O kliencie

Klientem jest firma zajmująca się sprzedażą asortymentu budowlanego, remontowego i ogrodniczego. Dotychczas firma nie miała dużego doświadczenia w segmencie e-commerce i całą sprzedaż opierała o lokalny punkt sprzedaży i kontrakty B2B.

Wyzwanie

Firma chciała uruchomić się na ogólnopolską sprzedaż i dostosowała pod to logistykę obsługi zamówień. Wykonała profesjonalny sklep internetowy na platformie Shoper Premium zgodny z najlepszymi praktykami pod kątem UI/UX, lecz niestety nie ma doświadczenia w prowadzeniu płatnych działań reklamowych.

Największymi problemami po przeanalizowaniu całej sytuacji jest:

• sezonowość asortymentu: branża budowlana jest bardzo podatna na zewnętrzne czynniki, co rzutuje na częstotliwość wydatków reklamowych niezbędnych do realizacji celu
• brak danych: dotychczas firma nie prowadziła działań reklamowych w Internecie
• niewłaściwe integracje analityczne: firma realizująca sklep skonfigurowała narzędzia do reklam niepoprawnie, przez co pierwsze, samodzielne próby uruchomienia reklam przez mojego klienta były nieskuteczne
• duża konkurencja: znaczną część produktów indeksowała się wraz z branżowym konkurentem, który prowadził w czasie startu agresywne kampanie reklamowe (w tym wizerunkowe)
• nierozpoznawalność marki: sklep jest nowy, stąd brakuje opinii i wiarygodności w Internecie o działalności

Konfiguracja analityki

Pierwszym krokiem jaki zrealizowałem było skonfigurowanie poprawnie śledzenia interakcji użytkowników. W tym celu zrealizowałem, niezależnie od platformy Shoper, integrację Google Tag Manger typu server-side (dzięki czemu zwiększyłem dokładność śledzenia i ominąłem problemy związane z tzw. plikami cookies: kliknij tutaj) i zadbałem o zgodność śledzenia zgodnie z przepisami RODO (konieczność egzekwowania zgody na śledzenie reklamowe).

Następnie, oprócz konfiguracji filtrów do łatwiejszej analizy informacji, celi do mierzenia kluczowych interakcji dla klienta i realizacji punktów na ścieżce zakupowej, zadbałem o:

• prawidłowe wdrożenie mechanizmu User ID, dzięki czemu możliwe staje się później analizowanie LTV (ang. long-term value) klienta i poziomu jego lojalizacji
• integrację CRMu klienta z Google Analytics do tworzenia zestawień poziomu wydatków do sprzedaży, na podstawie danych o marżach ze systemu, dzięki czemu skupialiśmy się na produktach, który dają realny dochód
• przesyłanie danych o odbiorcach na bieżąco do rozwiązań reklamowych, dzięki czemu możemy odróżniać bezproblemowo użytkowników nowych, od powracających

Dzięki temu klient dostał sprawny zestaw, który po uruchomieniu dostarczał konkretne dane biznesowe i nastawiony został na analizę długotrwałej relacji z końcowym konsumentem. Dodatkowo zostały stworzone powiadomienia na potencjalne, niepokojące wydarzenia i wdrożono pomiar nieprawidłowości funkcjonowania sklepu po stronie klienta (np. błędy w kodach JavaScript).

Kampanie Google Ads

Po skonfigurowaniu śledzenia reklamowego i narzędzi analitycznych uruchomiliśmy kampanie produktowe (a później Performance Max). W ramach tej części działań:

• zaimplementowałem mierzenie Opinii konsumenckich, dzięki czemu sklep po każdej transakcji zdobywa opinie natychmiastowo widoczne w Google i buduje swoją wiarygodność
• skorzystaliśmy w tzw. zewnętrznej porównywarki cenowej, dzięki czemu prowizja 20% nakładana do reklam przez Google stała się dla nas neutralna i więcej środków przeznaczaliśmy na agresywniejsze działania
• zadbałem o jakościowe informacje o produktach, uzupełniając wszystkie możliwe dane o asortymencie i testując różne warianty prezentowania danych (m.in. porównywałem tytuły, opisy, słowa kluczowe i zdjęcia)
• skonfigurowałem wszystkie zasoby wymagane przez kampanie, łącznie z dedykowanymi materiałami video dostarczonymi przez klienta
• stworzyłem podział produktów w kampaniach według dotychczasowego podziału kategorii w sklepie, celem wybadania potencjału poszczególnych segmentów

Realizacja optymalizacji

Kolejnym etapem pozostała realizacja optymalizacji - tutaj zastosowałem następujące rozwiązania:

• po zebraniu danych o najlepszych produktach i ocenie na podstawie danych historycznych ze sprzedaży stacjonarnej - z klientem wybraliśmy asortyment o przeznaczeniu całorocznym, wydzieliliśmy z klientem ofertę do osobnej kampanii, która została skonfigurowana w celu skupiania się nad pozyskiwaniem nowego konsumenta
• wykluczyliśmy z kampanii produktowych produkty o małym obrocie i niskim poziomie marży. Stworzyłem na nie dedykowaną kampanię remarketingową, skupiając się na tzw. wspomaganiu realizacji konwersji, tj. zakupu
• w celu zrównoważenia problemu związanego z sezonowością asortymentu, produkty niestabilne (tj. takie, których sprzedaż różni się drastycznie od dnia i jest powiązana np. z pogodą) wydzieliłem do osobnych kampanii i wdrożyłem oznaczenia specjalną etykietą w celu realizowania pod nie osobnej strategii
• pozostałe produkty podzieliłem na węższe kategorie i skonfigurowałem pod realizację celów kwartalnych
• stworzyłem kampanię na wyszukiwarkę pod odbiorców z naszej strony internetowej, dzięki której ratujemy przed realizacją transakcji u konkurencji

Następnie zaczęliśmy dbać o lojalizowanie klienta, m.in. poprzez cykliczny newsletter, precyzyjne kampanie SMS (dzięki marketing automation), czyli stopniowo zwiększać LTV bez udziału płatnych kampanii reklamowych.

Wyniki

Dzięki umiejętnie zaplanowanym działaniom i sprawnej reakcji na otaczające zjawiska, udało się:

• po pierwszym miesiącu zapewnić solidny w odczuciu klienta poziom rentowności z kampanii reklamowych, generując łącznie ponad 1 mln PLN obrotu
• obniżyć koszt powracającego klienta i oddzielić rodzaj płatnych reklam pod nowych, jak i lojalnych klientów
• zadbać o wysoki poziom konwersji w ścieżce sprzedażowej (m.in. poprzez wdrożenie marketing automation i umiejętnym zaprogramowaniu oraz testowaniu scenariuszy)
• skupić się na rentowności w momentach spadku sprzedaży, a w okresie nagłego wzrostu na maksymalnym wykorzystaniu potencjału ruchu i intensywnym zwiększaniu obecności w wyszukiwarce Google
• zapewnić solidne podstawy pod uruchomienie innych rozwiązań reklamowych, m.in. Bing Ads i Meta (Facebook) Ads