Jak przyciągnąć więcej klientów dzięki optymalizacji marketingu cyfrowego?

Opublikowany: 2022-04-12

Raketa to pierwsza ukraińska usługa dostawy w formacie Foodtech 2.0. W marcu 2018 r. usługa została uruchomiona przed przyjazdem Glovo, Uber Eats i Bolt Food na Ukrainę. Jednak przez długi czas usługa była dostępna w mieście Dniepr na Ukrainie. Wprowadzając na całą Ukrainę, firma napotkała silną konkurencję. Jednak z powodu blokady popyt na dostawy wzrósł, co pomogło Raketa przyciągnąć nowych klientów i stać się liderem na rynku. Na podstawie doświadczeń Rakety przygotowaliśmy case study, dlaczego odpowiednie strategie i zoptymalizowana kampania reklamowa przynoszą więcej efektów niż ogromny budżet.

Współpraca z Raketą, newage. stworzył i wdrożył strategie cyfrowe dla kampanii displayowych w celu zwiększenia:

  1. odpowiednia publiczność;
  2. KPI aplikacji mobilnej Raketa;
  3. liczba aktywnych użytkowników aplikacji/odwiedzających stronę Raketa.
  4. optymalizacja i wydajność narzędzi w celu lepszego zrozumienia zainteresowań i scenariuszy zachowań użytkowników;

Również newage. zespół zapobiegł przekroczeniu kosztów w celu objęcia nieukierunkowanych odbiorców w Internecie i poprawił spersonalizowany marketing. Przez cały czas trwania kampanii śledziliśmy zmiany w zaangażowaniu obecnych i nowych użytkowników.

Nasz zespół wykonał te zadania w trzech lotach w maju, czerwcu i wrześniu-październiku. Osiągnęliśmy maksymalny zasięg w największych miastach Ukrainy — Kijowie, Dnieprze, Lwowie, Charkowie, Winnicy i Odessie. Do realizacji strategii wykorzystaliśmy sprawdzony model See-Think-Do (Care), w którym poziom lejka konwersji zależy od naszej oceny intencji zakupowej użytkownika.

Korzystając z tego modelu:

  1. pokrył najgorętsze zapotrzebowanie;
  2. rozgrzane segmenty o mniejszym zamiarze zakupowym;
  3. stworzyła silny wizerunek marki w świadomości użytkowników;
  4. przeanalizowała kampanie display media konkurencji.

Wykorzystaliśmy reklamy YouTube w formatach TrueView, Bumper i Discovery, aby przedstawić użytkownikowi markę i zwiększyć jego świadomość. Wykorzystaliśmy również banery, aby zwiększyć zasięg i częstotliwość ekspozycji na użytkownika. Podzieliliśmy publiczność na gorącą, ciepłą i zimną. Dla każdego z nich zastosowaliśmy określoną metodę, narzędzia i KPI. W miarę jak poruszaliśmy się po lejku, nasze zadanie zmieniło się z KPI konwersji „tu i teraz” na wskaźniki mediów, że dana osoba zobaczyła naszą reklamę, zainteresowała się i pobrała aplikację lub odwiedziła stronę internetową.

Tabela przedstawiająca faktyczną strategię:

Cold – reklamy Google / Direct – Szczególne zainteresowania szerokiego grona odbiorców – TrueView / przerywnik / In-Stream – 3/m, – CPC/CPV/CPM/ vCPM

Neutralne – Reklamy Google / Bezpośrednie – Szczególne zainteresowania odbiorców, którzy mieli wcześniej kontakt z podobną usługą – TrueView / Przerywnik / Baner – 3/m / 5/d – CPC/CPV/CPM/ vCPM

Ciepłe – reklamy Google/bezpośrednie – Specjalni zainteresowani odbiorcy kupujący – TrueView/przerywnik/baner/odkrywanie – 3/m/5/d – CPC/CPV/CPM/ vCPM

Najpopularniejsze – reklamy Google – remarketing i odkrywanie – przerywnik/odkrywanie – 3/m/5/d – CPC/CPV/CPM

W tej strategii dzielimy naszą grupę docelową na następujące segmenty:

  • użytkownicy zainteresowani e-commerce;
  • użytkownicy zainteresowani jedzeniem i restauracjami;
  • użytkownicy aplikacji taxi;
  • wyglądająca jak publiczność użytkowników Raketa;
  • osoby pracujące na zlecenie/pracę zdalną.

Pracowaliśmy nad strategią pozyskiwania użytkowników, w której nie można zastosować danych o kliknięciach, ponieważ odwiedzający bez aplikacji Raketa na telefonie jest najpierw przekierowywany do AppStore lub Google Play, gdzie odwiedzający staje się użytkownikiem. Dopiero po zainstalowaniu aplikacji użytkownik wchodzi w interakcję z reklamami. Powodem, dla którego śledziliśmy konwersje po obejrzeniu, jest to, że użytkownik nie zamawia jedzenia od razu po zainstalowaniu aplikacji.

Zidentyfikowaliśmy 7-dniowe okno jako optymalny przedział czasowy do śledzenia opóźnionych konwersji. Większość śledzonych konwersji stanowią dane po wyświetleniu i dane z różnych urządzeń, które są wykorzystywane do optymalizacji miejsc docelowych reklam, kreacji i odbiorców.

Screenshot_4.png

Rozkład konwersji na platformach (rozpoczęcie sesji):

Screenshot_5.png

Wykresy pokazały, że post-view i cross-device odpowiadały za ponad 98% wszystkich danych konwersji użytkowników z reklam aplikacji Raketa. Zalecamy śledzenie tych wskaźników, ponieważ wszelkie inne dane dadzą zniekształcony obraz sytuacji.

Częstotliwości

Analiza dodatkowych danych (post-view + cross-device) pozwoliła znaleźć najkorzystniejsze częstotliwości do ekspozycji reklam i dowiedzieć się, jaki jest koszt opóźnionych konwersji. Na przykład w przypadku miejsc docelowych w YouTube w formacie TrueView ważne było śledzenie częstotliwości zarówno dla poszczególnych formatów, jak i całej kampanii:

* CPA to współczynnik.

Screenshot_6.png

Analizując dane, widzimy wyraźnie sekwencję częstotliwości, które przynoszą maksymalną wartość do działania przy optymalnym koszcie. Ta analiza może zoptymalizować częstotliwość dla każdego formatu reklamy, odbiorców i urządzenia.

Publiczność

Dane post-view i cross-device identyfikowały najskuteczniejsze segmenty odbiorców, nie tylko na podstawie liczby wygenerowanych kliknięć, ale także akcji generowanych przez użytkowników bezpośrednio w aplikacji. Tak więc w przypadku iOS najbardziej efektywnym segmentem okazali się „użytkownicy zainteresowani e-commerce”. Wśród IOS był to jedyny, który zapewniał użyteczny ruch.

Analiza aktywności i konwersji wśród odbiorców określiła segment użytkowników zainteresowanych tematami związanymi z horeca, wśród nich użytkownicy IOS mają więcej zamówień i częściej instalują aplikację niż użytkownicy Androida.

Segment osób, które wolą zamawiać taksówkę niż transport publiczny, podzielił między siebie udział kliknięć i konwersji ogółem. Stwierdzono również, że tylko użytkownicy IOS zainteresowani e-commerce wykazywali wysokie współczynniki konwersji.

Zdaliśmy sobie sprawę, że komputer stacjonarny zawsze działa gorzej niż reklama mobilna. Reklamy mobilne zawsze dawały najlepsze wyniki. Brzmi to oczywiste, ale często sprawdzamy to, co oczywiste, ponieważ podstawowe rzeczy są często bardziej skomplikowane, niż się wydaje.

Na urządzeniach mobilnych celowo podnieśliśmy stawki do testu. Nawet jeśli sprawiało to wrażenie droższego, to czyniło go bardziej wartościowym. I nie szkodzi — optymalizacja nie oznacza wyboru tylko tanich rozwiązań. Zadaniem optymalizacji jest uzyskanie jak najlepszych wyników i zaoszczędzenie tylko na tym, co nie wpływa negatywnie na wydajność.

Wyniki

Analiza całościowa dała następujące wyniki:

  • kampanie były optymalizowane 75 razy pod względem liczby instalacji wśród użytkowników, którzy mieli kontakt z reklamami (od pierwszego tygodnia do ostatniego), wymagało to 3 lotów, ponad 15 etapów optymalizacji i analizy wyników (częściej niż raz w tygodniu)

  • Zmniejszono koszt przyciągniętego użytkownika 15 razy.

Skuteczność naszych metod przerosła oczekiwania klienta. W pewnym momencie klient wstrzymał reklamę, aby usprawnić logistykę dla zwiększonej liczby zamówień. Klient przekierował resztę budżetu marketingowego na przyciągnięcie kurierów. Tak więc w wyniku naszej kampanii reklamowej wzrosła nie tylko liczba aktywnych klientów i użytkowników aplikacji, ale także liczba kurierów :)