Кейс google shopping товары для детей Italy: сайт на шопифай
Всем привет. Меня зовут Яна Ляшенко, я — Google-логист. Моя работа — доставлять бизнесу целевую аудиторию с нужными характеристиками и помогать масштабировать онлайн-продажи через инструменты Google-рекламы. Сегодня разберу один из кейсов нашей команды.
Короткая характеристика кейса
Рынок — Италия. Валюта — не пугайтесь, если не сталкивались — чешская крона. Что продаём? Если упрощённо — детские товары ручной работы. Это не игрушки в привычном понимании, скорее что-то ближе к мебели и смежным категориям.
Сложности в проекте
Зачем показываю именно этот кейс? Потому что здесь собрался целый букет трудностей.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Первая и самая болезненная — платформа Shopify. У неё хронические проблемы с корректной передачей конверсий. Те цифры по продажам, которые мы видим в рекламном кабинете — это далеко не всё. В реальности конверсий ощутимо больше.
Мы перепробовали массу вариантов: подключали разные плагины, выстраивали альтернативные схемы отслеживания, экспериментировали с UTM-метками и различными форматами трекинга. Результат один — Shopify, особенно при оплате через Shopify Payments, упорно недосчитывает часть конверсий.
Мы неоднократно обращались в саппорт Shopify, чтобы проверить нашу гипотезу. И каждый раз получали примерно одинаковый ответ: «Да, проблема существует давно, мы работаем над её исправлением». Возможно, прикреплю сюда скриншот одной из таких переписок — суть ответов не меняется от запроса к запросу.
Так что единственная конверсия, которую мы тут видим — это покупка. И её реальное количество значительно больше, чем показывает аналитика. А значит, и фактическая цена за конверсию куда ниже, чем та, что отображается в кабинете.
Работы по максимизации сбора аналитики
Буду оперировать теми цифрами, которые есть. Итальянский рынок в штуках конверсий шёл очень туго. Разные структуры кампаний, которые тестировали — тоже давали результат с натяжкой. Но всё-таки удалось накопить достаточный объём аналитики, чтобы от него оттолкнуться для дальнейшего масштабирования.
Почему перебои с передачей конверсий — это настолько критичная проблема именно для Performance Max? Потому что перформансы недополучают объём данных, на который должны ориентироваться при обучении. Проще говоря, алгоритм «видит» меньше покупок, чем произошло на самом деле, и принимает решения на основе неполной картины.
Что мы сделали? Напичкали аккаунт дополнительной передачей данных динамического ремаркетинга. Эти конверсии поставили в режим «дополнительное отслеживание» — не как основные оптимизационные цели, а чтобы система хотя бы косвенно понимала, что происходит после клика.
Идеально ли это? Нет. Идеальная ситуация — когда алгоритм видит полный путь пользователя от первого касания с товаром до purchase. Но работаем с тем, что имеем. И это — главная сложность проекта.
Категоризация товаров на основе собранной аналитики
Когда аналитика подкопилась, в нише проявилось классическое разделение товаров по ролям. Я использую аналогию с матрицей BCG — думаю, многим знакома.
Появились так называемые «дойные коровы» — товары, которые стабильно генерируют конверсии. На них можно плавно увеличивать трафик, хотя растут они не взрывными темпами. Есть «звёздочки» — товары с потенциалом, но пока без регулярных продаж. Есть «дохлые собаки» — но в этом проекте мы их не выключали и не списывали со счетов.
Вместо этого старались перевести в категорию «звёздочек», обучая перформансы генерировать на них определённый вид трафика. И наконец, есть товары-«нулёвки» — те, которые по сравнению с остальным массивом получают минимум показов или не получают их вообще. Это скрытый ресурс для роста.
Отдельная история — товары-«кочевники», которые то попадают в нулёвки, то выходят из них. Потому что ситуации, когда в новом перформансе с раскрученными нулёвками все товары вдруг начинают показываться равномерно — такого не бывает. А если бы и случилось — это удорожило бы цену за конверсию.
Прострелы как результат собранной аналитики
Итак, аналитика собрана. Дальше переходим к тому, что я называю «прострелами». Это когда мы точечно пробуем увеличить бюджеты — на отдельные кампании или массово на целый набор кампаний. Структура тут достаточно объёмная, и цель прострелов — проверить несколько гипотез:
Смогут ли «дойные коровы» пропорционально нарастить количество конверсий в штуках при увеличении бюджета?
Появятся ли новые «звёздочки», то есть сгенерируют ли перформансы конверсии на товары, которые раньше продавались единично?
Впишутся ли результаты в критические KPI, которые поставил клиент?
Уточню: «звёздочками» считаю товары с нерегулярными конверсиями — всё, что ниже 15 продаж в месяц.
На графике хорошо видно момент прострела — резкий рост бюджета. Потом его сократили обратно. При этом конверсии оставались плюс-минус стабильными. Где-то простреливала цена за конверсию — но это объяснимо: перформанс по-прежнему не видит полную картину продаж.
В целом, результативностью этого периода я относительно довольна. Да, на скриншоте из рекламного кабинета картинка пугающая: мало продаж, дорогие косты за конверсию, огромная цифра расходов при одной-единственной конверсии (хотя кликов — прилично). Но в админке Shopify конверсии были. И если соотнести их с расходами — проект находился примерно на грани окупаемости. Не в минус, но и не в тот ощутимый плюс, на который рассчитывал клиент.
Сейчас покажу эту же картинку немного в другом формате. Мне нравится рассматривать любые перформансы именно в динамике — так видна реальная картина.
Анализ перформансов в динамике по средним значениям
Для наглядности убираю клики и смотрю на картину именно по конверсиям. Берём определённый промежуток времени и замеряем среднее значение.
В первом периоде среднее количество конверсий держалось на одном уровне. Во втором периоде это среднее уже ощутимо выше. Дельта роста — существенная. И что ещё важнее: если присмотреться к колебаниям вокруг средней линии второго периода, то «выстрелы» вверх по штукам конверсий заметно превышают просадки вниз. Это хороший индикатор.
Даже если немного скорректировать линию среднего, сдвинуть её чуть ниже — общая закономерность сохраняется. Пробития вниз остаются значительно меньше, чем пробития вверх. Для меня это достаточно позитивный сигнал: трафик, который генерирует Performance Max, в общей массе качественный. А значит, механика обучения перформанса, подбор аудиторий и внутренние A/B-тесты системы работают в правильном направлении.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Единственный момент, который периодически портит картинку — это скачки стоимости за конверсию. И тут нужно понимать, от чего они зависят. Два ключевых фактора: модель атрибуции и поведенческие паттерны покупателей. Давайте разберу на конкретных цифрах.
Заходим в отчёт «Пути к конверсии». Выбранная конверсия — покупка, единственная, которую отслеживаем. И вот что видим — самый критический показатель, напрямую влияющий на стоимость конверсии: среднее количество взаимодействий до покупки составляет 4,1. То есть, прежде чем итальянский покупатель оформляет заказ, он в среднем кликает по нашей рекламе четыре раза. У кого-то меньше, а кто-то умудряется кликнуть все 12 раз, прежде чем решиться. И эти 12-кликовые пользователи тоже вносят свой вклад в заработок.
Важный момент: эта аналитика строится только по тем, кто в итоге купил. Мы не можем нацелиться исключительно на людей, которые покупают с первого клика. Таргетируемся на тех, кто хочет купить товар, но перед этим прицеливается — сравнивает цены, изучает условия доставки, выбирает цвет, обходит конкурентов. И это ещё без учёта коэффициента возвратов, который в Италии традиционно высокий.
Теперь добавим сюда среднюю цену за клик (avg. CPC) — она составляет почти 10 чешских крон. Считаем: минимум 4 клика по 10 крон — это 40 крон только на то, чтобы одна конверсия состоялась. И это среднее значение, бывает как дешевле, так и дороже. Перформанс Макс адаптивно подстраивается под тех пользователей, которые в итоге покупают, но пространства для манёвра у него немного.
Ситуацию дополнительно усложняет среднее количество дней до конверсии — 2,5 дня. Это время, за которое человек принимает решение о покупке. Причём пришлось специально увеличить окно конверсии для Италии: когда стояло 1,2 дня, конверсий фиксировалось меньше. Расширили окно — и картинка улучшилась.
Если смотреть по purchase в Google Analytics, цифры там значительно скромнее, чем по основной конверсии — опять перебои в передаче данных. И там срок принятия решения может доходить до 8 дней, потому что сбор данных идёт по другой логике.
Для понимания масштаба: 104 конверсии совершены в первые 24 часа после клика, а 9 конверсий — спустя более 12 дней. Анализирую обычно 30-дневное окно, хотя идеальным считаю 7 дней. Но за неделю аналитика редко бывает полной — реальное количество конверсий за вчера Вы увидите только через 72 часа. Google пересчитывает, корректирует, дополняет данные.
Вот так итальянцы покупают товары для детей — вдумчиво, с многократными визитами и сравнениями. Это не проблема в привычном смысле, а скорее сложная задача, с которой сталкивается большинство проектов в подобных нишах. Влить большой бюджет и получить хоть какие-то конверсии — несложно.
А вот довести кампанию Performance Max до состояния, когда увеличение кликов пропорционально даёт рост конверсий — это уже задача со звёздочкой. Полностью исключить длинный цикл принятия решения нереально, но нужно это учитывать и подстраивать стратегию. Запомните этот нюанс — он ключевой.
Некоторые особенности настройки рекламы Google
Бывают ситуации, когда всё складывается идеально: высокий спрос на продукцию, конкуренция в нише умеренная, покупатель «горячий» и готов оформлять заказ прямо сейчас. В таких условиях даже криво настроенная реклама Google начнёт приносить продажи. Вы будете довольны результатом — до тех пор, пока не упрётесь в определённый потолок по бюджету. Как только его достигнете — рентабельность поползёт вниз.
Но если в процессе покупки есть сложности и нюансы — цикл принятия решения длинный, покупатель сравнивает, возвращается — просто наращивать бюджет бессмысленно. Расходная часть вырастет, рентабельность упадёт к нулю, а ощутимого результата Вы не получите.
Как это выглядит на практике? Вспомните первый прострел, о котором говорила выше — увеличение трафика, которое привело к заметному росту конверсий. Если присмотреться, объём кликов был примерно на том же уровне. Но стоило резко поднять бюджет — расходы взлетели, цена за конверсию улетела до небес, а рентабельность обвалилась. И Вы стоите в тупике, не понимая, что делать дальше.
Поэтому критически важно контролировать аналитику, которой Вы «кормите» рекламный аккаунт. В Performance Max встроен искусственный интеллект, который обучается именно на тех данных, которые Вы ему предоставляете. Какие данные дадите — такие выводы он и сделает.
Особенности результатов работы искусственного интеллекта в перформансах
Чтобы ИИ в перформансах мог самостоятельно выруливать из любых критических ситуаций — просадок, скачков цены за конверсию, падения объёмов — ему нужен минимум 50 конверсий в неделю. Именно 50 реальных продаж, не микроконверсий. В нашем кейсе до этого порога мы пока не дотягиваем, хотя, возможно, со временем выйдем и на 50 продаж в день.
Для европейских рынков, включая Италию, есть дополнительное усложнение — Consent Mode. Это механизм сбора согласий на использование cookies. Система просит, чтобы за 7 дней набралось минимум тысяча пользователей, отклонивших доступ к cookies, и тысяча — давших согласие.
Только тогда машинное обучение включается в полную силу и может выруливать из критических ситуаций: выравнивать просадки, стабилизировать конверсии, делать картину более равномерной и предсказуемой.
Итоги
Нельзя просто нагнать в аккаунт тысячу-две тысячи событий, не несущих реальной ценности. Google в любом случае заработает — Вы платите за каждый клик. А вот заработаете ли Вы — большой вопрос.
Есть проекты и ниши, где нужно набраться терпения в процессе оптимизации перформанса. Запускать массу тестов одновременно сразу после старта — рискованно. Они могут размыть реальный портрет клиента, который перформанс уже почти нащупал. Делать резкие и частые прострелы бюджетом тоже нельзя.
Посмотрите, как мы действовали: после первого прострела свели бюджет обратно, привели картинку в понятное состояние, проанализировали — и только потом сделали следующий. И это не механическое «скопировал кампанию — вставил — поменял сигнал». За каждым таким решением стоит большой блок интеллектуальной работы: постоянный анализ кампаний, интерпретация данных, просчёт последствий.
Хотела продемонстрировать Вам сложный и интересный кейс — надеюсь, получилось. До встречи в новых кейсах и выпусках!
