Na przykładzie sklepu aleno.pl

Optymalizacja
kampanii PLA

Wszystkie działania, które podejmujemy podczas współpracy z naszymi klientami koncentrują się na poniższych celach:

  • Opracowanie struktury kampanii
  • Zebranie danych
  • Wykorzystanie metod licytacji opartych o machine learning

Porównanie wyników pierwszego i ostatniego miesiąca kampanii

%

Wzrost przychodów

%

Wzrost kosztów

%

Wzrost ROAS

start

Założenia

Prowadzenie konta Google Ads sklepu Aleno.pl przejęliśmy niecały rok od rozpoczęcia jakichkolwiek działań reklamowych promujących asortyment i marki dostępne w sklepie. W momencie nawiązania współpracy kampanie PLA prowadzone przez klienta przynosiły duże straty. Naszym zadaniem było:

  • przygotowanie analizy zastanej sytuacji
  • przygotowanie nowego planu działania
  • jak najszybsze doprowadzenie kampanii do stanu przynoszącego pierwsze zyski

Sytuacja zastana

Wszystkie kampanie PLA prowadzone przez klienta cechowały 3 problemy:

  • brak przemyślanej struktury kampanii pozwalającej na analizę wyników
  • brak strategii optymalizacji
  • bezrefleksyjne korzystanie z licytacji w modelu ROAS

Wpływ wymienionych błędów potęgowany był dodatkowo przez duży asortyment sklepu oraz rozbudowaną strukturę kategorii.

Liczba producentów

Liczba kategorii

Liczba produktów

Plan

Podstawowe założenie optymalizacyjne

Podstawą skutecznego prowadzenia kampanii PLA jest zawsze przemyślane zbieranie danych oraz ich późniejsza analiza. Wszystkie działania, które podejmujemy podczas współpracy z naszymi klientami koncentrują się z tego powodu na poniższych celach:

  • Opracowanie struktury kampanii pozwalającej na skuteczną analizę i optymalizację
  • Zebranie danych pozwalających na oszacowanie realnych celów sprzedażowych
  • Stworzenie ram działania pozwalających na optymalne wykorzystanie metod licytacji opartych o machine learning (np. ROAS)

Feed produktowy

Kampanie PLA dają nam niestety ograniczone możliwości targetowania i tworzenia reklam. Wszystkie najważniejsze zmienne są pobierane automatycznie z feedu produktowego Google Merchant Center. Dlatego ważne jest jego odpowiednie przygotowanie:

  • Dodanie kompletnych nazw produktów
  • Wyszczególnienie w opisach wszystkich najważniejszych cech produktów, najlepiej w formie wypunktowania
  • Precyzyjne i szczegółowe dobranie kategorii produktów Google

Etapy optymalizacji kampanii

Podczas procesu optymalizacji przetestowaliśmy trzy pomysły na strukturę konta. Każdy z nich kładł nacisk na inny sposób podziału asortymentu i wymuszał inną strategię optymalizacji kosztów konwersji:

  1. Stworzenie za pomocą wykluczeń i odpowiedniego doboru priorytetów, podziału na kampanie brandowe konkretnych producentów oraz zbiorczą kampanie generyczną.
  2. Podział kampanii na kategorie odzwierciedlające strukturę sklepu z uwzględnieniem podziału na kampanie brandowe i generyczne.
  3. Rezygnacja z kampanii producentów i podziału brandowego na rzecz dwóch kampanii ogólnych:
    1. Priorytetowa kampania licytowana w modelu ROAS
    2. Cały asortyment na niskim priorytecie w bardzo nikim CPC.

Etap 1

Podstawowe założenie 

Kampanie utworzone za pomocą wykluczeń i odpowiedniego doboru priorytetów. Podział na kampanie brandowe konkretnych producentów oraz zbiorczą kampanię generyczną.

Model licytacji: CPC. Docelowo zmienione na ROAS.

Zalety:

  • Duża kontrola nad najlepiej konwertującymi (brandowymi) zapytaniami
  • Łatwość analizy potencjału sprzedażowego poszczególnych brandów

Wady:

  • Bardzo pracochłonny proces doboru odpowiednich wykluczeń (bardzo duży asortyment i długie specjalistyczne oznaczenia modeli)
  • Kampanie nie odzwierciedlają struktury sklepu oraz zainteresowania poszczególnymi kategoriami.

Wyzwania

Kampanie PLA dają nam niestety ograniczone możliwości targetowania i tworzenia reklam. Wszystkie najważniejsze zmienne są pobierane automatycznie z feedu produktowego Google Merchant Center. Dlatego ważne jest jego odpowiednie przygotowanie:

  • Dodanie kompletnych nazw produktów
  • Wyszczególnienie w opisach wszystkich najważniejszych cech produktów, najlepiej w formie wypunktowania
  • Precyzyjne i szczegółowe dobranie kategorii produktów Google

Wyniki etapu 1:

%

Wzrost przychodów

%

Wzrost kosztów

%

ROAS

Etap 2

Podstawowe założenie 

Podział kampanii na kategorie odzwierciedlające strukturę sklepu z uwzględnieniem podziału na kampanie brandowe i generyczne.

Model licytacji: Agresywne, ręcznie ustawiane CPC w topowych kampaniach brandowych oraz ROAS w pozostałych kampaniach.

Zalety:

  • Możliwość licytacji i oceny rentowności pod kątem sezonowości kategorii
  • Dobry wgląd w wyniki producentów w obszarze kategorii

Wady:

  • Duża fragmentaryzacja danych obniżająca potencjał algorytmicznej optymalizacji kampanii

Wyniki etapu 2:

%

Wzrost przychodów

%

Wzrost kosztów

%

ROAS

Etap 3

Podstawowe założenie 

Ograniczenie się do dwóch kampanii odzwierciedlających kategorie sklepowe na poziomie grup produktów.

Model licytacji: Priorytetowa kampania licytowana w modelu ROAS oraz cały asortyment na niskim priorytecie w bardzo niskim CPC.

Zalety:

  • Stworzenie ogromnej puli danych potrzebnej do algorytmicznej licytacji
  • Możliwość wykluczenia gorzej działających kategorii z głównej kampanii daje duże wzrosty rentowności
  • Kampanie z niskim CPC pozwalają na analizę zmian sezonowych oraz trendów rynkowych przy ograniczonym ryzyku

Wady:

  • Utrata części kontroli nad optymalizacją stawek w obrębie kategorii
  • Rezygnacja z optymalizacji kampanii z uwzględnieniem brandów

Główny celem trzeciego etapu było dalsze skalowanie przychodów. Wynikiem tego był duży wzrost kosztów, który na szczęście przełożył się również na duży wzrost przychodów.

Wyniki etapu 3:

%

Wzrost przychodów

%

Wzrost kosztów

%

ROAS

Wyniki

Znaczny wzrost przychodów

Poniższy wykres obrazuje wzrost przychodów generowanych przez kampanie PLA w kolejnych miesiącach. Czerwony okrąg to początek naszej pracy nad optymalizacją kampanii.

Stabilny ROAS

Poniższy wykres pokazuje jak w niespełna pół roku udało się nam osiągnąć zadowalający klienta ROAS i utrzymać go w kolejnych miesiącach pomimo ciągłego skalowania kampanii. Czerwony okrąg to początek naszej pracy nad optymalizacją kampanii.

Porównanie wyników pierwszego i ostatniego miesiąca kampanii

%

Wzrost przychodów

%

Wzrost kosztów

%

Wzrost ROAS