Как настроить рекламу финансовых услуг при множестве ограничений

Кейс о работе с банком «Пойдём!»

Агентство Mello сотрудничает с АО КБ «Пойдём!» с июня 2019 года. У банка есть региональные отделения ─ дирекции. Настройка рекламы стала сложной задачей не только из-за специфики банковской сферы, но и по другим причинам.

В кейсе рассказываем о том, с чем мы столкнулись и как решали проблемы.   

Исходные данные

Клиент: Коммерческий банк «Пойдём!», который специализируется на потребительском кредитовании.

Задача: Выстроить понятную структуру рекламных аккаунтов, эффективно перераспределить средства внутри дирекций, создать систему менеджмента ставок, выполнять поставленные KPI. 

Отправная точка

Большинство данных по проекту находятся под NDA (договор о неразглашении данных), поэтому не можем рассказать о работе предыдущего подрядчика и ситуации до начала сотрудничества с командой Mello. 

Начнем с задач, которые перед нами поставил заказчик: 

• Формирование структуры аккаунта и перенос всех рекламных кампаний в один кабинет.
• Настройка аналитики для эффективного управления. 
• Соблюдение KPI.
• Проведение тестов, поиск новых способов получения трафика.
• Масштабирование при невысоком росте CPL (Cost-per-Lead ─ платы за лид).

Первые шаги

Два направления работы

Прежде всего мы разделили работу над проектом на два крупных блока:

1. Оптимизация старых рекламных кампаний и работа по их донастройке. 
2. Запуск новой рекламы. 

Дальше определили приоритетность выполнения задач по времени, чтобы не браться за все и сразу, и составили для проекта упрощенную диаграмму Ганта. Ниже представлен один из вариантов таблицы. В дальнейшем мы ее редактировали, исходя из поступающих задач, собственных идей и анализа результатов. 

Такая диаграмма удобна для планирования задач на крупных проектах и позволяет клиенту увидеть стратегию запуска.   

Правила названия рекламных кампаний

Многие рекламодатели, чтобы скрыть направление рекламы от конкурентов, шифруют таргеты в некий набор символов, но для нас важнее читаемость. В обозначении ранее настроенных и новых кампаний мы стали использовать названия с префиксами. 

Пример: 

• ключи брендовые ─ Brend;
• гео ─ Волгоградская дирекция Volgogradskaya_district;
• поисковая рекламная кампания ─ Search;
• итоговое название рекламной кампании ─ Search_Brend_(Volgogradskaya_district_-_Vse_Goroda)_{campaign_id}.

Как видно из примеров префиксов, основные триггеры, по которым сегментированы рекламные кампании ─ это:

• гео;
• тип;
• ключи.

В результате получилась удобная структура аккаунта. А чтобы не было путаницы, сделали шпаргалку со старыми и новыми названиями кампаний.

Запуск новых рекламных кампаний

Описание нашей работы в таблицах ниже.

Контекст

Таргет

Автоматизация создания, оптимизации и отчетностистарых и новых рекламных кампаний

Для этого мы подключили платформу К50, которая работает с Google Adwords и Яндекс.Директ. Система давно зарекомендовала себя на крупных проектах с бюджетом от 1 млн рублей в месяц.

К50 использует наработанную стратегию, основанную на CPL. Причем это не конкретная цифра, а диапазон цен ─ сколько заказчик готов платить за каждого привлеченного клиента. Платформа оценивает эффективность каждого ключевого слова, заданного CPL и на основании этого автоматически каждый день обновляет ставки. В результате дневной бюджет распределяется равномерно и не бывает перерасходован. 

Дополнительные действия для выполнения запросов клиента

Нашипервые шаги были довольно стандартными и не решали всех поставленных задач. Поэтому команда Mello приступила к разработке специальных решений. 

Основная сложность в настройке рекламы банка «Пойдем!» ─ у каждой региональной дирекции свой бюджет, который делится еще и по рекламным инструментам. При этом перед нами стояла задача ─ один аккаунт для всех дирекций, что в разы усложняет работу с оптимизацией. 

Наши действия в заданных условиях:

1. Разработка таблицы наполнения дирекций.
2. Создание внутреннего дашборда для контроля расходов.
3. Запуск многоуровневого пулинга и выполнение дополнительных надстроек для него.
4. Составление справочника UTM-меток для соцсетей.
5. Определение формулы распределения средств по инструментам внутри каждой дирекции.

Таблица наполнения дирекций 

Объединили в один 15 аккаунтов: 

• переименовали рекламные кампании;
• создали шаблоны UTM-меток;
• проверили в каждой дирекции типы кампаний и кластеры ключей. 

На последнем шаге собрали информацию в таблицу наполнения дирекций. В упрощенном виде она выглядит так: 

Красным выделены отсутствующие рекламные кампании. Это резерв для увеличения охвата и, возможно, получения недорогих заявок на кредиты.

Внутренний дашборд для контроля расходов

У нашего заказчика 15 дирекций, у каждой свой бюджет и по 4 рекламные площадки. Необходимо было тратить деньги равномерно в течение месяца и получить максимальный профит с каждого инструмента. 

Для решения такой задачи при помощи дополнения Google Analytics для Google Spreadsheet создали дашборд, в котором учитываются: 

• бюджеты; 
• остатки; 
• средний расход.

В таблице есть визуально понятный триггер ─ простое правило выделения ячеек, которое дает сигнал о срочной редактуре бюджетов/ставок.

Многоуровневый пулинг и дополнительные надстройки для него

Для оптимизации работы, контроля расходов и эффективности рекламных кампаний мы использовали пулинг. Подробнее об этом инструменте читайте в нашем кейсе.

Пулинг позволяет выставлять ставки для всех кампаний усредненно. При этом какие-то из них работают лучше, какие-то хуже. Тут приходит простое и интуитивное решение: там, где стоимость лида дорогая, надо снижать ставки, а в тех случаях, когда дешевая ─ повышать. 

Становится понятно, что нужны разные пулинги. Взаимосвязь строится между рекламной кампанией и пулингом исходя из ее эффективности. 

Уровни пулинга:

• 2 (верхний) уровень ─ повышение, ставки увеличены на 50%.
• 1 уровень ─ повышение, ставки увеличены на 25%.
• 0 уровень ─ ставки увеличены на 0%.
• -1 уровень ─ понижение, ставки снижены на 40%.
• -2 (нижний) уровень ─ понижение, ставки снижены на 60%.

Также мы создали и использовали вспомогательное событие, которое выставляло ставки, ориентируясь на эффективность ключей в абсолютных цифрах:

• отключали ключи, которые работали долго и неэффективно;
• не отключали ключи со средним сроком использования и эффективностью, но при этом снижали ставки;
• повышали ставки на фразы и слова, которые были эффективными в последние три дня и приносили лиды, например, по 100 рублей.
  

Это значит, что в пулинге шла работа и на установление оптимальных ставок, и на докручивание эффективности рекламных кампаний, исходя уже из других метрик. На проекте было разработано несколько таких правил, например:

Справочник UTM-меток для соцсетей 

В таргетированной рекламе в социальных сетях была путаница. Для того чтобы избежать этой проблемы, был создан справочник UTM-меток для проекта. С ним стало удобнее строить отчеты в Google Analytics по названиям и наблюдать за ситуацией. В справочнике кластеры зашифрованы в понятные UTM-метки, которые добавляются в рекламу, что позволяет отследить, где они использовались. Пример: 

Формула распределения средств по инструментам 

Нам было нужно внутри каждой дирекции эффективно распределять средства между каналами рекламы (myTarget, VK, Яндекс.Директ и Google Аds), ориентируясь на их эффективность.

Для этого мы разработали формулу распределения средств, которая учитывает общую ситуацию по дирекции и эффективность каналов, после чего добавляет бюджет или снижает его.

Формула такова:

Трудности, с которыми мы столкнулись во время проекта 

Мониторинг результата

Нам было важно агрегировать статистику по рекламным каналам в одном месте. Основным инструментом стал Google Analytics, так как именно там клиент наравне с нами мониторил результаты ведения рекламных кампаний и делал различные срезы для внутренней отчетности. 

Проблемы с модерацией

В тематике банковских и финансовых продуктов очень важно соблюдать правила оформления баннеров, которые очень часто ошибочно отклоняются системой. А основная проблема, с которой мы столкнулись ─ добавление на баннеры УТП и дисклеймера, размер которого, по мнению модерации, всегда был маленьким и нечитаемым, поэтому наши наработки отклоняли.

Анализ трафика по гео

Для внутренней отчетности клиенту нужны были срезы по количеству трафика, лидам и расходу бюджета на уровне городов и сел. Мы столкнулись с неточностями аналитических систем по определению местоположения кликов и сеансов. Например, по мнению Яндекс.Директа, клик был сделан пользователем из Волгограда, а Google Analytics приписывал этот сеанс Волжскому. 

Результат

Большинство трудностей были ожидаемы, некоторые из них не решаемы и мы системно с ними боремся. На проекте отличный менеджмент, плюс грамотное распределение важности и срочности задач, поэтому, несмотря на сложности, нам удалось достичь таких результатов: 

Ситуация на проекте стабильная и понятна клиенту. За счет гибкости инструментов цена за лид приемлемая, но ее можно качественно менять, главное, делать это неударными темпами.

Вывод

Самое сложное в этом проекте ─ менеджмент аккаунта и удержание баланса между расходом и эффективностью. Так как мы основываемся на принципе тестирования гипотез: запускаем тесты, оставляем удачные и отсекаем неудавшиеся ─ это позволяет нам не уходить в слепое прогнозирование, а работать непосредственно с полученным результатом, масштабировать и культивировать его. Хотя мы сотрудничаем с банком «Пойдем!» 9 месяцев, есть еще масса гипотез, которые ждут реализации.

Наши концепции и принципы помогли структурировать подходы к большому проекту, добиться прозрачного и эффективного менеджмента. А максимальное погружение руководителя группы интернет-маркетинга АО КБ «Пойдём!» в совместную работу повлияло на стремительное развитие проекта.