Документ обсуждает назначение ставок в контекстной рекламе и Яндекс.Маркет в зависимости от конверсии и прибыли. Он выделяет проблемы, связанные с отсутствием учета звонков и повторных продаж, а также рекомендует использование колл-трекеров и корректной настройки аналитики. Приведены кейсы с примерами успешного применения алгоритмов прогнозирования конверсии в рекламных кампаниях.

1. © «МедиаНация» 1
medianation.ru
+7 (495) 215-10-97
119454, г. Москва, Проспект Вернадского, д. 12Д, подъезд 1, этаж 3
Назначение ставок в контекстной
рекламе и Яндекс.Маркете в
зависимости от конверсии и
прибыли
Георгий Терновский

2. © «МедиаНация» 2
Эволюция рекламных метрик
Клики Конверсия CPO
ROIПрибыль
Live Time
Value

3. © «МедиаНация» 3
Проблемы ROI и CPO
Товар Клики Затраты
на
рекламу
Число
продаж
Маржа
с 1 ед.
Конверсия ROI CPO Прибыль
первый 200 5000 10 550 5% 10% 500 р. 500
второй 200 2650 10 300 5% 13,2
%
265 р. 350

4. © «МедиаНация» 4
Проблемы статистики
1) Не учитываются звонки, никак.
2) Маржа = процент от стоимости.
3) Не учитываются повторные продажи.
4) Не учитываются продажи в шоу-руме или
магазине.
5) Нет CRM или «ее лучше не трогать».
6) Нет данных об отмене.
7) Нет учета продажи аксессуаров.

5. © «МедиаНация» 5
Идеальная работа с данными
Корректная настройка Google.Analytics и/или
внутренней CRM
Корректная разметка UTM метками
Колл-трекер в разрезе ключевых слов
Объединение данных между Google.Analytics,
колл-трекером, оптимизатором и рекламными
системами
Настройка мультиканальной атрибуции

6. © «МедиаНация» 6
Колл-трекер обязателен. Варианты.

7. © «МедиаНация» 7
Автоматизация контекста
Bid менеджеры
Генераторы
рекламы
Единые
интерфейсы для
Яндекса и Google
Удобное
редактирование
Умная статистика
Прогнозирование
конврсии

8. © «МедиаНация» 8
Алгоритмы прогноза конверсии
По сходным словам (купить, цена, москва)
По сходным сущностям
По данным из других каналов
По времени (часы, дни недели, месяцы)
По географии (агрегация данных и разделение
данных)
По демографии (в будущем)

9. © «МедиаНация» 9
Кейс. Схожие сущности + слова
Проблема: семантическое ядро более миллиона ключевиков у проекта
Литрес.
Следствие – неуправляемый аккаунт. Ставки везде одинаковые.
Решение – индивидуальная ставка на каждый запрос.
Подробнее:
Литрес - идеальный клиент оптимизатора: все транзакции в
Google.Analytics.
Для Алгоритма мы использовали агрегацию данных:
по схожим сущностям (книги автора)
по схожим словам (читать, онлайн)
по времени (включаем)

10. © «МедиаНация» 10
Результат

11. © «МедиаНация» 11
Кейс. Яндекс.Маркет. Отсутсвие колл-трекера
Проблема: не установлен колл-трекер у интернет-магазина тренажеров.
Следствие: в Google.Analytics ноль продаж самых дорогих и
рентабельных беговых дорожек.
Идеальное решение – установить колл-трекер.
Реальное решение – фид с маржой и продажами.
Подробнее:
Ввиду отсутствия колл-трекера и данных об источниках 50% продаж
были приняты решения:
1) На первом этапе - не использовать данные об источнике продаж и во
главу поставить наименования товаров
2) На втором этапе - учитывать распределение трафика платных каналов
внутри url-а конкретного товара
3) Агрегировать данные по похожим сущностям
4) Выбор между первой и пятой позицией в карточке

12. © «МедиаНация» 12
Результат

13. © «МедиаНация» 13
medianation.ru
+7 (495) 215-10-97
119454, г. Москва, Проспект Вернадского, д.
12Д, подъезд 1, этаж 3
Большое спасибо за внимание!
Терновский Георгий
Директор по Маркетингу «МедиаНация»
ternovskiy@medianation.ru