Блог Data Lab

Строительная компания. Ведение рекламы и веб-аналитика.

Клиент:
Строительная компания.
Сегмент:
b2c
Задача:
Увеличить число клиентов на услуги строительства и реконструкции деревянных домов, террас, веранд.
Что было на старте:
Многостраничный сайт с небольшим объёмом органического трафика, лидов мало.

Приступаем


Начали работу с настройки аналитики базового уровня: Яндекс Метрика, Google Analytics, Google Tag Manager, разметка целей, передача данных о расходах из Яндекс Директ в Google Analytics. CRM-система в компании не внедрена.

Далее настроили Яндекс Директ (поиск и сети), получили первый трафик и первые лиды из контекста.

После накопления начального объёма статистики сделали вывод о недостаточно высоком коэффициенте конверсии при максимально чистом целевом трафике.

Оживляем многостраничный сайт


Совместно с клиентом было принято решение доработать основные страницы, на которые приземлялся рекламный трафик в рамках многостраничного сайта. Писали тексты, размещали фотографии, воевали с вёрсткой многостраничника, внедряя новое оформление в имеющиеся на сайте CSS-стили.

Также к сайту были подключены виджет онлайн-консультанта и сервис заказа обратного звонка.

Предпринятые действия дали результат, коэффициент конверсии увеличился до ожидаемых значений.

Апгрейд аналитики Яндекс Директ


Статистики по Яндекс Директ к этому моменту накопилось достаточно. Настроили выгрузку данных из Яндекс Директ в Google BigQuery, создали кастомные отчёты Google Data Studio для более глубокого анализа трафика из Яндекс Директ.

Поиск Яндекса и Рекламная Сеть Яндекса в этой тематике давали практически идентичные результаты по стоимости лида, но из РСЯ лидов было больше по количеству.

Корректировки ставок на базе статистических данных (пол/возраст, мобильные/десктоп и т. д.) давали результат. Минусовали попадающиеся нецелевые запросы, запрещали площадки РСЯ, корректировали ставки, исходя из фактической стоимости лида по отдельным фразам, тестировали новые креативы.

Автоматизируем расчёт ставок


В дополнение к бид-менеджеру, управляющему ставками исходя из заданного специалистом максимально допустимого ограничения на списываемую цену за клик, подключили оптимизатор конверсии, который назначал ставки, рассчитывая их на базе фактического (по историческим данным) или прогнозируемого (наследование данных вышестоящего уровня) коэффициента конверсии каждой фразы.

Google


Подключили Google Рекламу. Использовали только основной поиск Google. Настроили кастомные отчёты Google Data Studio для эффективного перекрёстного сравнения показателей каналов Яндекс Директ и Google Рекламы.

В сравнении с Яндекс Директ, Google Реклама давала столько же конверсий по количеству, но по меньшей цене.

Коллтрекинг


На данном этапе клиент был готов начать использовать динамический коллтрекинг для получения более точной стоимости лида и возможности оптимизировать рекламные кампании по всем обращениям клиентов.

В статистике учитывали только первичные звонки длительностью более 30 секунд, поэтому телефонные спамеры показатели не искажали.

Лендинги


Для дальнейшего увеличения коэффициента конверсии было принято решение разработать полноценные отдельные лендинги под все основные продвигаемые услуги.

Страницы были размещены на поддомене третьего уровня, платный трафик пошёл на них.

Также на новых страницах были реализованы квизы, опрашивающие потенциального клиента о деталях необходимой услуги.

В итоге


Относительно многостраничного сайта, на лендингах средний коэффициент конверсии увеличился приблизительно в три раза.

Все усилия позволили добиться средней стоимости лида в сезон – 290 р.

Количество приводимых лидов полностью закрыло потребности клиента при текущем размере компании.
Кейсы