Правила ценности конверсии — новый способ корректировки ставок в Google Ads

Не все клики рождаются равными — у одних вероятность конверсии выше, чем у других. Во времена ручного назначения ставок по модели CPC это означало, что специалистам по контекстной рекламе приходилось корректировать ставки с учетом различий в ожидаемых коэффициентах конверсии. Одной из таких возможностей была корректировка ставок по географическому принципу, чтобы ставка была выше для Москвы и ниже — для Екатеринбурге. Или чтобы ставка была выше для мобильных устройств, чем для десктопов.

Но затем пришло время Smart Bidding — интеллектуального назначения ставок, которое Google продвигает как самую продвинутую версию автоматизированной закупки рекламы. И многие корректировки ставок перестали работать так, как ожидали рекламодатели. Что поменяется с выходом Value Rules?

Правила ценности конверсии были анонсированы на Google Marketing Live 2019 и вышли из бета-тестирования в конце лета 2021 года. Как следует из названия, этот инструмент позволяет рекламодателям создавать правила для корректировки значений конверсии, тогда как корректировки ставок просто регулируют цену за клик (CPC).

Так как же тогда правила ценности заменяют корректировки ставок, спросите вы? Напомним, что интеллектуальное назначение ставок автоматически устанавливает соответствующую ставку CPC каждый раз, когда выполняется поиск, по результатам которого может быть показано ваше объявление. Эта ставка в реальном времени основана на ожидаемой ценности, которую может принести клик, и целевой рентабельности рекламных расходов для рекламодателя (tROAS).

Приведем пример. Если Google ожидает, что клик с вероятностью 10% приведет к продаже на 100 рублей, то этот клик будет стоить 10 рублей (0,10 x 100 = 10 рублей). Объедините это с tROAS в 200% (то есть, вы хотите зарабатывать 2 рубля на каждый рубль, потраченный на рекламу), и тогда ставка CPC будет равна 5 рублей (ожидается, что этот клик ценой в 5 рублей принесет 10 рублей выручки).

Тогда аукцион будет иметь такие параметры:

• Стоимость клика оценивается в 10 рублей
• tROAS составляет 200%
• Автоматически устанавливается ставка в размере 5 рублей
• Если происходит клик, рекламодатель платит до 5 рублей и, как ожидается, получит 10 рублей выручки. Следовательно, рентабельность инвестиций в рекламу составляет 200%.

С помощью правил ценности вы можете сообщить Google, что ценность конверсии будет удвоена. Удвоив ценность конверсии в приведенном выше примере, вы в конечном итоге установите двойную цену за клик. Для того же аукциона, теперь с правилом ценности:

• Согласно правилам, ценность конверсии удваивается и оценивается в 20 рублей вместо 10
• tROAS составляет 200%
• Автоматически устанавливается ставка 10 рублей вместо 5
• За клик пользователя рекламодатель платит до 10 рублей и, как ожидается, получит 20 долларов, следовательно, рентабельность инвестиций в рекламу составляет 200%.

Как видите, правило ценности, которое удваивает ценность конверсии, фактически аналогично созданию двукратной корректировки ставок.

А теперь самое важное. Хотя вы можете использовать правила ценности как прямую замену корректировок ставок, вам НЕ следует этого делать, потому что вы удвоите то, что автоматическое назначение ставок Google уже делает для вас.

Корректировки — это способ управлять ставками, когда вы делаете их вручную. Давайте вкратце рассмотрим этот процесс. Во-первых, как обычно рассчитываются CPC-ставки? Предположим, вы ожидаете, что 10% кликов приведут к заполнению вашей формы для генерации лидов, а каждое заполнение формы приносит 100 рублей вашему бизнесу. Тогда CPC будет равен 10 рублей (0,10 x 100).

Как в этом случае будет выглядеть корректировка ставок? Допустим, вы оценили свои показатели конверсии в Google Ads и заметили, что клиенты в Москве совершают на 20% конверсионных действий больше, чем в Екатеринбурге — то есть, в 12% случаев вместо 10%. Таким образом, вы устанавливаете корректировку ставок +20% для кликов из Москвы. А ваша ставка в 10 рублей становится ставкой в ​​12 рублей, когда пользователь находится в Москве (0,10 x 120% x 100 = 12 рублей).

Благодаря интеллектуальному назначению ставок Google уже знает эту разницу в ожидаемом коэффициенте конверсии, поэтому он уже установит ставку в размере 12 рублей. Потому что данные, которые вы использовали для принятия решения о ручной корректировке ставок на 20%, — это те же самые данные, которые Google уже получает от вас, когда вы используете отслеживание конверсий.

Суть в том, что создание правила ценности для корректировки ставок на основе ожидаемых коэффициентов конверсии просто суммирует корректировки ставок. А это значит, что вы ошибетесь с CPC.

Правила чрезвычайно полезны в качестве формы корректировки ставок при интеллектуальном назначении ставок, но только если вы используете данные, которые подходят для этой задачи. Проще говоря, хорошее правило будет основано на тех данных, которыми вы еще не поделились с Google.

Оказывается, рекламодатели порой знают о своем бизнесе намного больше, чем те данные, которые Google получает с помощью пикселя отслеживания конверсий, сезонных корректировок или других размеченных целей.

Вернемся к нашему примеру с московскими клиентами. Хотя мы уже говорили Google, что они конвертируются на 20% лучше среднего, но давайте разберемся с тем, что происходит после конверсии? Может, у этих клиентов обычно более высокий показатель LTV? Или их конверсии приводят к большему количеству посещений магазинов, потому что в Москве у вас больше магазинов на душу населения, чем в других местах? Эти параметры могут стать основой для изменения правил ценности конверсий.

Мы начали с того, что «не все клики рождаются равными», а теперь приходим к тому, что «не все конверсии одинаково хороши». Правила ценности позволяют учитывать эти различия в качестве конверсий.

Правила устанавливаются в аккаунте Google Ads и могут быть основаны на местоположении, устройстве или аудитории. Правила могут быть основаны только на одном из трех типов сегментов или комбинации двух из них.

Что касается аудитории, рекламодатели могут выбирать между демографическими признаками, интересами и привычками, чем они интересуются, что они активно ищут или планируют, и как они уже взаимодействовали с вашим бизнесом.

Когда рекламодатели выбирают типы для своего первого правила, все остальные правила должны использовать те же два типа сегментов. Например, если первое правило сочетает в себе местоположение и тип аудитории, то все следующие правила также должны использовать местоположение и аудиторию, и создать правила с использованием типов устройств будет невозможно.

Нужно отметить, что правила ценности — менее точный способ сообщить Google о качестве конверсии, чем, например, офлайн-отслеживание конверсий. Но их гораздо проще использовать, чем альтернативы, поэтому они являются возможным следующим шагом для рекламодателей, которые ранее не оптимизировали свои аккаунты.

Правила будут применяться для интеллектуального назначения ставок в реальном времени и позволят оптимизировать кампании по стратегиям «Целевая рентабельность инвестиций в рекламу» и «Максимальная ценность конверсии». Подробнее о правилах ценности конверсии можно прочитать в Справке Google Ads.

В Андата мы используем алгоритмы машинного обучения, которые ежедневно анализируют данные работы рекламных кампаний и формируют рекомендации по их улучшению.

Ниже показан пример того как система предлагает корректировать ставки кампании.

Если предиктивная вероятность целевых действий при определенных настройках кампании ниже, то для таких показов будет предложено снижение расходов (красные значения). Для показов с более конверсионными настройками ML-модуль предложит увеличение ставок (зеленые значения) за счет высвободившегося бюджета.

Андата поддерживает четыре типа рекомендаций:

• по часам — в разбивке по мобильному и десктоп-трафику
• по дням недели — в разбивке по мобильному и десктоп-трафику
• по местонахождению (гео)
• по поисковым фразам.

Реализована возможность применить конкретный тип рекомендации отдельно, или все типы сразу по нажатию одной кнопки. Остановить применение можно также в любой момент. В этом случае платформа вернет настройки кампаний к базовым, которые действовали до начала применения рекомендаций.

Больше не требуется Сложная настройка правил или автостратегий в рекламных кабинетах и системах аналитики Google или Яндекс — всю работу по расчету и применению ставок выполняет модуль машинного обучения Андата. Для этого используются три типа данных:

• пользовательские данные — из цифровых паспортов Андата
• данные о расходах — из рекламных кабинетов Яндекс и Google
• информация о целях — из систем web-аналитики и/или CRM-решений заказчика.

Автоматическое применение рекомендаций реализовано с применением высокочастотных биддеров Андата, управляющих закупкой трафика на рекламных площадках. Еще пару месяцев назад биддеры Андата умели только экономить бюджеты заказчиков — отключать показы объявлений в интервалах с нулевой конверсией или низкой вероятностью целевых действий. Теперь управление расходами на рекламу стало пластичнее. Платформа позволяет пропорционально снижать ставки для одних интервалов и увеличивать для других — с учетом вероятности конверсий.

Короткое видео демонстрирует принцип работы рекомендаций.

Оценить потенциал предиктивных рекомендаций проще всего на практических кейсах. В качестве проверки рекомендаций мы использовали сплит-тестирование, инструкция и методология которого доступна здесь.

Вот опыт наших клиентов.

Кейс №1 — крупная девелоперская компания.

Проведен эксперимент по сравнению алгоритмов оптимизации интернет-рекламы. Взамен исходной рекламной кампании были созданы две ее копии. К первой из них применялись автостратегии Google, ко второй — рекомендации Андата. Кампании работали параллельно, и система ежедневно сравнивала их показатели.

Результаты эксперимента показали, что, по сравнению с автостратегиями Google, рекомендации ANDATA увеличили конверсию в целевое действие на 37%, а стоимость лида снизилась на 25%.

На старте у заказчика было 50 активных рекламных кампаний в сегменте кредитования с бюджетом больше 10 млн рублей в месяц, охват — вся Россия, рекламные каналы — Яндекс и Google. Задачей было снижение стоимости кредитной заявки, полученной с помощью этих двух каналов.



На горизонте двух месяцев применения рекомендаций средняя стоимость заявки снизилась на 26%, а общее количество заявок увеличилось на 32%. Рекламный бюджет при этом остался неизменным.