Веб-аналитика *

Кейс для собственников бизнеса, руководителей по маркетингу и интернет-маркетологов.

Реклама школьной мебели работала в минус – доля рекламных расходов доходила до 71%.  В предложении клиента не было уникальности. Вся мебель строго стандартизирована по ГОСТу, не отличается дизайном, материалами и другими преимуществами. У всех одни и те же цены, условия и сроки доставки. Как выделиться без УТП? 

Единственное верное решение в такой ситуации – опережать конкурентов в первом контакте с покупателем. Если мебель у всех одинаковая, то ее купят у самого первого продавца.

 Чтобы опередить всех в борьбе за покупателя, идеально подходит биддер – внешний сервис автоматического управления ставками в Я.Директе – К50. Он выигрывает все аукционы и уводит покупателей из под носа конкурентов, которые используют неповоротливый ИИ самого Яндекса – Мастер Кампаний и другие умные кампании и автостратегии.

Запустили биддер и увеличили заказы в 5 раз, а ДРР снизили с 71% до 5%. “Умный” Мастер Кампаний ожидаемо проиграл незатейливому вручную настраиваемому биддеру. Подойдет ли такая стратегия вам? Читайте в кейсе.

Привет! Кейс для собственников бизнеса, руководителей по маркетингу и интернет-маркетологов.

В этом кейсе застройщика ЖК расскажем как маркетинговый подход к контекстной рекламе позволяет выжать из небольшого регионального рынка максимум лидов. Даже при всех сложностях проекта. 

Никто не хотел покупать квартиры на этапе котлована, у неизвестного застройщика и на окраине города. Настроили коллтрекинг, послушали покупателей и поняли, что проблема в доверии и локации. 

Превратили неудачную локацию в преимущество. Правильно описали все особенности проекта. Доверия добились при помощи фактов: отчеты со стройки, новости. Подстегнули решимость покупателей маркетинговыми акциями и ипотечными программами. 

Сделали эффективный квиз и после всех корректировок увеличили конверсию сайта в 2,5 раза. 3 месяца экспериментировали с автоматическим Мастером кампаний и увеличили обращения в 4 раза. Масштабировались с полу-ручным Мастером кампаний и за полгода увеличили лиды в 9 раз

Кейс для маркетологов, собственников бизнеса и специалистов по контекстной рекламе.

Как добывать клиентов из контекстной рекламы в перегретой тематике, где стоимость клика 500 рублей, а ваша экономика требует лиды не дороже 1500? Расскажем, как привлекать заявки в таком кровавом океане, не завышая ставки до небес.

У компании по строительству заборов половина бригад простаивала без работы. Реклама в лоб по дорогим “заборным” ключам сливала бюджет. Автостратегии в директе успеха не имели. 

Пришлось использовать давно устаревшие практики работы с контекстной рекламой – лить дешевый трафик из РСЯ и платить за клики. На удивление, это сработало. В кейсе разбираем, почему такая «сливная» стратегия имела успех, и в каких еще тематиках ее можно применить. 

Снизили стоимость привлечения оптовых заказов вдвое, убрав с сайта корзину. Нашли в рекламе идеальное сочетание из 8 микроконверсий и масштабировали оптовые продажи подшипников в 3 раза. Запустили товарные кампании с оптимизацией по email и привлекли 100+ заявок от крупных заказчиков.  

Этот кейс посвящен сложной нише — оптовым продажам подшипников. Будет полезен собственникам, руководителям по маркетингу и интернет-маркетологам.

В рекламе для оптовиков, всегда встает вопрос: как привлекать только В2В аудиторию и исключать розничных покупателей? Оптовые и розничные пользователи используют в поисковиках одни и те же ключевые запросы. И только немногие прибавляют к ним слова, типа: «оптом», «опт», «поставщик» или «купить оптом». Частотность таких запросов крайне мала, поэтому сегментации семантики не достаточно для отсеивания розничных покупателей. Нужно обучать алгоритмы Яндекс Директа приводить целевую аудиторию при помощи детально настроенной аналитики. 

Сегодня хочу рассказать вам про ошибку «поверхностных» выводов - последнее время я ее встречаю и у аналитиков, и у предпринимателей, и вообще у всех. В статье приведены 5 конкретных примеров, которые показывают, как неправильная аналитика приводит к миллионным убыткам - на примере CR, LTV и других метрик.

Обязательно прочитайте статью и проверьте - не совершаете ли вы эти ошибки!

5 лет продвигали сайт «Своя земля» – снизили стоимость лида с 18К до 4К и нарастили объем в 18 раз. Потом пришел конкурент, сделал лендинг и за месяц снизил цену лида в 10 раз. А когда сравнили результаты через 4 месяца то увидели: с лендинга на 30% больше лидов, но в 15 раз меньше продаж. Расскажем, почему дешевые лиды с лендинга оказались не эффективны.

В сфере контекстной рекламы один из самых популярных вопросов — что лучше: лендинг или сайт?  Для каких видов бизнеса лендинг будет эффективнее сайта? А когда вести рекламу на сайт оказывается выгоднее? Отвечаем на этот вопрос примером из загородной недвижимости. 

Наш клиент — девелоперская компания «Своя земля» — за 15 лет продала в Подмосковье 18 000 участков без подряда и коммуникаций. Сейчас в работе находятся 16 поселков от дачных до ИЖС. 

В 2018 г. клиент пришел к нам с проблемой: очень дорогие лиды, доходящие до 18 740 р., и отсутствие продаж с контекстной рекламы за последние несколько месяцев. Поставил нам задачи: наращивать лиды, понизить и удерживать их стоимость.

Всем привет! Меня зовут Сережа Казарян из команды CX-аналитики AI-центра Тинькофф. Мы используем ML-инструменты, чтобы кластеризовывать обращения клиентов, анализировать нотификации и ошибки, с которыми сталкиваются пользователи. Мы переводим их в понятные actionable-инсайты для бизнеса. Каждый день работаем над тем, чтобы клиенту стало приятнее и лучше.

Но как же измерить, что клиенту стало лучше? Один из очевидных ответов — замерить retention клиента. Но есть нюанс: созревание этой метрики может достигать нескольких месяцев или даже лет. Менее очевидный вариант — замерять лояльность клиента. Но определить, кто такой лояльный клиент, и научиться различать степень его лояльности — отдельная наука, которая может занять много времени и требовать итеративной поддержки.

Помогает концепция ага-момента. В интернете мало статей на эту тему, а еще меньше — с графиками и подсказками по практической реализации. Поэтому поделюсь своим пониманием этой концепции и расскажу, как мы находили метрику ага-момента в Тинькофф. Это был командный проект, и спасибо моим классным коллегам, что у нас все получилось. Ну а теперь — поехали!

Всем привет! На связи снова отдел продуктовой аналитики Одноклассников. Меня зовут Виктория Гордеева, я руковожу этим отделом, и сегодня я бы хотела поделиться нашими болями при проведении А/B-тестов. 

A/B-тесты во многих кейсах сопровождаются разными проблемами — высокой дисперсией в метриках, недостаточным количеством пользователей, некорректной работой «сплитовалки». Для ОК наиболее частой проблемой было нарушение предпосылки SUTVA (Stable Unit Treatment Value Assumption) — из-за большой активности аудитории нам было сложно исключить сетевые эффекты (Network effect) с влиянием одного участника эксперимента на другого. Об этом и поговорим :) 

Кейс федеральной транспортной компании «Аврора» подходит для всех ниш, где лидов мало и они дорогие. Может быть полезен для маркетологов, собственников и специалистов по контекстной рекламе.

Продажи транспортной компании не росли. Накопили конверсии за счет ручных настроек рекламы и обучили по ним автостратегии Яндекса. 

Кто привел больше лидов заказчику и по меньшей цене ― ИИ или человек? 

ИИ учитывает такие параметры потенциальной аудитории, которые не может предусмотреть специалист по рекламе. Но чтобы автоматика показала все, на что способна, нужно собрать достаточно данных и правильно обучить алгоритмы Яндекса. 

Расскажем о том, как:

1. Собрали максимум информации о бизнесе клиента, использовали ее в рекламе и на сайте

2. Запустили рекламные кампании на ручном управлении, но продажи не выросли

3. Изменили подход: накопили конверсии и обучили по ним автостратегии Яндекса 

4. Использовали закономерности поведения потребителей, которые подсказал искусственный интеллект

5. Привели в 8 раз больше заявок и снизили их цену в 2 раза

Как мы это делали и кто в итоге победил ― ИИ или человек? Читайте в кейсе.

Доброго времени суток. В комментариях к предыдущей статье было одно пожелание, которое оказалось особенно полезным. Спасибо автору @iamoblomovза развернутый отзыв. Как это обычно бывает, один человек не может вообразить себе все варианты возможного использования, поэтому отзывы пользователей всегда приветствуются. В тот раз речь шла о том, чтобы пользователь мог добавлять произвольные источники событий в систему, такие как публичные каналы телеграм или ленты новостей RSS. Теперь это реализовано и в этой статье я расскажу об этом подробнее.

Кейс, как без манипуляций с рекламой удалось увеличить заказы лестниц на 50%. Незначительные доработки сайта повысили его конверсию в 2 раза. СМС-верификация помогла не платить «Яндексу» за нецелевые лиды и мотивировать алгоритмы «Директа» приводить на сайт только живых настоящих клиентов. А не ботов и фрод, которые впустую тратят рекламный бюджет

Привет! Я Вика Левена, директор по аналитике в AGIMA. В этом году мы плотно поработали с одним заказчиком. Настолько плотно, что он пришел к нам за одной услугой, а получил совсем другую. Но остался доволен.

Ситуация эта не такая уж и обыкновенная, поэтому я решила написать о ней небольшую статью. Она посвящена тем заказчикам, которые хотят что-то улучшить в своем сайте, но не понимают, с чего начать.

Крупному молдавскому онлайн-гипермаркету требовался кратный рост. Мы столкнулись с рядом ограничений, которые усложнили нашу задачу:
1. Молдавия - небогатая, небольшая страна (ок.2,7 млн.чел), Покупают в интернете в основном только жители крупных городов. Доля онлайн-продаж в Молдове менее 5% (для сравнения - в России 17%, в США 22%) 
2. Некоторые функции Google Рекламы в Молдавии не работают, например такие, как Merchant. Поэтому нет возможности запустить торговую кампанию, которая является самым эффективным инструментом для e-commerce.
3. Жители страны говорят на 2 языках: русском и румынском, поэтому нужно было в рекламе использовать семантику и объявления на обоих языках.

Расскажем в кейсе о том, как в контекстной рекламе мы сделали акцент на маржинальность, продвигали эффективные по АВС / XYZ товары и помогли клиенту увеличить доход в 2 раза.

Обычная история при работе с рекламой в Яндексе: повышаешь ставки в кампании, чтобы выкупать больше переходов и конверсий, но растут только расходы. Кампания начинает сжирать деньги, но не давать дополнительный объём лидов. Мы нашли способ, как взбодрить алгоритмы, и хотим поделиться этим секретом с вами.

Быстрая загрузка, реакция на действия пользователя без замедлений и низкая задержка — все это играет критическую роль в обеспечении высокого уровня пользовательского опыта. Чем быстрее приложение, тем довольнее пользователь, и тем больше вероятность, что он вернется к нему снова.

Для достижения такой производительности можно использовать два ключевых инструмента: кэширование и Content Delivery Network. Эти методы не только снижают нагрузку на сервер, но и ускоряют загрузку ресурсов, уменьшая время отклика приложения.

Привет, меня зовут Мария Стефова, и я продакт-менеджер образовательной среды в Нетологии. Сегодня расскажу вам, как мы разрушили барьер между студентом и экспертом и создали сервис для получения живой обратной связи во время выполнения домашнего задания. Сейчас мы получаем в месяц от 2 500 до 4 500 вопросов от студентов, а средний показатель отвеченных вопросов — 95–98%. 

Хотя в начале запуска сервиса вопросов и ответов всё было не так радужно: мы словили много хейта от экспертов, и чтобы добиться феноменальных результатов, нам пришлось сильно постараться и отстроить все бизнес-процессы. Немалую роль сыграло и внедрение ML (англ. Machine Learning). Именно оно помогло автоматизировать ответы на львиную долю рутинных вопросов и повысить скорость их обработки. В статье я поделюсь с вами историей о том, как мы размечали данные, искали баланс между порогом вероятности и охватом вопросов, обучали и дообучали модель, а также расскажу об итогах нашей работы.

Узнайте, как спланировать запуск и работу кол-центра, способного сделать вашу техподдержку счастливой, а довольных клиентов превратить в адвокатов бренда. 

• Коэффициент качества. Это оценка релевантности объявления и посадочной страницы, которая входит в формулу расчета цены и помогает отдавать предпочтение для показа в пользу объявлений и страниц, которые наиболее точно решают проблемы пользователя.
• Параметр эффективности («карма домена»). Это о минимальном пороге входа на поиск.
  На минимальную цену на поиске влияет вся история размещения домена в Яндекс.Директ (без учета аккаунта). Причем, если в рекламе не использовалась ссылка на сайт, при расчете учитывается статистика для номера телефона из виртуальной визитки. Учитывается CTR по всем кампаниям для домена, продолжительность размещения и другие показатели. При плохой карме порог входа на поиске будет выше минимальных 30 копеек.
  С ростом качества рекламы порог снова снизится до минималки.

В начале этого года я стал привлекать подписчиков в свой канал, делая прямые закупы в других Телеграм-каналах. Изучил кучу туториалов от «специалистов» на Ютубе, был дважды разведён мошенниками, набил кучу шишек и в итоге во всём разобрался. Основа моего опыта — 250 000 рублей бюджета и реклама в 125 каналах.

Делюсь опытом, как мы упаковали ключевые смыслы бизнеса  фабрики светильников SMD-Line на лендинге по методике Jobs to be done, снизили стоимость целевой заявки с 8300 р. до 754 р. и увеличили количество заявок в десятки раз.