[Örnek Olay] Facebook ve Google'da Ürün Varyasyonlarını Etkili Bir Şekilde Yönetme

Sorun: Optimizasyon ve ölçekleme

Müşterimizin iki temel amacı vardı:

1. Hızla büyüyorlar : Beklenen satışlarının gerisinde kaldılar ve Kara Cuma yaklaşıyordu.
2. Bütçelerini optimize etme : Daha az sayıda modele daha fazla harcama yaparak bütçelerinden en iyi şekilde yararlanmak istediler.

Aslında, çok sayıda beden çeşidine sahiptiler (ana ürünlere kıyasla):

• 150 Ebeveyn Ürünleri
• 1200+ Boyut çeşitleri

Çok basit bir hesaplama, varyantları dahil edip etmeme seçiminin kampanyalarının sonuçlarını nasıl etkileyebileceğini anlamamıza yardımcı oldu.

Boyut çeşitleriyle:

• Ortalama Dikey TBM: 0,10 € - 0,20 €
• Günlük Alışveriş Bütçesi: 100 €
• Tahmini Günlük Tıklamalar: 500-1000 tıklama
• Varyantlı SKU sayısı: 1200
• Ürüne göre tahmini tıklamalar: 0,41 - 0,83
  

Boyut varyantları olmadan

• Ortalama Dikey TBM: 0,10 € - 0,20 €
• Alışveriş için Günlük Bütçe: 100 €
• Tahmini Günlük Tıklamalar: 500-1000 tıklama
• Varyant içermeyen SKU sayısı: 150
• Ürüne göre tahmini tıklama sayısı: 3,33 - 6,66

Bu İtalyan malı kadın ayakkabısını kaç kişinin aradığını görmek için bir süre Google Alışveriş ve Arama kampanyaları yürüttük ve aramaya boyutu da ekledik. Arama terimlerini dışa aktardık ve izole ettik ve boyutları (ör. 42) içeren arama terimlerinin toplam aramaların %1'ini bile kapsamadığını gördük.

Markasız ayakkabı sektörünün %0,80 ile %1,50 arasında olan Ortalama Dönüşüm Oranını da dikkate aldık.

O noktada, tüm bu faktörleri bir arada göz önünde bulunduran ve hızlı bir şekilde büyümesi gereken varyantları içeren bir feed üzerinde çalışmayı göze alamazdık.

Başlangıç ​​noktamız

Orijinal stratejimiz, boyut değişkenlerini içermeyen bir feed'i dışa aktarmaktı. Bu çeşit türü, farklı fotoğraflara ve fiyata göre değişebilen alt beden çeşitlerine sahip renk çeşitlerinin aksine, ana ürünle aynı fiyata ve fotoğrafa sahiptir.

Platform, her birine farklı bir URL atayarak diğer içerik yönetim sistemlerinden daha fazla varyant kullandığından Shopify ile bunu yapmak kolay değildi. Şablonları özelleştirdikten sonra ana ürünlerle çalışmayı daha da zorlaştırır.

Ayrıca Dinamik Yeniden Pazarlama sorunu da vardı. Google Ads Yeniden Pazarlama Etiketinin, her zaman "shopify" + " _" + "IT" + içeren Shopify yerel kimlikleri yerine feed'i varyantsız tutmak için oluşturduğumuz zorunlu kimlikleri alacağından emin olmamız gerekiyordu. " _" + "öğe grubu kimliği" + "varyant kimliği" .

Çözüm

Tüm bunları göz önünde bulundurarak veri feed'i yönetimi ve optimizasyon yazılımı hakkında derinlemesine araştırma yaptıktan sonra DataFeedWatch'ı denemeye karar verdik. Parçacıklı, istikrarlı ve sürdürülebilir özelleştirmeye en iyi izin veren çözüm buydu.

İlk olarak, bir Facebook beslemesi oluşturmak için DataFeedWatch'ı kullandık. Ardından, boyut değişkenlerini otomatik olarak hariç tutma ve bu veri akışını bir .xml dosyası aracılığıyla dışa aktarma seçeneğine sahip olduk.

İşte tam olarak bundan bahseden bir makale: "Veri feed'inize varyantları ve ana ürünleri dahil etmeli misiniz? ”

Daha sonra, Varyant Kimlikleri yerine Ana Kimlikleri kullanarak ürün kimliklerini (diğer önemli özelliklerle birlikte) yeniden adlandırmaya karar verdik. Bunun nedeni, örneğin yalnızca en küçük beden tükendiğinde tüm ürünün "stokta yok" olarak etiketlenmesi riskini doğuracak "stok durumu" özelliğiyle kötü şöhretli bir çelişkiden kaçınmak istedik.

Sonuç, boyut değişkenleri olmayan, tüm özelliklerin yerinde ve kullanıma hazır olduğu bir feed oldu:

Varyantlarla Alışveriş reklamları oluşturma

Aynı zamanda, Google Alışveriş'in Ücretsiz Listelemeleri için kullanılacak tüm varyantları içeren bir Google Alışveriş feed'i oluşturduk. Öte yandan, Google'ın Alışveriş sekmesinde tüm varyantları görüntüleme imkanı verdiği için varyantları dahil etmek önemlidir.

Sonuçlar

Daha sonra bu durumdan yola çıktık (bu ürünün 15 çeşidi vardı):

Buna:

Bu ek faktörleri göz önünde bulundurursak, performansın ağırlığı daha da fazla anlam ve değer kazanır:

• Bu müşteri ile tamamen sıfırdan başladık. Daha önce hiç reklam yayınlamamışlardı, markaları piyasada yeniydi ve çevrimiçi geçmişleri veya marka bilinirlikleri yoktu.
• Web sitesi, herhangi bir geçmiş veri olmadan birkaç hafta önce oluşturuldu ve kullanıma sunuldu.
• Çok fazla bütçesi ve geçmişi olan büyük rakiplerin olduğu çok rekabetçi bir sektöre doğru ilerliyorlardı.
• Ürünlerinin fiyatları, iç maliyet sorunları nedeniyle çok rekabetçi değildi. Ürünleri, piyasa ortalamasının %20 üzerinde bir nihai fiyatla listelendi.
• Sonuçlar hemen, sabit ve ölçeklenebilir bir şekilde geldi.
  
  

DataFeedWatch ile (başlıklar, açıklamalar, promosyonlar ve indirimler gibi) besleme özelliklerini optimize etmenin avantajından yararlanarak, müşterilerimizi istikrar ve sürdürülebilirlik ile en üstte konumlandırabildik. En çok satanların sıraladığı aynı anahtar kelimeler için rekabet edebildiler.

Çok kanallı bir strateji oluşturma

Facebook reklamlarını listelemek için DataFeedWatch ile oluşturulan aynı beslemeyi kullandık. Bu, çeşitli izleme ve yeniden hedefleme nedenleriyle aynı veri kaynağını paylaşan çok kanallı bir strateji oluşturmamızda bize çok yardımcı oldu.

O zamandan beri, organik ve doğrudan trafik katlanarak arttı. Ayrıca, tüm trafik kaynakları göz önüne alındığında , müşteri sadece 5 ayda 0€'dan 300.000€'ya çıktı.

Müşterimiz, dijital pazarlama faaliyetleri için Bitmetrica'yı kullanmaya devam ediyor ve Google Alışveriş, gelir ve trafiğin büyük bir bölümünü kapsamaya devam ediyor.

Markaları hızla büyüyor ve ürünleri hala en önemli arama terimleri için sürekli ve istikrarlı bir şekilde mükemmel bir şekilde konumlandırılıyor.

Bitmetrica Hakkında

Bitmetrica , müşterilerinin büyük dijital pazarlama kanalları aracılığıyla işletmeleri için güçlü, istikrarlı ve sürdürülebilir bir çevrimiçi varlık oluşturmalarına yardımcı olan bir ajanstır.

Her müşteriye, ihtiyaçlarını dikkate alan prosedürleri, stratejileri ve optimizasyon taktiklerini uyarlayarak farklı şekilde yaklaşıyoruz. Yatırımlarını her zaman sürdürülebilir kılmayı hedefliyoruz.