Spis treści
Czytasz teraz:
Case Study VCM Verseo Campaign Manager
Zamknij
Analiza efektywności optymalizacji kampanii Google AdWords na przestrzeni 4 miesięcy przy użyciu Verseo Campaign Manager
Platforma VCM wywołuje bardzo duże zainteresowanie, z którego niezmiernie się cieszymy. Towarzyszy temu jednak sporo pytań o efekty działania VCM, jego skuteczność i przykłady wykorzystania u naszych klientów. Chcąc udzielić satysfakcjonującej odpowiedzi, przygotowaliśmy kompleksowe case study, które, jak mamy nadzieję, rozwieje wątpliwości i dostarczy potrzebnych informacji.
Czym jest VCM?
Zanim jednak przejdziemy do omówienia efektów optymalizacji przy pomocy VCM, wyjaśnijmy pokrótce, czym właściwie jest ta platforma i w jaki sposób działa. Mówiąc bardzo ogólnie, jest to opracowane przez nas narzędzie służące do optymalizacji kampanii prowadzonych w systemie Google Ads. Oparte jest na algorytmach samouczących się, które przez 24 godziny na dobę, 7 dni w tygodniu zbierają dane na temat danej kampanii i automatycznie wprowadzają w niej zmiany, które pozwalają jak najlepiej wydawać budżet reklamowy. Im więcej danych zgromadzą, tym skuteczniej są w stanie optymalizować ustawienia.
Wykorzystywanie machine learningu, na którym oparty jest system VCM, to jeden z najbardziej przyszłościowych i obiecujących trendów w marketingu internetowym. Zauważyliśmy to już wiele lat temu, co doprowadziło nas do pomysłu stworzenia platformy, która w dużym stopniu zautomatyzuje proces optymalizacji kampanii reklamowych. Z tej idei 5 lat temu narodził się VCM. Obecnie to platforma przetestowana na ponad 1mld kampanii, dzięki której można zmniejszać koszty konwersji zarówno przy ogromnych, jak i niewielkich budżetach. W VCM dostępnych jest ponad 50 strategii optymalizacji, co sprawia, że jesteśmy w stanie dopasować sposób działania do indywidualnych potrzeb klienta i skupiać się na osiągnięciu najważniejszych dla niego celów. Wśród dostępnych strategii znajdują się między innymi:
- ulepszony CPC,
- maksymalizacja kliknięć,
- maksymalizacja konwersji,
- maksymalizacja przychodu,
- docelowy ROAS,
- docelowe CPA,
- docelowy udział w wyświetleniach,
- maksymalizacja wyświetleń,
- maksymalizacja konwersji w oparciu o budżet,
- maksymalizacja kliknięć w oparciu o budżet,
- wybrana lokalizacja na stronie wyszukiwania,
- optymalizacja wyniku jakości w zaplanowanym budżecie,
- minimalizacja kosztów pozyskania określonej liczby kliknięć.
To jednak zaledwie niewielka część dostępnych opcji – w przypadku każdej nowej kampanii nasi specjaliści dobierają najkorzystniejsze ustawienia.
Przykładowe optymalizacje za pomocą VCM
Aby jednak nie być gołosłownym, postanowiliśmy przedstawić na przykładach, jakie wyniki można osiągnąć dzięki optymalizacji konta za pomocą VCM.
Przeanalizowaliśmy na potrzeby tego case study 22 konta Google Ads. Celowo pominęliśmy grudzień w naszych rozważaniach, bo to okres, gdy 80% kampanii ma spore wzrosty zamówień, a nam nie chodzi o “kreatywne” na wzór księgowości case study. Wybraliśmy kampanie z długą historią o ustabilizowanych wynikach miesięcznych (koszty, przychody/zamówienia, koszt zamówienia) i zoptymalizowane. Konta Google Ads mamy zarówno dla sklepów, jak i usług.
W tym case study nie ma kont z krótką historią, kont, na których prowadziliśmy równolegle kampanie brandowe lub gdzie poprawa efektów nastąpiła znacząco szybko, np. w ciągu kilku dni. Zrezygnowaliśmy też z wprowadzania do próby kont, które przeszły całkowitą przebudowę pod kątem podłączenia do VCM. Analizowany czas optymalizacji to 4 miesiące.
Celowo pokazujemy wyniki zarówno dla kont małych, poniżej 500 PLN (budżet w skali miesiąca), żeby pokazać, jak system radzi sobie z kontami o małej ilości danych, jak i dla kont powyżej 10 000 w skali miesiąca (w tej kategorii mamy też konta o budżecie miesięcznym rzędu 50 000, jednak na potrzeby analizy wrzuciliśmy je do kategorii “powyżej 10 000 PLN”).
Na wykresach przedstawiliśmy 2 główne czynniki, które analizowaliśmy w okresie 4 miesięcy.
- Liczba zamówień
- Koszt pojedynczego zamówienia
Każdy wykres jest opisany.
Kategoria usługi lub sklep, wielkość budżetu w skali miesiąca.
Z lewej strony na niebiesko mamy oś zamówień (w przypadku usług zamówienia oznaczają pozyskanych klientów), którą na wykresie przedstawiają słupki.
Z prawej strony na czerwono mamy oś kosztu jednego zamówienia, którą na wykresie przedstawia czerwona linia.
Okres 1 to pierwszy miesiąc optymalizacji przez VCM, okres 4 to czwarty miesiąc optymalizacji.
Nad wykresem mamy procentowe podsumowanie efektów miesiąc ostatni (4) do miesiąca pierwszego (1).
Praktycznie na wszystkich analizowanych kontach widoczny jest wyraźny wzrost zamówień przy jednoczesnym obniżeniu kosztu zamówienia. Warto zaznaczyć, że im dłużej działa kampania, tym więcej danych mają nasze algorytmy. Stopniowo “uczą się” one konkretnej kampanii i analizują zachowanie odbiorców reklam, to zaś daje szanse na jeszcze lepsze wyniki w przyszłości.
Czytelnik
26 sty 2017, 17:50
Hej, niestety nie widac nic na mobile. Ogarne na kompie ale FYI, ze nie dziala 😉
Krzysztof Masłowski
27 sty 2017, 10:26
Witam,
To samo napisałem programiście 2h przez Twoim komentarzem. Android już działa ok, poprawiamy iOS. Mimo wszystko tabelki zawsze się lepiej ogląda na desktopie.
dzięki za feedback
Michał
27 sty 2017, 18:49
na iOS działa:)
Kacper
27 sty 2017, 09:43
Wzrost zamówień to nie 150% tylko 50% (dla pierwszego przykładu, adekwatnie dla reszty).
Ilośc zamówień to 150% 🙂
Krzysztof Masłowski
27 sty 2017, 10:30
Masz rację, że jest błąd, sprawdziłem swojego excela z wyliczeniami, źle zaczytała się formuła nam do bloga. Jest jeszcze inaczej 🙂
dla 1 przykładu jest +40, -25%, poprawiamy wszędzie.
thx
Krzysztof Masłowski
27 sty 2017, 10:53
poprawione 🙂
Michał Tkocz
27 sty 2017, 16:44
Cześć Krzysztof, czy przed samym rozpoczęciem optymalizacji kampanii za pomocą VCM, były wprowadzane jakieś zmiany w kampaniach, jak np.:
– Listy RLSA
– Udoskonalenie Feedów Produktowych
– Dodanie/usunięcie słów kluczowych
– Dodanie/usunięcie reklam
Do czego dąże: Czy wpływ na zaprezentowane wyniki miał TYLKO i WYŁĄCZNIE sam algorytm, czy TAKŻE działania agencji tuż przed wprowadzeniem systemu VCM?
Krzysztof Masłowski
30 sty 2017, 09:09
Cześć Michał,
Już staram się wyjaśnić:
Nie – nie były robione żadne specjalne zmiany na kampaniach. Oczywiście dodawanie/usuwanie reklam/słów (wykluczenia) to jest standardowa praca, która oczywiście była wykonywana. Szukałem kont ustabilizowanych, zoptymalizowanych i o równych wydatkach mc do mc, ale dopiero jak wziąłem dane, zacząłem liczyć otrzymałem wykresy jakie widzimy i sam je analizowałem dopiero. Rlsa były już wgrane wcześniej (jeśli była taka potrzeba).
Tak – pierwsza odpowiedź to nie do końca prawda, ponieważ przez ostatnie 2 lata intensywnie pracowaliśmy z algorytmami, a ostatni rok podpięliśmy kilkaset kont do naszej technologii VCM (chyba nie muszę mówić ile to było pracy;) ). Dzięki temu szybko zobaczyliśmy jakie struktury kont (ustawienia + typ budowy) pracują najlepiej i ulepszyliśmy swoje najlapsze praktyki budowy kampanii. Dlatego nie były robione, żadne specjalne zmiany, gdyż my już domyślnie budujemy kampanie wg “właściwego sposobu”. Feedy także.
Podsumowując:
Nie do końcą mogę się zgodzić, że pracę wykonał/wykonuje sam algorytm. Jako specjaliści SEM mamy silny wpływ na jego działanie, dobór parametrów (ich modyfikacje w trakcie). Kolejna rzecz dzięki technologii każdy specjalista który opiekuje się kontem ma więcej czasu na przemyślenie strategii i jej modyfikacje, i tutaj się rodzi największa korzyść.
Patrząc na te wykresy i dane, mogę ocenić (moje subiektywne zdanie), że tam gdzie wzrosty były większe niż +-100%, dużą pracę odegrał także specjalista. Celem Case Study było ujęcie i analiza ustabilizowanych kont adwords (ale czy jest coś takiego jak “ustabilizowane konto adwords” ? 😉 ) .
Mam nadzieję, że pomogłem.
Michał Tkocz
30 sty 2017, 09:26
Dzięki Krzysztof za wyczerpującą wypowiedź. Ważny jest fakt, by czytelnicy wiedzieli, że w osiągnięciu przedstawionych wyników pomógł czynnik ludzki, i to za pewne nie w tak małym wymiarze 🙂
Krzysztof Masłowski
30 sty 2017, 09:56
Tak to prawda, nawet musimy być bardziej precyzjni jako specjaliści gdy używamy alogrytmów. Pozdrawiam
Wojtek
03 lut 2017, 21:38
Możecie podać adresy www, dla których robiliście testy, bo wygląda to jak fikcja literacka.
Krzysztof Masłowski
06 lut 2017, 11:50
Oczywiście, że nie możemy takich danych pokazać. Mało która agencja może coś takiego pokazać. Z resztą chcemy uniknąć dyskusji o klientach, bo nie o to nam chodzi.
Wszystkie Case Study to poważne biznesy.
VCM to duża platforma do optymalizacji, nie jakaś tam mała aplikacja. Ponad 2 lata pracowaliśmy nad tym produktem i bardzo dużo pracy spędziliśmy pracując z algorytmami, dlatego nas takie wyniki nie dziwią. Celowo jeszcze analizowaliśmy wyniki na przestrzeni 4 miesięcy, żeby pokazać, że system się uczy.
Gdy masz kampanie z obrotem 20k dziennie, i nagle zmieniają się wyniki na 30k dziennie (z dnia na dzień), to wtedy trudno w to uwierzyć.
Polecam przeczytać całą kategorię wpisów o VCM , gdzie starałem się pokazać przewagę pracy z VCM/DC/Machine Learning przy kampaniach online.
Zróbmy Teoretyczny przykład:
Kampania 20 000 słów kluczowych – ręczna optymalizacja kilka zmian dziennie.
z VCM min. 20 000 zmian dziennie na poziomie słowa kluczowego w skali mc daje nam to (dla 30 dni) 600 000 zmian + zmiany ręczne specjalisty, w skali 4 mc to już 2 400 000 zmian, w skali roku to już 7 300 000 zmian + zmiany przez specjalistę.
Wszystko przeliczone z ujęciem modeli statystycznych. Czy taka kampanie będzie mieć lepsze wyniki? Oczywiście.
Jeśli mamy obrót na sklepie 10 000 dziennie, 300k w skali mc i poprawimy to na 12000 dziennie to mamy wynik w mc na poziomie 360k, czyli wzrost na poziomie 20%, jeśli podniesiemy dzienny obrót do 12 500 mamy obrót w mc 375000, wzrost na poziomie 25% itd. itp.
Mikrozmiany, mikroefekty są tutaj kluczem do sukcesu.
Jacek
31 maj 2017, 08:45
Witam,
słupek ilość zamówień to wartość z całego miesiąca, czy dzienna?
Pozdrawiam
Krzysztof Masłowski
12 cze 2017, 14:59
Z całego miesiąca.