Про клієнта
Raketa – перший сервіс доставки в Україні, що працює у форматі Foodtech 2.0. Він розпочав роботу у березні 2018 року, ще до приходу в Україну Glovo, Uber Eats та Bolt Food, але довгий час був доступний лише у Дніпрі. З виходом на всеукраїнський рівень компанія зіштовхнулася з сильною конкуренцією. Але підвищений інтерес до доставки в умовах карантину допоміг Raketa залучити нових клієнтів, виконувати більше замовлень та стати одними з лідерів ринку. Досвід Raketa показує, чому правильні стратегії та оптимізація рекламної кампанії дають більший результат, ніж величезний бюджет.
Завдання
Працюючи з Raketa, команда newage. створила та реалізувала діджитал-стратегії з медійних кампаній, які збільшили релевантну аудиторію, кількісні та якісні показники мобільного додатку Raketa. Нашим завданням було оптимізувати та оцінити ефективність інструментів, щоб краще зрозуміти інтереси та сценарії поведінки користувачів.
Наше рішення
Наша команда виконала це завдання за три флайти у травні, червні та вересні-жовтні 2020 року. Ми досягли максимального охоплення у найбільших містах країни: Києві, Дніпрі, Львові, Харкові, Вінниці та Одесі. Для реалізації стратегії використали модель See-Think-Do (Care). По ній рівень конверсійної вирви залежить від нашої оцінки того, наскільки користувач готовий здійснити покупку.
Використовуючи цю модель, ми:
- закривали найбільш гарячий попит;
- підігрівали сегменти вище по вирві, з меншими намірами до покупки;
- закріплювали образ бренду у свідомості користувачів:
- аналізували медійні кампанії конкурентів.
Щоб познайомити користувача з брендом та підвищити його впізнаваність, ми зосередилися на відеорекламі для YouTube у форматах TrueView, Bumper, Discovery. А також використовували банери для збільшення охоплення та контакту на користувача.
Ми розділили аудиторію на гарячу, теплу та холодну. У кожній з них був свій підхід, інструменти та KPI. На гарячому рівні ми використовували більш конверсійні формати та моделі закупівлі, чим вище ми піднімаємося по вирві, тим більше наша мета змінювалася від конверсійних KPI «тут і зараз» на медійні показники того, що людина побачила нашу рекламу, зацікавилася та завантажила/зайшла на сайт Через деякий час.
Інфографіка для використовуваної стратегії:
Згідно з цією стратегією, ми розділили нашу цільову аудиторію на такі сегменти:
- користувачі з інтересом до ecommerce;
- користувачі з інтересом до їжі та ресторанів;
- користувачі програм таксі;
- look-a-like аудиторія користувачів Raketa;
- люди, що працюють на фрілансі/віддаленні.
Крок 1. Аналітика рекламної кампанії
Крім стратегій, ми застосували метод Цілісного Аналізу, щоб відстежувати відстрочені (post-view та cross-device) взаємодії користувачів із додатком, які генеруються медійною рекламою.
Ми мали справу механікою залучення користувачів, в якій дані по кліку були просто непридатні – відвідувач без програми Raketa на телефоні спочатку направлявся в AppStore або Google Play і тільки після встановлення програми починав взаємодіяти з рекламою. Тому ми відстежували post-view конверсії, адже минає деякий час між встановленням програми та рішенням людини скористатися ним, тобто зробити замовлення.
Ми визначили вікно 7 днів як оптимальний період для відстеження відкладених конверсій. Саме post-view та cross-device дані склали переважну частину відстежених нами конверсій та використовувалися для оптимізації майданчиків, креативів та аудиторій.
З графіків видно, що частка post-view і cross-device даних становила понад 98% від даних по конверсії користувачів з рекламного показу для взаємодії з додатком рекламодавця. Рекомендуємо відстежувати ці показники, інші дані дадуть точно неправильну картину.
Крок 2. Визначення ефективної частоти
Аналіз додаткових даних (post-view+cross-device) дозволив визначати найвигідніші частоти для рекламного контакту з користувачем, беручи до уваги вартість відкладених конверсій. Так, наприклад, для розміщення на YouTube у форматі trueview, важливо було відстежувати частоту як на рівні форматів, так і всієї кампанії:
При аналізі даних, ми бачимо чітко виражений коридор частот, які приносять максимум корисних дій при оптимальних витратах. Такий аналіз дозволив оптимізувати частоту для кожного рекламного формату, аудиторії та пристрою.
Крок 3. Налаштування аудиторій
Post-view і cross-device дані дозволили визначити найефективніші сегменти аудиторії, базуючись не просто на кількості переходів, що генеруються, але і на активних діях, що генеруються користувачами безпосередньо в додатку. Так для iOS найбільш ефективним сегментом виявився «користувачі, які мають інтерес до e-commerce». Серед IOS він єдиний дав корисний трафік.
Дослідження активності та глибини конверсії серед аудиторії визначило.
сегмент користувачів, які були зацікавлені у темах, пов’язаних із ресторанним бізнесом. Серед них користувачі IOS робили більше замовлень і частіше встановлювали програму, ніж користувачі Android. Виділений сегмент людей, які воліють замовлення таксі громадському транспорту в рівній частці поділили між собою частку переходів та повних конверсій. Також зазначимо, що серед користувачів IOS, люди з інтересом до ecommerce показують високий рівень глибоких конверсій.
Крок 4. Формати
Коли ми почали просувати послуги, то розширювали охоплення за рахунок використання різноманітних форматів:
- відео на YouTube;
- брендинг сторінок;
- відео в онлайн-кінотеатрах і т.д.
Додатково ці формати розділили на мобільні та десктопні. Під час проведення аналізу кампанії від флайту до флайту, ми відійшли від поділу форматів залежно від пристрою та сконцентрувалися на мобільних девайсах за рахунок підвищення ставок.
Ми зрозуміли, що десктоп працює гірше — навіть з огляду на те, що ми глибоко все трекаємо, мобільна реклама показувала кращі результати. Хоча це очевидно, але ми схильні перевіряти — часто очевидні речі не підтверджуються, тож перевіряли.
У мобайлі ми свідомо тестували та підвищували ставки, хоч це й дорожчало контакт, але робило його якіснішим. І це нормально – оптимізація не означає вибір виключно на користь дешевих рішень. Завдання оптимізації — дати найкращий результат та заощадити лише на тому, що не веде до втрати ефективності. Тут важливо вміти відстежити та обрати ці оптимальні рішення, що підтверджується на наведеному прикладі.
У ході подальших тестів, для нас стала очевидною ефективність deep-лінків. Спочатку ми відправляли користувачів на приленд, звідки вже користувачі могли вибирати перейти їм в App Store або Google Play. Усунувши цей додатковий крок на шляху користувача до встановлення, ми покращили показники.
Безпека бренду важлива для репутації. Інструменти Google Marketing Platform можуть допомогти захистити бренд від негативного контексту. Детальніше про це читайте у статті «Brand Safety у DV360 та CM»
Результати та висновки
Застосування цілісного аналізу дало у 75 разів оптимізувати кампанії за кількістю установок від тих, хто контактував з рекламою (від першого тижня до останнього), на це знадобилося 3 флайти, понад 15 етапів оптимізації та аналізу результатів (частіше, ніж раз на тиждень). А також — зменшили вартість залученого користувача у 15 разів.
Ефективність нашого підходу перевершила очікування клієнта, тому в якийсь момент ми призупинили рекламу, щоб клієнт міг перебудувати логістику під збільшення замовлень. Вже існуючий маркетинговий бюджет замовник перенаправив на залучення кур’єрів. Так що в результаті нашої рекламної кампанії зросла не тільки кількість активних покупців та користувачів програми, а й штат кур’єрів 🙂
