Marketing e-commerce, który liczy zysk, a nie tylko ROAS

ROAS pokazuje przychód w stosunku do wydatków na reklamę. Nie wie nic o marży, zwrotach, kosztach dostawy ani prowizjach za płatność. Kampania może więc wyglądać świetnie, bo sprzedaje dużo produktów, na których po odjęciu kosztów prawie nic nie zostaje, a jednocześnie ograniczać te, które zarabiają.

Zaczynamy od policzenia progu opłacalności dla grup produktów o różnej marży. Potem dzielimy kampanie i plik produktowy według tych grup, żeby każda miała własny cel. Tam, gdzie sklep pozwala przekazać dane o marży, podłączamy je do systemów reklamowych, a raport miesięczny pokazuje zysk po kosztach reklamy.

Kampanie produktowe i Performance Max biorą z pliku produktowego wszystko: tytuł, zdjęcie, cenę, dostępność i kategorię. Jeśli tytuły są skrótami z systemu magazynowego, brakuje atrybutów albo część ofert jest odrzucona w Google Merchant Center, reklama pokazuje się na gorsze zapytania albo nie pokazuje się wcale.

Przeglądamy plik produktowy pozycja po pozycji: odrzucone oferty, tytuły, opisy, identyfikatory produktów, kategorie, zdjęcia i zgodność cen ze sklepem. Dodajemy etykiety niestandardowe, które pozwalają sterować budżetem według marży, sezonu czy stanu magazynu. Przy dużym asortymencie uzupełnianie opisów i atrybutów przyspieszamy z pomocą AI, a wynik sprawdza człowiek.

Systemy reklamowe najchętniej docierają do osób, które znają sklep: szukają jego nazwy, były niedawno na stronie albo już kupowały. Takie zamówienia są tanie i poprawiają wyniki kampanii, ale nie oznaczają wzrostu. Sprzedaż stoi w miejscu, mimo że raporty wyglądają dobrze.

Rozdzielamy ruch na nazwę marki od pozostałego oraz nowych klientów od powracających, w kampaniach i w raportach. Dla pozyskania nowych kupujących ustawiamy osobne kampanie i osobny cel. Powracającymi zajmują się tańsze kanały, na przykład e-mail i wiadomości po zakupie, a przy ocenie budżetu bierzemy pod uwagę wartość klienta w czasie, nie tylko pierwsze zamówienie.

Klient dochodzi do koszyka i rezygnuje, gdy dopiero tam widzi koszt dostawy, musi założyć konto, nie znajduje swojej metody płatności albo formularz źle działa na telefonie. Część osób po prostu odkłada decyzję i nikt im o niej nie przypomina. Każda taka wizyta była już opłacona w reklamie.

Przechodzimy ścieżkę zakupową na telefonie i komputerze, zestawiamy ją z danymi z analityki i wskazujemy kroki, na których odpada najwięcej osób. Poprawki układamy od najprostszych: informacja o dostawie i zwrotach na karcie produktu, zakup bez rejestracji, krótszy formularz. Do tego ustawiamy automatyczne wiadomości po porzuconym koszyku i reklamy przypominające o produkcie.

Po zmianach w zasadach prywatności część użytkowników nie zgadza się na śledzenie, a przeglądarki ograniczają pliki cookie. Liczba zamówień w panelu reklamowym, w analityce i w sklepie przestaje się zgadzać. Bez poprawnie wdrożonego trybu uzgadniania zgód systemy reklamowe dostają mniej danych i gorzej dobierają odbiorców.

Sprawdzamy baner zgód, tryb uzgadniania zgód, konwersje rozszerzone i to, czy wartości transakcji trafiają do systemów poprawnie. Tłumaczymy, które liczby są zmierzone, a które modelowane, i ustalamy jedno źródło prawdy, zwykle dane ze sklepu. Dzięki temu decyzje o budżecie nie zależą od tego, który panel akurat otworzysz.