5 устаревших приемов в контекстной рекламе, которые сливают бюджет

Директ, а вместе с ним и поисковая реклама в Яндексе, существуют с 2001 года. За это время алгоритмы менялись не один раз. И те стратегии, структуры и рекламные материалы, которые работали ранее, сейчас либо не работают вообще, либо приводят к проблемам: например, к превышению бюджета. Рассмотрим приемы, от которых давно пора отказаться

Первое место в выдаче для дженерик-запросов

Дженерик-запросы — это общие запросы тематики. Иногда их называют категориальными, но основное их условие — запрос не содержит название бренда. Например, «красные туфли на каблуке» — это дженерик-запрос, а «красные туфли Gucci» — это запрос с включением бренда.

До сих пор встречаются рекламодатели, которые оценивают эффективность рекламы по тому, видят ли они себя в выдаче на первом—втором месте. Когда-то такая тактика действительно работала, ведь реклама показывалась без учета поведенческих факторов. Тогда же не существовало и автоматических стратегий, которые целятся на конверсии.

Тогда реклама, отображаясь на первом месте по общему запросу вроде «пальто для девочки», давала такие результаты:

приводила целевых клиентов, которые в итоге совершали покупку — то, что нужно;
приводила просто любопытствующих — трата рекламных бюджетов;
показывалась людям, которые просто хотели посмотреть товар в Яндекс Картинках — снижение CTR;
показывалась рекламодателю, который проверял выдачу — снижение CTR.

И всё это было большой проблемой, поскольку объявления для выдачи выбирались по совокупности ставки, коэффициента качества и кликабельности.

Сейчас же алгоритмы с большей вероятностью показывают объявление людям, которые заинтересуются им.

Вывод
Для дженерик-запросов сегодня не так важно бороться за первое место — важнее выиграть показ для своей аудитории.

Ядра с несколькими тысячами низкочастотных запросов

До появления автоматических кампаний по фиду/сайту и автотаргетинга популярным подходом было выбирать всю емкость запросов. Для этого, например, мог использоваться Key Collector — программа, которая могла собрать семантическое ядро в многие тысячи запросов. Ей передавался небольшой список основных ключей, а на выходе получался огромный список, который дальше нужно было почистить.

Часто запросы даже собирались по узким артикулам вручную. И эта стратегия себя оправдывала: те специалисты, которые достаточно заморочились, могли получить очень горячие переходы по низкой стоимости — за счет того, что другие рекламодатели не использовали эти запросы, и ставка была на минимальном уровне.

Ядра регулярно дополняли и почти никогда не чистили, ведь пользователи могли начать использовать какие-то узкие запросы неожиданно. Потом полгода частотность была полностью нулевой, а затем снова получали по пять—шесть показов в месяц, и клиенты приходили.

Пример всех возможных типов запросов из Вордстата при продвижении товара «пальто для девочки». При сборе ядра специалисты могут выбирать все запросы из левого столбца, даже с частотностью 1

Сейчас собирать низкочастотные запросы прежними способами бессмысленно. Охват таких ключей на Поиске берут на себя два инструмента:

динамические объявления по сайту или по фиду данных;
автотаргетинг.

Динамические объявления по сайту или по фиду данных

При работе по сайту робот Яндекса:

Обходит сайт или отдельные страницы, которые вы указали в динамических объявлениях.
Создает список семантики, по которой могут быть показы.

Таким образом с верной микроразметкой и подробно заполненным сайтом/каталогом можно показываться так же, как и по супер-низкочастотному ядру.

Фид данных — это база, в которой хранится подробная информация обо всех товарах на сайте. Он содержит особые теги, по которым Директ определяет, по каким запросам и какие объявление показывать.

То есть в этом случае робот Яндекса использует для таргетинга не сайт, а фид данных.

Автотаргетинг

Автотаргетинг по семантическому соответствию оценивает:

заголовок объявления;
текст объявления;
контент сайта.

Объявление показывается пользователю, если его запрос соответствует интересам и тематике этих элементов.

Как автотаргетинг заменяет сбор низкочастотных ключей
Почти всегда в поисковом запросе есть вхождение нескольких основных слов, на которые может ориентироваться автотаргетинг. И если у нас в объявлении заголовок «Пальто для девочек любых цветов на весенний сезон», то мы охватим подобные низкочастотные поисковые запросы: «демисезонное пальто для девочки подростка 13 лет красное».

Несмотря на то что автотаргетинг существует довольно давно, доверять ему начали лишь в последнее время. Сейчас инструмент неплохо обучается нейросетями, а объявления почти всегда показываются по релевантному запросу.

Вывод
Специалистам не стоит тратить время на предварительный подбор низкочастотных фраз — лучше сосредоточится на создании качественного фида и проработке заголовков и текстов рекламного объявления.

РСЯ со структурой группа/ключ

Несколько лет назад кампании в РСЯ просто повторяли кампании на Поиске с небольшим отличием — добавлением изображений. Тогда структура кампаний была следующей: группа содержала один или несколько ключей, а заголовок писался с их вхождением. Сам таргетинг в РСЯ работал по запросам: рекламный материал показывался тем пользователям, которые вводили точно тот запрос, который был прописан в кампании. Поэтому копирование кампании с Поиска работало для сегментации пользователей.

Однако сейчас логика показа объявлений в рекламной сети совсем другая. РСЯ ориентируется на так называемые «привязки» — это множество сигналов, которые дают понять алгоритму, что пользователю реклама может быть интересна. Среди них:

тематика посещаемых пользователем площадок;
прошлые поисковые запросы;
интересы;
посещаемые места;
местоположение и т. д.

Вывод
Наиболее рабочий вариант для современной кампании РСЯ — это максимум таргетингов.

Внутреннее деление на группы эффективно сделать одним из способов:

«группа = тематика»: например, вариант с группами, где объявления посвящены конкретной услуге (допустим, проектирование и строительство), с разными таргетингами (ключи, профили, ретаргетинг);
«группа = вид таргетинга»: например, вариант, где группы разделены по типу таргетинга, в зависимости от целей и задач, которым служит кампания.

Сужение аудитории для кампаний с оплатой за конверсии

Это паттерн, который выработался у специалистов при работе с кампаниями с оплатой за клики. В этом случае привычная схема — сильно ограничить таргетинг кампаний:

выставить понижающие корректировки на неподходящий возраст или пол;
добавить десятки заминусованных целевых аудиторий;
исключить площадки показов;
почистить ядро от неконверсионных запросов;
расширить список минус-слов.

Для рекламы, где мы платим за клики, это действительно чудесная рабочая тактика. Но с оплатой за конверсии подобное сужение приводит к тому, что кампания глохнет, а показы исчезают. Ведь нейросеть стремится приводить пользователей, которые совершат конверсию. Время идет, по суженной аудитории найти нужных пользователей не удается, и нейросеть приходит к тому, что поставленную задачу она выполнить не может — а значит, и смысла показываться нет.

Вывод
При работе с кампаниями с оплатой за конверсии важно задавать максимальные таргетинги, скармливать системе больше релевантных данных:
подходящие заголовки и тексты;
подбор интересов;
яркие креативы;
максимально заполненные расширения.
Таким образом нейросеть Яндекса научится приводить конверсии.

Сильное дробление кампаний

Этот подход вытекает из предыдущего — специалисты привыкли дробить кампании. При этом сегодня почти 90% кампаний работает на автоматических стратегиях, которым необходимо большое количество данных для обучения.

Использовать узкую сегментацию кампаний, особенно если у товаров/услуг примерно одинаковый средний чек и спрос, не имеет смысла. Также не имеет смысла дробить кампании на сотни гео-таргетингов — у каждой из них охват будет совсем маленьким.

Вывод
Сегодня нужно сегментировать кампании, если при вашей маркетинговой стратегии это необходимо. Например, выделить кампанию с брендовыми запросами или разделить географию показов, если средний чек услуги слишком сильно отличается в разных регионах.

При этом бездумно отказываться от дробления кампаний тоже не стоит. Этот подход оправдан в двух случаях:

Сильная разница спроса. Тогда вынос продуктов с узкой емкостью позволит им показываться — более популярное направление не будет перетягивать на себя бюджет.
Деление по геолокации на крупные города и другие группы. Москву, на которую почти всегда приходится больший потребительский спрос, а также более разгоряченный аукцион, логично выделять. А вот условные Тверь и Владимир прекрасно уживутся в одной кампании, особенно если нет различий в условиях доставки.