История успеха

Увеличение ROAS рекламных кампаний в Facebook на 260 % благодаря применению ML-атрибуции для Ribble Cycles

Эта история успеха рассказывает о том, как производитель премиум велосипедов Ribble Cycles увеличил эффективность своих рекламных компаний благодаря SegmentStream.

Оставить заявку
 Увеличение ROAS рекламных кампаний в Facebook на 260 % благодаря применению ML-атрибуции для Ribble Cycles
Название компании: Ribble Cycles
Сфера: Интернет-магазин премиальных велосипедов
Местоположение: Великобритания

“Мы рады нашему сотрудничеству и ждем новых совместных достижений в области цифрового маркетинга!”

— Ribble Cycles

О компании:

Ribble Cycles – инновационная британская компания, выпускающая уникальные велосипеды премиум-класса с 1897 года. Специалисты Ribble в Англии проектируют, тестируют и вручную собирают каждый велосипед в соответствии с индивидуальными предпочтениями клиентов. 

В ассортименте онлайн-магазина Ribble — настоящие произведения велоискусства, удостоенные многочисленных премий и наград, которые привлекают подлинных фанатов велоспорта. При помощи веб-инструмента Ribble BikeBuilder посетитель магазина может прямо на сайте в деталях сконструировать модель будущего велосипеда в соответствии со своими предпочтениям. За все этапы сборки от начала и до конца отвечает один механик. Готовый велосипед компания напрямую доставляет заказчику. 

В Ribble ценят инновации во всех аспектах бизнеса, включая маркетинг. Для более эффективного продвижения своих велосипедов компания объединила усилия с SegmentStream. Это помогло улучшить работу цифровых каналов продаж Ribble за счет использования новейших разработок в области машинного обучения и продвинутой аналитики.

Суть проблемы:

Средняя цена профессионального шоссейного велосипеда компании Ribble Cycles — от 2000 до 5000 фунтов стерлингов. Такие дорогие продукты редко покупают с первого клика. Цикл сделки в этом случае достаточно длинный: от первого контакта до принятия решения может пройти до 30 дней. Поэтому традиционные одноканальные модели атрибуции при оценке эффективности маркетинговых каналов Ribble не работают.

В результате: 

1. Невозможно оценить реальную ценность кампаний на верхнем этапе воронки продаж 

Поначалу специалисты Ribble в основном использовали модель атрибуции Last-non-direct-Click (по последнему непрямому клику). Согласно данным этой модели awareness-кампании на верхнем этапе воронки (например, в соцсетях и контекстно-медийных сетях) почти не приносили конверсий. Реальная ценность этих кампаний не отображалась в полной мере и при использовании модели атрибуции First-Click (по первому клику). Дело в том, что если пользователь просматривал карточки товаров на одном устройстве, а спустя две недели покупал с другого, данные о влиянии первого посещения сайта на принятое клиентом решение почти не учитывались. 

При этом каждая попытка сократить бюджет рекламных кампаний Ribble на верхнем этапе воронки приводила к обвалу продаж. Стало очевидно, что социальные и контекстно-медийные сети важны и эффективны. Неясно было только одно: как количественно оценить их влияние и как именно они побуждают людей совершить покупку. 

2. При малом числе конверсий невозможно задействовать алгоритмы Facebook и Google Ads

При продаже эксклюзивных дорогих товаров даже общее количество покупок в неделю остается относительно небольшим — по сравнению с объемами обычных интернет-магазинов. Это в значительной степени затрудняет оптимизацию основных источников трафика – рекламных кампаний в Facebook и Google Ads. 

Чрезвычайно малое количество конверсий не позволяло применять стратегии автоматического назначения ставок в Google Ads. Для анализа эффективности кампаний в основном использовались показатели охвата и кликабельности (CTR). При этом цена за клик назначалась вручную, а максимальная ставка определялась в зависимости от ключевого слова.

Из-за ограничения на величину максимальной ставки Ribble не удавалось организовать эффективную работу с «более дорогостоящей» аудиторией и конкурировать за нее с более крупными розничными продавцами, в распоряжении которых было гораздо больше данных и возможность использования стратегий автоматического назначения ставок Google Ads.

Facebook Ads
Произвести анализ эффективности кампаний не представлялось возможным по следующим причинам:

  • Реклама в Instagram Stories, Facebook Stories, Mobile Feed, Instagram Feed и т. д. каждый раз демонстрировала крайне низкие результаты, поскольку в большинстве случаев пользователи, нажимая на эти объявления, открывали сайт во встроенном браузере мобильных приложений Instagram или Facebook с собственным набором куки-файлов. Затем они заходили на сайт через стандартный браузер на компьютере или смартфоне, однако трафик всегда определялся как «прямой», «органический» или «брендовый».
  • Из-за того, что кампании охватывали только первый этап воронки продаж, сам цикл сделки был невероятно длинным, а клиенты постоянно переключались между различными устройствами и браузерами, оказалось практически невозможно получить сколько-либо значимое количество конверсий для проведения анализа.
  • Чрезвычайно малое количество конверсий не позволяло применять стратегии автоматического назначения ставок. Для анализа эффективности кампаний в основном использовались такие показатели, как «охват» и CTR (показатель кликабельности); при этом основными показателями конверсий служили «посещение посадочной страницы» и клик по кнопке «Добавить в корзину».
  • Найти подходящую аудиторию для той или иной кампании было непросто и требовало огромных эмпирических знаний, множества исследований и большой работы над запуском каждой конкретной кампании.

Пример таргетинга в Facebook

Для решения вышеописанных задач анализа и оптимизации специалисты Ribble решили объединить усилия с SegmentStream и внедрить их систему аналитики и мультиканальной атрибуции на основе машинного обучения.

Описание решения:

SegmentStream — это платформа маркетинговой аналитики и ML-атрибуции, созданная для профессионалов в области digital-маркетинга. Она помогает ведущим компаниям собирать и объединить все маркетинговые данные, применять модель мультиканальной ML-атрибуции, охватывающую все источники трафика, а также автоматически оптимизировать эффективность маркетинговых инструментов на основе аналитических данных.

Внедрение SegmentStream позволяет клиентам использовать результаты анализа ML-атрибуции, чтобы автоматизировать маркетинговую отчетность по всем рекламным каналам, оценить истинную ценность всех источников трафика, а также повысить ROAS всех маркетинговых каналов и кампаний.

my image description  Архитектура решения SegmentStream для Ribble Cycles

Шаг 1: Сбор данных о поведении пользователей в реальном времени

Для построения модели мультиканальной ML-атрибуции необходимо сначала собрать разрозненные данные о поведении пользователей на нескольких сайтах. Ribble Cycles принадлежат несколько сайтов с разными доменными именами для разных регионов: Великобритания, Германия и Австралия. 

С помощью доступной на платформе SegmentStream функции Data Streams компания Ribble менее чем за полчаса настроила сбор поведенческих данных с британского и немецкого сайтов. 

Это позволило Ribble Cycles автоматически перехватывать все хиты Google Analytics и направлять данные о поведении и покупках посетителей сайта напрямую в свое хранилище Google BigQuery.  

Шаг 2: Сбор данных о расходах на рекламу по всем маркетинговым каналам 

Ribble Cycles продвигает свою продукцию по различным маркетинговым каналам: Facebook, Google Ads, Microsoft Ads, Reddit и AWIN. 

Поскольку SegmentStream поддерживает встроенную интеграцию с самыми популярными рекламными платформами, этот этап настройки сбора данных занял не более 15 минут. После проверки всех рекламных аккаунтов SegmentStream начала ежедневно импортировать в хранилище Google BigQuery компании Ribble все данные о кликах, затратах и показах.  

Кроме того, встроенная интеграция с Google Sheets позволила вручную загрузить вплатформу SegmentStream часть данных о маркетинговых расходах. 

my image description Админ-панельSegmentStream с подключенными источниками данных

Шаг 3: Построение модели мультиканальной маркетинговой ML-атрибуции

После того как все необходимые данные были собраны в Google BigQuery, стало возможным построить модель мультиканальной ML-атрибуции SegmentStream, которая использует возможности машинного обучения для определения ценности каждой сессии посещения сайта. 

Так как мы уже описывали логику нашей мультиканальной ML-атрибуции в других кейсах и подробных статьях, на этот раз мы не будем углубленно разбирать данный процесс. 

my image description

Шаг 4: Визуализация отчетов в Google Data Studio для анализа эффективности маркетинговых кампаний

После сбора, объединения и анализа всех данных с помощью  мультиканальной ML-атрибуции SegmentStream все было готово к созданию визуализацииотчета в Google Data Studio для отдела digital-маркетинга Ribble Cycles.

Визуализация отчета помогла сотрудникам Ribble быстро оценить общую эффективность маркетинга и ценность всех источников трафика, а также сравнить количество конверсий по двум моделям атрибуции: Last-non-direct-Click (по последнему непрямому клику) и мультиканальной ML-атрибуции. 

Он также позволил оценить истинный вклад маркетинговых каналов и кампаний на верхнем этапе воронки продаж в совершение конверсий. Например, теперь стало понятно, что некоторые кампании приносят в 20 раз больше конверсий, чем показывала использовавшаяся ранее модель атрибуции last-click (по последнему взаимодействию).

Шаг 5: Использование результатов анализа ML-атрибуции в Facebook и Google Ads

Несмотря на то, что демонстрация разницы в эффективности кампаний в отчетах является очень наглядной и полезной, мы решили пойти дальше: автоматически возвращать данные о эффективности рекламных источников рекламным площадкам, таким как Facebook и Google Ads, с целью повысить эффективность их работы за счет перехода от оптимизации по LNDC (по последнему непрямому клику) к ML-атрибуции.

Для этого в SegmentStream имеется очень эффективная функция под названием Data Destinations. Она позволяет автоматически передавать данные ML-атрибуции во внешние рекламные инструменты для замены текущих конверсий прогнозируемыми конверсиями от SegmentStream. 

my image description Data Destinations в SegmentStream

Шаг 6: Оптимизация кампаний в Google Ads

Подключив Data Destinations, мы начали процесс оптимизации в Google Ads, а затем и в Facebook. 

В Google Ads модель атрибуции post-click была заменена ML-атрибуцией от SegmentStream, которая позволила отправлять дробные значения конверсии в зависимости от того, как вероятность покупки меняется от сеанса к сеансу. 

my image description Возможность использовать индивидуальные модели атрибуции в интерфейсе Google Ads

Ранее алгоритмы Google Ads обучались только на сеансах, которые заканчивались конверсией. Теперь, когда каждой сессии стало присваиваться хоть какое-то значение конверсии, Ribble смогла значительно (в 10 раз!) увеличить количество сигналов, отправляемых в Google Ads. 

Это позволило заменить стратегию «Назначение цены за клик вручную» полностью автоматизированной стратегией «Максимизация конверсий».

Результаты превзошли все ожидания: 

Всего за один месяц количество конверсий увеличилось на 55,1%, в то время как COS (стоимость продажи) снизилась на 10,4%! Несмотря на то, что средний CPC (стоимость клика) увеличилась на 18%, а средний CPM (стоимость за тысячу показов) — на рекордные 62%, Ribble Cycles смогла привлечь представителей более релевантной и ценной для себя аудитории, которые с большей вероятностью могли приобрести дорогостоящий велосипед. 

Используя мощь ML-алгоритмов от SegmentStream и автоматизированную стратегию назначения ставок от Google, Ribble получила возможность назначать более высокие ставки для привлечения потенциальных платежеспособных клиентов, а также побеждать на аукционах на демонстрацию рекламы в поисковой выдаче.

Шаг 7: Оптимизация кампаний в Facebook

Стандартная  конверсия «Покупка» была заменена на «Вероятность покупки» (Purchase Score) от SegmentStream (предиктивная модель конверсии на основе машинного обучения), которая отражала вероятность осуществления покупки в течение следующих 30 дней после перехода по объявлению в Facebook. Это привело к увеличению количества сигналов обратной связи, которые Ribble отправляет в Facebook, почти в 30 раз, по сравнению с обычным событием «Покупка». Также это позволило перейти к использованию автоматической стратегии минимальной цены, основанной на «Вероятности покупки», вместо событий «Посещение целевой страницы» или клик по кнопке «Добавить в корзину».

my image description Сравнение по количеству сигналов: «Покупка» против «Вероятность покупки»

Но на этом мы не остановились. Имея такое огромное количество конверсий, мы решили использовать возможности «открытого таргетинга» Facebook и полностью удалили настройки таргетинга и целевой аудитории: 

my image description Новые настройки таргетинга

Всего за две недели за счет использования машинного обучения от SegmentStream, автоматической стратегии назначения ставок от Facebook и возможностей открытого таргетинга новая кампания помогла получить в 2,6 раза больше конверсий по сравнению со старой кампанией с аналогичным бюджетом.

Результаты:

  • Полная автоматизация отчетности по кросс-канальному маркетингу в Google Data Studio
  • увеличение ROAS на 260% в кампаниях на Facebook
  • на 55,1% больше конверсий от Google Ads при снижении COS (стоимости продажи) на 10,4%

Отзывы заказчика:

Редко кто покупает дорогие велосипеды, как у нас, при первом знакомстве с сайтом. Люди предпочитают не торопиться и хорошенько все изучить, почитать отзывы и проконсультироваться с нашими специалистами по велосипедам, прежде чем окончательно принять решение о покупке. Вдобавок к этому, и без того сложный «путь клиента» становится еще более трудным для отслеживания из-за того, что люди используют множество браузеров и устройств.

Учитывая все это, мы решили, что будет почти невозможно оценить истинную эффективность наших цифровых маркетинговых кампаний, особенно awareness-кампаний на верхнем этапе воронки, которые, как правило, почти не работают при использовании традиционных моделей маркетинговой атрибуции, таких как Last-non-Direct-Click.

К счастью, мы познакомились с SegmentStream и с их технологией интеллектуальной мультиканальной атрибуции, которая помогла нам понять реальную эффективность нашего кросс-канального маркетинга и, что более важно, по-настоящему задействовать возможности машинного обучения, повысить эффективность наших основных каналов интернет-рекламы без ручноготруда. 

Мы рады нашему сотрудничеству и ждем новых совместных достижений в области цифрового маркетинга!

— Мэтью Лоусон,  Директор по цифровым технологиям, Ribble Cycles

Вас также может заинтересовать

Все истории успеха

Начните работу с SegmentStream

Оставьте заявку на персональную демонстрацию!