрузку по ЦА, визитам, кликам и расходам.
Нужно отметить, что в нише MBA-образование среднее значение CPL может колебаться в пределах 9000–15000 рублей, то есть мы не превышаем норму. Хотя всегда есть смысл попробовать снизить этот показатель.
Предыдущие шаги показали, что не все сегменты ЦА и не все регионы дают заявки с подходящим для наших KPI показателем CPL. Первой мыслью было отключить их совсем, но мы привыкли действовать мягче и аккуратнее, ведь можно ввести понижающие и повышающие корректировки для разных сегментов ЦА и регионов. Вот алгоритм, по которому мы действовали.
- Сегмент дает большой расход, но у него нет лидов. В этом случае вводится понижающая корректировка, причем корректируем на процент, пропорциональный расходу.
- Высокий CPL. В этом случае используется понижающая корректировка на -10 %.
- Низкий CPL. Ставится повышающая корректировка. Процент повышения выбираем исходя из числа лидов: чем больше заявок приносит этот сегмент, тем выше повышающая корректировка.
- Сегменты, показывающие CPL, близкий к целевому значению. Не трогаем.
На скриншоте ниже показаны все корректировки, примененные к рекламной кампании.
Такую точечную корректировку получилось сделать только благодаря тщательному анализу собранных данных по разным сегментам.
А ларчик просто открывался: далеко не всегда для улучшения работы рекламы требуется внедрять сложные стратегии. Иногда достаточно проверить обычный чек-лист настройки рекламной кампании. В частности, можно проверить семантику, настройки на всех уровнях рекламной кампании, ставки.
В случае когда рекламная кампания ведется давно и есть собранная статистика по аудитории, можно заняться ее оптимизацией. Анализ разных сегментов целевой аудитории с последующими корректировками ставок на неэффективные сегменты дает хороший прирост эффективности рекламной кампании.
.png)
.png)
.png)
