Кейс: в 3,4 раза увеличили выручку с контекстной рекламы для туроператора

Как тесное взаимодействие с клиентом позволяет достигать взрывных результатов

Привет! Это агентство контекстной рекламы Adgasm.io. Мы уже пять лет сотрудничаем с туроператором «Алеан», который организует путешествия по России и странам СНГ. На этот раз клиент снова поставил нам амбициозную задачу: сделать так, чтобы объём трафика на отели был выше и выручка в 2024 году выросла в 3 раза по сравнению с 2023-м при удержании уровня ROAS. Рассказываем, как нам это удалось.

«Алеан» — это 60 регионов России, 9 000 отелей и 900 экскурсионных программ. Причём практически половина трафика с платной рекламы идёт напрямую на страницу объекта — санатория, отеля или тура. Когда объектов так много, да ещё и все они с разными характеристиками и способами бронирования, управлять рекламой становится довольно трудно.

Мы разделили отели на три группы:

Воронка выглядела так:

Клиенты, которые ищут отели с «гарантированными» местами, пройдут всю воронку с большей долей вероятности, чем в объектах с «подзапросным» бронированием или «без свободных мест».

Отели регулярно переходили из одной группы в другую, поэтому мы держали руку на пульсе, отслеживали свободные номера и останавливали показы объявлений по отелям без мест. Если человек перейдёт по ссылке и не сможет забронировать отель, бюджет будет потрачен впустую.

В высокий сезон мониторили перемещения каждую неделю, в низкий — ежемесячно. И нет, самое горячее время — это не только начало лета, как может показаться. По статистике клиента мы поняли, что часто номера бронируют ещё и в зимне-весенний период. Ближе к июню в большинстве популярных отелей места могут закончиться, а значит, и эффективных рекламных объявлений станет меньше.

Кроме сезонности влияют и другие факторы. Условный пансионат «Заря» может хорошо показывать себя в начале года, а ближе к лету спрос на него падает по разным причинам:

1. Снижение количества номеров определённого типа.

Мы мониторим показатели окупаемости и конверсии в сервисе Rick.ai. Если замечаем, что параметры снижаются, но дело не в цене и у отеля есть гарантированные места, то проверяем доступность номеров для семей — основной ЦА. Обратную связь по объектам даёт и сам клиент, это помогает работать более эффективно.

2. Увеличение средней стоимости за ночь.

Если, например, ближе к началу лета цена за ночь в отеле растёт, то может упасть окупаемость объекта, так как падает конверсия — пользователь может сделать выбор в пользу более выгодного по цене места для отдыха. В этом случае мы понижаем ставку на отель. Если, несмотря на изменение цены, окупаемость хорошая, оставляем ставку на том же уровне.

3. Общий спрос на конкретный объект.

Его можем отследить по анализу объектов, который присылает сам клиент, а также по частотности запросов в Wordstat. Большинство объектов показывают высокую частотность запросов в январе и феврале, в марте–апреле активность снижается, а потом растёт с мая и до конца сезона.

Кроме того, есть объекты, которые напрямую работают с туроператором, и окупаемость у них, как правило, выше, чем у остальных. Список таких отелей утверждают ежегодно, а рекламные объявления по ним мы удерживаем на первых местах выдачи, чтобы получить максимальное количество заказов в сезон.

Чтобы отразить преимущества отеля в объявлениях, разработали систему на основе 40 характеристик отелей, среди которых:

Определили наиболее частые запросы пользователей через Wordstat и добавили их в быстрые ссылки на объекты. Если аудитория чаще искала отели с бассейном, выносили их на самые высокие позиции и упоминали нужное УТП в первую очередь.

Как мы это реализовали? Скрипт на Python, фид, немного магии — и всё готово. Из фида информация о преимуществах отелей передаётся в скрипт, а на выходе получается excel-таблица с готовыми данными для быстрых ссылок. Подробнее рассказывали в другом кейсе.

Чтобы выбрать самые эффективные типы рекламных кампаний, мы протестировали практически все возможные варианты. Самыми действенными оказались товарные мастер-кампании и кампании с текстово-графическими объявлениями. А вот от отдельных кампаний с товарными объявлениями в сетях (смарт-баннерами) и на поиске мы отказались.

Чтобы сфокусироваться на анализе данных и оптимизации рекламных кампаний, мы автоматизировали многие процессы. На платформе K50 быстро активировали кампании с подготовленным списком объектов. При этом, чтобы каждый раз не создавать их с нуля, мы используем настройку наследования параметров: одна кампания распространяет свои настройки и шаблоны на все остальные, различается только список отелей.

В нейминге учитывали группы отелей: выделяли кампании по принципу эффективности или сезонности. Подробнее о нашем подходе в нейминге кампаний и групп читайте в статье «Нейминг и структура решают. Как повысить эффективность работы в Яндекс Директе». Для заполнения названия группы объявлений использовали шаблон, который состоит из:

В итоге получается так: санаторий «Гранд Плаза» — 151.

Помимо заголовков мы также можем менять наши основные УТП в зависимости от конкретной задачи, например, в январе и феврале использовали фразы «Ранее бронирование», «Бронируй на весну и лето!», «Бронируйте заранее». Так мы мотивировали потенциальных клиентов бронировать отели прямо сейчас и не дожидаться начала лета, когда цены будут выше. После окончания периода раннего бронирования изменили УТП на общие.

На уровне ключевых фраз сделали специальные шаблоны, которые позволяют выгрузить в готовую кампанию базовые ключевые фразы по объектам и быстро запустить по ним рекламу. В дальнейшем мы собираем полное семантическое ядро и дополняем список базовых ключевых фраз.

На этом этапе, как и на многих других, мы тесно сотрудничали с клиентом. При переходе на сайт и бронировании данные о клиентах автоматически попадают в сервис Mindbox, который интегрирован с сайтом. Уже внутри сервиса строятся сегменты, которые передаются в «Яндекс Аудитории». Наша команда, в свою очередь, использует готовые сегменты пользователей в корректировках для рекламных кампаний.

Принятие решения о бронировании происходит за 1–3 недели и через несколько касаний с продуктом. Для оценки вклада рекламных источников в продажу (даже в длинных цепочках) клиент подключил систему сквозной аналитики Rick.ai. Мы активно пользовались ей, настроили около сотни дашбордов, чтобы гибко отслеживать эффективность рекламы по разным срезам (типы устройств, регионы, типы отелей и т. д.). Отслеживали окупаемость:

При работе с данными в Rick.ai доступны четыре основные модели атрибуции, мы в основном пользуемся top score и last click. Для top score важен любой канал коммуникации. По ней достижение цели присваивается всем рекламным кампаниям в цепочке касания с пользователем — от первого взаимодействия до совершения покупки. По last click конверсия присваивается последнему значимому источнику в цепочке касания с пользователем.

При анализе данных по нескольким моделям атрибуции мы снижали шансы допустить ошибку в управлении кампаниями. Например, если одна из рекламных кампаний имела окупаемость по атрибуции last click ниже 50% (а окупаемой считается кампания от 100%), но в то же время по top score более 200%, то мы понимали, что рекламная кампания участвует в цепочке касания пользователя при совершении заказа, и отключение может повлиять на окупаемость и количество заказов в общем по всем типам источников трафика.

Цифры по каналу контекстной рекламы в январе–апреле 2024 года по сравнению с аналогичным периодом 2023-го вышли такие:

Благодаря максимальной вовлеченности и нас, и клиента мы выполнили даже такую амбициозную задачу, как увеличение выручки в 3 раза. Наша цель — сохранить эту тенденцию до конца года.

Подписывайтесь на канал Мариам Оганесян, основательницы Adgasm.io, где она рассказывает о «Яндекс Директе» и жизни агентства.

Ещё несколько интересных статей:

Как уведомления Яндекс Директа в Телеграм помогают руководителям компаний следить за показателями рекламы

Топ-1 ошибка рекламодателей в РСЯ — обрезанные изображения. Примеры и решение

Особенности поисковых объявлений Яндекс Директа, о которых вы не догадывались

Автор: Гурген Арзуманян, performance manager