Как мы снизили число нецелевых обращений с 87% до 2-3% при помощи оригинальной корректировки

ARMAND – автосалон KIA

Официальный дилер KIA в Москве, а также мультисервис по услугам ремонта всех легковых марок авто.

Проблема:

1. К клиенту обращались из нецелевых отдаленных районов Москвы или области. Бюджет расходовался на нецелевых лидов, которые не конвертировались в клиентов.

2. Заказчик хотел масштабировать бизнес и продавать клиентам услуги автосервиса.

Задачи:

1. Запустить продвижение сервиса новых марок при увеличении маркетингового бюджета на 30%, но при это несмотря на рост стоимости клика, вызванный выкупом большего объема трафика, сохранить прежнюю стоимость обращения;

2. Избавиться от звонков из нецелевых геолокаций в Москве – сделать фокус на аудиторию, которая находится рядом с дилером.

Как выжали максимум из бюджета и получили лиды по новому направлению?

В условиях ограниченного бюджета рекламировать сервис по 7 новым маркам автомобилей непросто, однако в агентстве нашли решение.

Чтобы сохранить количество обращений и, при этом, оставить на прежнем уровне их стоимость, мы детально проработали текущую рекламу в Яндекс Директе, настроенную до нас. Для этого отключили все нестабильные запросы и сосредоточились только на том, что точно приносило лиды. В итоге объем семантики снизился на 43%, но сама лидогенерация при этом осталось такой-же эффективной

Сделали ставку на среднечастотные запросы по техническому обслуживанию и общие по ремонту. От низкочастотных ключей отказались по простой причине - по ним долго собирается статистика, а результат нужен здесь и сейчас. После подбора семантики, приступили к запуску рекламы и стали получать первые результаты.

Для Google Ads не хватало бюджета. Из-за этого рекламные кампании останавливались уже к обеду и были неэффективны - стоимость обращения резко выросла. Мы решили отключить ряд кампаний и вместо этого запустить "умную" кампанию Google сразу по всем маркам автомобилей. Для этого подобрали небольшой пул высокочастотных целевых запросов и загрузили объявления. И уже за первые две недели кампания показала весьма хорошие результаты!

Параллельно с рекламной кампанией шла работа и над лидами, которые поступали из разных частей Москвы.

В большинстве случаев, для ремонта и обслуживания, клиенты предпочитают обращаться в тот центр, который находится ближе к ним. Когда пользователи кликают на контекстную рекламу и узнают, что дилер находится от них далеко, они, как правило, закрывают страницу и продолжают поиск. При таком поведении пользователя, конверсия может сильно «просесть», не говоря уже о повышении стоимости лида. «Арманд» находится на севере Москвы, и поэтому дилер больше заинтересован в том, чтобы получать звонки от клиентов из этого округа.

До этого мы использовали гиперлокальный таргетинг, «чистили» поисковые запросы и пробовали минусовую корректировку на весь город. Но это не давало результат. 87% трафика от рекламы шло не от аудитории рядом с сервисом, а от всей Москвы в целом. Как итог: много звонков, но мало клиентов.

Ещё одним эффективным решением стала настройка Предикта к коллтрекингу Calltouch, который использовался для определения источников и уникальности звонков.

Чтобы справиться с целью избавиться от нецелевых звонков, надо было понять долю этих самых обращений по телефону. Поэтому, вдобавок к коллтрекингу Calltouch, который определял источники и уникальность звонков, настроили Предикт. Эта технология речевой аналитики, которая распознает разговор клиента, преобразует его в текст и тегирует каждое обращение. Если клиент обратился по вопросу ремонта конкретной модели, то система присваивала в отчете «Журнал звонков» соответствующий тег – например, «Kia Sorento Prime TO-2». А если пользователь связался с центром из нужной, ближайшей локации, то система отмечала это в отчете релевантным тегом. Это позволило в разы ускорить обработку и анализ поступающих звонков.

Завершающим и очень интересным решением стала также работа с корректировками. Вместо того, чтобы создавать аудиторию рядом с автосервисом, мы сформировали аудиторию, которой мы не хотели показывать объявления (пример на скрине) и задали для неё корректировку -100%. Целевые аудитории также сохранили, но повышающую корректировку снизили с 800% до 40%, так как установили достаточные ставки. Кроме того, пересмотрели тексты объявлений, вместо указания скидок и акций прописали расположение сервиса.

В результате количество звонков с нецелевых регионов снизилось до нормы и составило 2-3%.