Кейс: Магазин Hoff увеличил конверсию с рекламы садовой мебели на 21%, применив данные о погоде

Представители мебельного гипермаркета Hoff предположили, что существует зависимость между заказами продуктов с контекстной рекламы и погодными условиями, после чего провели эксперимент с регулированием ставок в «Яндекс.Директе» и Google Adwords на основе температуры воздуха, облачности и осадков. Это позволило компании увеличить продажи товаров категории на 64%, а конверсию в покупку — на 21% при росте расходов на 18,5%.

Руководитель отдела интернет-маркетинга Hoff Татьяна Панина рассказала vc.ru о реализации кейса.

С первым потеплением в марте-апреле начинается сезон продаж садовой мебели, а уже в июле товар уходит на распродажу. У нас получилось найти необычное решение продвижения этой категории в контекстной рекламе.

Еще в 2013 году в летний сезон мы предположили, что продажи садовой мебели зависят от погоды. Однако в тот момент под рукой не было инструмента, который позволил бы автоматизировать управление контекстной рекламой в зависимости от погодных условий.

В 2014 году по итогам летних продаж мы провели повторный анализ, который подтвердил гипотезу и показал явную зависимость между дневной температурой воздуха и заказами с контекстной рекламы: чем выше температура, тем больше продаж.

К летнему сезону 2015 года мы решили подготовиться заранее: вместе с нашим партнером Alytics (система автоматизации контекстной рекламой) разработали автоматические правила, которые регулируют ставки в контекстной рекламе в зависимости от прогноза погоды по трем условиям:

дневная температура текущего дня;
тип осадков;
уровень осадков.

В качестве поставщика данных о прогнозе в наших целевых регионах мы выбрали Gismeteo.

Как это работает

Рассмотрим механику: система автоматизации контекстной рекламы Alytics каждый день в 4 утра получает выгрузку от Gismeteo по API c прогнозом погоды на текущие сутки. Для принятия решения за основу берется дневная температура в градусах по Цельсию в зависимости от региона и отсутствие осадков. Поскольку лето 2015 года выдалось дождливым и холодным, в середине отчетного периода правила пришлось скорректировать в сторону допущения небольших осадков (мелкий дождь).

Температура в 2015 году была в среднем ниже, чем год назад:

Правила работы со ставками мы сформировали следующим образом:

Исходная ставка увеличивается на 100%, если:

дневная температура воздуха больше порогового значения;
нет осадков или мелкий дождь;
нет облаков или малооблачно.

Исходная ставка увеличивается на 50%, если:

дневная температура воздуха больше порогового значения;
есть осадки — дождь;
облачно.

Исходная ставка остается без применения коэффициента, если:

дневная температура воздуха меньше порогового значения;
осадки — сильный дождь;
пасмурно.

В остальных случаях, которые не затронуты ни одним из правил, ставки не изменяются. Визуальная схема автоматизации ставок:

Результаты

Рост конверсии в покупку с рекламных кампаний «Садовая мебель» на 21%.
Рост дохода по данной категории за отчетный период на 64%.
Рост расхода по рекламным кампаниям «Садовая мебель» на 18,5%.

Руководитель отдела интернет-маркетинга компании Татьяна Панина сообщила о намерении продолжать подобные эксперименты.

Интересно, у нас был схожий опыт. Замечали зависимость конверсии от наличия/отсутствия дождя. Проект по продаже керамзитоблоков. Если шел дождь то конверсия резко падала (стали снижать ставки). В дни солнечные поднимали. Итоговый ROI заметно улучшилсяулучшился.

Рекомендую еще проверить гипотезу: "ожидание солнечных дней", те если Гидрометцентр сообщает, что через N дней планируется солнце, то конверсия может начать отрастать уже с этого момента "ожидания", а ставки низкие. У нас это есть в планах.

Татьяна, здравствуйте. Скажите, а как вы определяете, на что повлияло использование вами новой системы, а что связано с просто другой погодой в сезоне, трендами и всеми остальными факторами?

Добрый день, до этого лета никакой системы не было. Было управление ставками по данной категории такое же, как и по остальным - от ROI. В этом году добавился фактор погоды по описанной схеме. Факторы: рост год к году, увеличение цен в связи с кризисом отделялись на этапе анализа конечного эффекта. В итоге получался все равно плюс в доходе и ROI, но конечно не такой большой, как общая цифра.

Т.е. ничего кроме "рост год к году" и фильтрации "по росту цен"?

Коллеги, это первый опыт проверки гипотезы, которая 50/50 могла, как сработать, так и нет, тем более на нашей специфичной категории. Если вы готовы посоветовать: "а подумайте еще", "а проверьте еще", "а посмотрите еще" - мы будем рады и благодарны новым идеям и диалогу. Особенно, если у кого-то есть аналогичный опыт управления контекстом.

Хорошо, Татьяна, я бы посоветовал вам еще: 1. Для начала разделить контекстную компанию на 5 максимально равномерных групп объявлений. 2. Для каждой группы назначить ставки следующим образом: с двумя группами (они будут контрольными) ничего не делать, просто трекать отдельно от остальных; в одной группе действовать по тестируемому правилу (менять ставки от погоды), еще в одной группе сделал бы на весь период теста +100% цены, и в последней +50%. 3. Прокрутил бы их статистически значимое время. 4. Посмотрел разницу показаний по выручке/расходам первых двух групп для определения погрешности разделения объявлений (читать эксперимента). 5. Сравнил бы показания по трем тестовым компаниям с одной из контрольных групп. 6. Если бы разница в конверте была достаточной для статистичекских выводов, сделал бы их.

К такой методологии тоже было бы не мало вопросов, но она бы могла хоть что-то показать, если мы нормально справились с задачей из пункта 1.

В вашей же текущей проверке гипотезы не учтено влияние даже средней цены клика (читать позиции на выдачи и места в аукционе) на конверсию и средний чек, может раньше "работая по ROI" вы и не учитывали. Также у вас сейчас не учтена активность оффлайна и вклад других каналов, конкуренты и много чего еще (сравнение с прошлым годом куда более спорный критерий оценки).

Итого ваше текущее исследование я сходу смог бы интерпретировать минимум пятью разными способами, и ваш вывод был бы отнюдь не самым правильным с моей точки зрения.

1. Разделить на 5 групп - сложновато, но ок. 2. У нас есть основное правило - размер ставки определяет категория приведенного лида за последние N дней (прямой заказ, звонок, подписка и тп). Тут оно никак не учтено. 3. ок 4. Мы еще смотрим на "штуки" - ок. 5. т.е основной фактор берем - конверсия? Но для нас важнее стоимость привлеченных лидов) 6. Нам все равно какая средняя цена, нам все равно какая позиция - нам важен уровень получаемого лида и стоимость его получения. Т.е мы стартуем от заоблачной ставки, чтобы набрать статистику, а дальше оставляем ее уровень в случае эффективности ключа или снижаем в случае неэффективности. В этой ситуации мы получаем максимум разноуровневых лидов при контролируемой эффективности. У нас нет задачи - нагнать и побольше. 7. Активность оффлайн, конечно же учитывается, но она не менялась год к году на столько, чтобы создать серьезный шум. 8. Другие каналы? Опять же не было столько серьезного изменения в каком-то из каналов, чтобы повлиять на контекст в плюс, или наоборот, забрать долю у контекста. 9. А как в данной ситуации притянуть конкурентов? Рост ставок на аукционе - нам не важно. Что-то еще?

Пункты 7,8 и 9 я расписывать не буду из-за лености своей природной, скажу лишь, что все они могут влиять на конверсию, и список их можно дополнить.

Т.е мы стартуем от заоблачной ставки, чтобы набрать статистику, а дальше оставляем ее уровень в случае эффективности ключа или снижаем в случае неэффективности. В этой ситуации мы получаем максимум разноуровневых лидов при контролируемой эффективности. У нас нет задачи - нагнать и побольше. 5. т.е основной фактор берем - конверсия? Но для нас важнее стоимость привлеченных лидов) Вы не находите эти факторы зависимыми? - ок.

А вот здесь вы загоняете себя в ловушку, если я правильно вас понял: Один раз прогнувшись ставками на сезонном спаде или будучи вытесненными конкурентами вы не имеет механизма возврата наверх. Это приводит к тому что на длинной дистанции вы потенциально теряете вкусных клиентов из-за имеющегося механизма регулирования ставок. Вполне вероятный вывод из вашего эксперимента - подъем ставки на 50-100% просто вернул вам вкусный трафик, которого вы сами себя до этого лишили. И получается, что погода здесь не при делах (вы могли также получить профит меняя цену клика просто по четным/нечетным дням недели, а если бы подняли на весь период теста возможно получили бы еще больше профита).

ps Я ничего не имею против самой гипотезы, проблема в том, что по факту вы ее не проверили.

Федор, у нас получается очень длинная дискуссия. Мы можем перенести ее в рамки фейсбук, например? Чтобы не писать здесь длинные "тирады" ;)

Год назад была похожая статья про ребят из Украины, занимающихся доставкой еды. они в дождливую погоду закупали контекст, что увеличивало конверсию. Погода на самом деле влияет на конверсию

За 2 минуты нагуглился скрипт управления ставками в зависимости от погоды в AdWords

📎📎📎📎📎📎📎📎📎📎