[Studium przypadku] Agencja Midsummer — remarketing dynamiczny i regex

Spis treści

# 1 Wykorzystaj przecenione produkty dzięki remarketingowi dynamicznemu

• Wyzwanie: niewystarczający współczynnik konwersji dla kampanii remarketingu dynamicznego
• Rozwiązanie: wykorzystanie atrybutu ads_label dla przecenionych produktów
  
• Rezultaty: wzrost współczynnika konwersji, poprawa średniego czasu na stronie i współczynnika odrzuceń.
  
  

#2 Zapobiegaj awariom za pomocą wyrażeń regularnych

• Wyzwanie: skończona liczba wariantów do stworzenia reguły z funkcją „dodaj wartość statyczną”
• Rozwiązanie: stworzenie dynamicznej i skalowalnej reguły z wykorzystaniem wyrażeń regularnych
• Wyniki: zautomatyzowana i szybka kategoryzacja nowych atrybutów

#3 Umów się na konsultację ekspercką dotyczącą pasz [BEZPŁATNIE]

#1 Wykorzystaj przecenione produkty dzięki remarketingowi dynamicznemu

Jedną z najlepszych praktyk remarketingowych jest segmentacja użytkowników na podstawie ich pozycji w ścieżce zakupowej. W ten sposób możesz tworzyć niestandardowe kampanie i grupy reklam, aby stosować różne strategie, stawki i budżety.

Najbardziej klasyczny podział to:

• Użytkownicy odwiedzający stronę główną
• Użytkownicy odwiedzający stronę produktu
• Użytkownicy, którzy dodają produkt do koszyka
• Użytkownicy, którzy kupują produkt

Wyzwanie

W przypadku kampanii remarketingu dynamicznego skierowanej do użytkowników, którzy odwiedzają stronę produktu bez dodawania go do koszyka, stwierdziliśmy, że współczynnik konwersji był niższy niż zakładany. Postanowiliśmy więc zmienić naszą strategię.

Rozwiązanie

Wykorzystaj przecenione produkty, aby stymulować sprzedaż.

Zadaliśmy sobie pytanie: co jeśli spróbujemy zwiększyć konwersje testując kampanię skierowaną tylko do użytkowników, którzy odwiedzili dziś przeceniony produkt? Aby wdrożyć strategię, opracowaliśmy regułę w DataFeedWatch, aby utworzyć etykietę ads_label o nazwie „wyprzedaż”, aby powiązać ją ze wszystkimi przecenionymi produktami. Korzystając z funkcji „dodaj wartość statyczną”, zastosowaliśmy następującą logikę:

Notatka:

Nie jest to klasyczny atrybut custom_label, ale konkretny atrybut przeznaczony wyłącznie dla kampanii w sieci reklamowej.

Dlaczego warto korzystać z ads_label?

Jak dotąd jest to jeden z niewielu atrybutów, których możesz użyć do filtrowania produktów w reklamach dynamicznych na poziomie kampanii.

Następnie stworzyliśmy testową kampanię remarketingową – klon oryginalnej – wyświetlającą wyłącznie reklamy filtrowanych produktów. Mianowicie przedmioty przecenione, dla użytkowników, którzy w ciągu ostatnich 30 dni wykazali nimi zainteresowanie.

Kto z nas nie lubi korzystać z rabatu?

Wyniki

Wpływ tej strategii jest imponujący, zarówno pod względem sprzedaży, jak i zaangażowania. Taktyka ta pozwala reklamodawcy na skorzystanie z naturalnego zjawiska zakupowego, w którym użytkownicy zwabieni zniżkową ofertą odkrywają i kupują również inne produkty.

W kampanii testowej odnotowaliśmy 18% wzrost współczynnika konwersji w porównaniu z pierwotną, 30-sekundową poprawę średniego czasu na stronie, przy zwiększeniu współczynnika odrzuceń o 20%.

CTR reklamy również wzrósł o 20%, ze względu na obecność tagu układu „Zniżka ceny”, funkcji automatycznie aktywowanej dla ostatnio przecenionych produktów.

Filtrowanie kampanii pod kątem podgrupy produktów pozwoliło nam ostatecznie obniżyć jej udział w wyświetleniach z 10% do 38%.

Wróć na górę strony lub Umów się na konsultację ekspercką dotyczącą kanału [BEZPŁATNIE]

#2 Zapobiegaj awariom za pomocą wyrażeń regularnych

Wyrażenia regularne (lub regex) to funkcje lub formuły zdolne do wyszukiwania, filtrowania lub zastępowania ciągów tekstowych zgodnie z predefiniowanym wzorcem.

Są szeroko stosowane w programowaniu i analizie danych. I nawet dla nas, marketerów, stanowią one szwajcarski nóż, który zawsze należy nosić przy sobie. Na przykład, gdy używamy Google Analytics do tworzenia filtrów widoków, celów lub segmentów.

Tworzenie złożonych zależności między atrybutami pliku danych może być potężnym narzędziem w rękach marketerów cyfrowych. Ale może również stać się bronią obosieczną, jeśli nie zwrócisz uwagi i nie podejmiesz środków ostrożności. Dla osób pracujących w branży modowej kolor, rozmiar i materiały to podstawowe atrybuty. Zarówno jako samodzielne pola, jak i jako informacje, które należy uwzględnić w tytule, aby przekonwertować ruch wysokiej jakości. W związku z tym polecamy ten doskonały przewodnik Google dotyczący najlepszych praktyk dla osób pracujących w sektorze mody.

Dla wszystkich naszych klientów z sektora mody zazwyczaj tworzymy Tytuł dynamicznie, korzystając z różnych wcześniej istniejących atrybutów w pliku danych (materiały, kolor, rozmiar, nazwa produktu) i kierując się zasadą:

Ostateczny wynik to: Designer Women Cotton Shirt, Red, ProductName, XL.

I jak dotąd wszystko w porządku. Często wewnętrzne pola używane w tytule nie są podawane w danych surowych - muszą być ekstrapolowane lub utworzone od podstaw przy użyciu danych dostarczonych w kanale źródłowym. W tym konkretnym przykładzie pobraliśmy informacje z kolumny pliku danych zawierającej informacje o kolorach i materiałach sprzedawanych produktów. Atrybuty produktów, które po prostu nie byłyby odczytywane przez Google, gdyby zostały podane w oryginalnej kolumnie pliku danych.

Lewa część powyższego obrazu pokazuje kolumnę „tagi” źródłowego pliku danych. Prawa część pokazuje przykład, w jaki sposób wykorzystaliśmy te informacje do opracowania reguły, która tworzy atrybut „materiały”.

Wyzwanie

Ograniczeniem korzystania z funkcji „dodaj wartość statyczną” jest to, że można uwzględnić tylko skończoną liczbę wariantów istniejących w momencie tworzenia reguły. W takim przypadku traci się dynamikę. Co się stanie, jeśli klient doda do katalogu nowe produkty, z niesklasyfikowanymi jeszcze materiałami lub nieprzewidzianymi do tego czasu kolorami i wzorami?

Powiem Ci...atrybuty (np. materiały, kolory itp.) będą puste, a co gorsza będą wyświetlały nieprawidłowe wartości. W rezultacie zależne atrybuty, takie jak Tytuł, a ostatecznie inne korzystające z tych wewnętrznych pól (np. niestandardowe etykiety, opisy) poniosą konsekwencje, przekształcając się w coś takiego:

Designerska koszula damska , , , ProductName, XL

Z pewnością nie jest to tytuł zoptymalizowany. Pozwolę sobie wyobrazić, jaki wpływ może mieć taka sytuacja. Nie tylko na skuteczność, ale także na strukturę Twoich kampanii zakupowych, które nagle mogą przestać działać.

Rozwiązanie

Na szczęście dla nas w 1950 roku dżentelmen Stephen Cole Kleene, amerykański matematyk, wraz z innymi pewnymi siebie młodymi mężczyznami ożywił to, co powszechnie znamy jako wyrażenia regularne.

Za pomocą wyrażeń regularnych udało się stworzyć dynamiczną i skalowalną regułę - znacznie lepszą w porównaniu do poprzedniego rozwiązania. Mechanizm ten automatycznie wyodrębnia obecne i przyszłe informacje o materiałach z kanału źródłowego, eliminując ryzyko naruszenia funkcjonowania atrybutów zależnych.

Oto jak uzyskać ten sam wynik, co na poprzednim zrzucie ekranu, ale w skalowalny sposób, używając tylko prostego wyrażenia regularnego.

Zawsze pamiętaj, aby przetestować działanie wyrażeń regularnych. Opcja podglądu i wsparcie oferowane przez DataFeedWatch są w tym bardzo pomocne.

Wyniki

Dzięki tej optymalizacji byliśmy w stanie zapobiec błędom kanału i awariom ruchu. Dodatkowo pozwoliło nam to zautomatyzować i przyspieszyć kategoryzację nowych atrybutów, koloru, kategorii i innych informacji o produkcie tworzonych przez klienta, unikając żmudnej ręcznej pracy nad paszą czy ingerencji działu IT.

To tylko dwa przykłady tego, jak narzędzie do zarządzania plikami danych wraz z siłą ludzkiego mózgu może pomóc w testowaniu niekonwencjonalnych pomysłów oraz w zapobieganiu i rozwiązywaniu codziennych problemów. Pomagając ci pozostać konkurencyjnym i uniknąć apokaliptycznych scenariuszy.

Jedynym ograniczeniem jest kreatywność, nigdy nie przestawaj testować!!

--
Podobał Ci się ten artykuł? Zapoznaj się z poradą Michele na temat wykorzystania sieci partnerów wyszukiwania.

Studium przypadku agencji Midsummer