[Estudo de caso] Como a boutique de roupas femininas australianas obteve lucros com o DataFeedWatch

O problema

Nosso cliente, Blue Bungalow, é uma das principais lojas online de compras de roupas femininas, como vestidos de linho e acessórios, com mais de 3.000 estilos fantásticos para escolher. A loja possui mais de 150 marcas diferentes.

A moda é hipercompetitiva em publicidade, pois um número crescente de empresas faz lances nos mesmos termos de pesquisa, fazendo com que os preços dos leilões aumentem.

Como resultado, se tudo o mais permanecer igual, para manter o volume ou aumentar, você pode aumentar o custo por clique para grupos de produtos em compras e termos de pesquisa na pesquisa, o que diminui o lucro, ou pode continuar como está enquanto o volume de cliques diminui para causar um queda na receita. O cliente nos procurou para identificar as questões e problemas enfrentados.

Nosso objetivo com o Blue Bungalow era simples: escalar por meio do lucro.

Você só pode escalar com fluxo de caixa positivo que vem da geração de lucro. O aumento do tráfego não importa, mais transações não importam e, mais ainda, a receita não importa. Qualquer negócio acabará por morrer sem lucro.

A Digital Darts auditou sua conta de anúncios atual, identificando vários recursos não usados ​​e uma falta de segmentação que significava que havia pouca discriminação de lances para otimizar as decisões de dimensionamento. As campanhas inteligentes de compras são muito comuns em empresas administradas pela Shopify porque são fáceis de criar e gerenciar.

As agências adoram a natureza prática, pois economiza tempo. Mas, é ganho de curto prazo para perda de longo prazo. O tipo de campanha não tem dados de termos de pesquisa que mostram quais consultas levaram a vendas, o que significa que você não obtém insights para impulsionar decisões de lucro ou dados de conversão de compras para alimentar ideias em campanhas de pesquisa.

A solução

Rastreamento de carrinho do Google Ads

Em 2020, o Google Ads lançou uma versão beta de seu código de acompanhamento de conversões de carrinho. Eu escrevi sobre como configurar isso em outro blog no DataFeedWatch chamado Google Ads Conversion Tracking with Cart Data .

Usamos o novo recurso que nos fornece dados de comércio eletrônico, como número de itens por compra, custo dos produtos vendidos e lucro nas compras. Os dados do carrinho são importantes, pois adicionam outra camada de informações relevantes sobre cada conversão.

Aproveitando os dados do carrinho, você pode ver quais itens, como calças e leggings, são comprados por meio de cliques em anúncios e quais produtos convertem melhor. Você também pode ver quais itens, como tênis, são os mais vendidos e o valor do lucro obtido.

Com o acompanhamento regular do Google Ads Conversion Tracking (GACT), se você segmentar vários grupos de produtos em sua campanha de compras, o máximo que você pode saber e avaliar é quais produtos foram clicados e o valor da receita proveniente da compra.

Segmentação com DataFeedWatch

Agora, usando o DataFeedWatch e os dados do carrinho, sabíamos quais produtos foram comprados, mesmo que o SKU clicado fosse diferente daquele no anúncio de compras.

Com a ajuda do campo Cost of Goods Sold (COGS) no feed de compras, podemos ver o lucro. O uso desses dados valiosos deu ao cliente e à nossa equipe uma ideia muito melhor e holística de quão lucrativas eram suas campanhas de compras. Isso nos ajuda a otimizar ainda mais as campanhas.

Não é incomum ver o lucro bruto se manter ou diminuir um pouco à medida que os custos aumentam, mas você pode ver como o lucro bruto pode crescer com as decisões certas:

Anteriormente na Shopify, era possível coletar informações de custo com meta campos que você criou. Gerentes e lojistas tiveram que inserir o custo por item em metacampos, então o DataFeedWatch conseguiu extrair e baixar essas informações.

No entanto, Shopify introduziu um campo de custo por item benéfico que podemos usar mais facilmente no DataFeedWatch. A maioria dos comerciantes usa esse campo agora, pois afeta vários relatórios na plataforma.

Para configurar o campo Cost of Good Vend para o Google Ads, no DataFeedWatch, criamos um campo interno chamado custo por item :

Isso oferece flexibilidade e facilidade para usar os mesmos dados em outros canais, como anúncios dinâmicos de produtos nos anúncios do Facebook.

Em seguida, para o feed do Google Shopping, mapeamos o atributo cost_per_goods_sold do Google para o campo interno:

No meu livro Google Shopping For Shopify: The Definitive Guide , a estratégia e vários campos são discutidos mais detalhadamente para otimizar as campanhas de compras.

O sistema do Google Ads é extremamente subjetivo e automatizado. É subjetivo em relação ao que considera ser a maneira mais eficaz de otimizar sua campanha publicitária e gastar seu valioso dinheiro em publicidade.

No entanto, acreditamos em estratégias e recomendações objetivas baseadas em dados factuais e alinhadas a objetivos específicos.

Anúncios dinâmicos de pesquisa com DataFeedWatch

O DataFeedWatch também foi usado para anúncios dinâmicos de pesquisa (DSAs) como uma estratégia para coletar dados de pesquisa não capturados em outras campanhas de pesquisa. Quanto maior a contagem de SKUs de uma loja, mais importante é uma estratégia automatizada para manter os dados.

• Criamos e mantivemos uma estratégia de DSA com o DFW para o Blue Bungalow:
• criar um canal personalizado,
• escolhendo um formato de separador de vírgulas,
• renomear o URL da página para usar o URL da variante da Shopify,
• e usando um rótulo personalizado para se adequar à marca.

O arquivo CSV é então carregado como dados da empresa e pode ser buscado regularmente para manter as campanhas de DSA atualizadas. Os lances podem ser personalizados para atender ao lucro.

Extras

Outras estratégias implementadas envolveram a segmentação de tráfego com e sem marca em todos os tipos de campanha. Além disso, a criação de campanhas de pesquisa manual aprofundadas e, eventualmente, a aquisição a frio por meio de exibição, à medida que os dados de conversão continuavam a aumentar.

Os resultados

• O gasto total com anúncios aumentou em 2.000% e a receita em 3.000% , enquanto o lucro bruto continua a subir.
  
  
• As campanhas de Google Ads do Blue Bungalow são mais lucrativas do que no passado.

• As campanhas de exibição a frio agora geram mais lucro do que todas as campanhas gerenciadas anteriormente antes de embarcarmos.

• Com o aumento do número de visitantes recorrentes do cliente, bem como o aumento do valor da vida útil do cliente, a receita de outros canais está crescendo a partir do topo do funil, tráfego de termo genérico.

Se você é uma marca da Shopify e deseja otimizar suas várias campanhas de marketing pagas, recomendamos o DataFeedWatch como sua ferramenta de gerenciamento de feeds.