Сайт может некорректно отображаться в вашем браузере. Скачайте обновленную версию своего браузера
Как отработать 40 млн поисковых запросов и показать релевантные объявления. Кейс ДомКлика, Сбермаркетинга и Marilyn
Команда ДомКлика, Сбера и СберМаркетинга
Дать людям возможность найти подходящую недвижимость в конкретном городе с точностью до улицы — амбициозная задача, когда речь идет о всей недвижимости России. Как ее решить и с какими техническими нюансами придется столкнуться при реализации, рассказывает команда системы автоматизации рекламы Marilyn.
Что делать, если у вас «миллион» посадочных страниц?
ДомКлик — удобный и безопасный сервис от Сбера для продажи, покупки, аренды жилой и коммерческой недвижимости и оформления ипотеки. Чтобы эффективнее привлекать клиентов, команда поставила перед собой сложную цель — охватить любой геозапрос пользователя про сделки с недвижимостью. Не важно, ищет ли человек участок во Владивостоке, дом в Некрасовке Орловской области или «трешку» в Санкт-Петербурге на улице Марата. Важно, чтобы пользователь увидел объявление, которое совпало бы с его запросом и привело его на страницу с релевантными предложениями.
Сайт ДомКлика содержит десятки тысяч посадочных страниц, персонализированных под поисковые запросы недвижимости по всей России, но как обеспечить их продвижение? Решением этой задачи занимался наш партнер — рекламное агентство Сбермаркетинг. Задача была нетривиальной, поскольку рекламная кампания должна удовлетворять следующим требованиям:
- охватить все доступные объекты недвижимости в России (больше 40 тыс.);
- сгенерировать рекламные объявления, которые бы максимально точно повторяли поисковый запрос пользователя, а значит, отработать 40 млн вариантов запросов;
- привести пользователей на посадочные страницы с релевантными предложениями под уникальный геозапрос, а это больше 40 тыс. страниц;
- сделать рекламную кампанию управляемой и гибкой, чтобы легко реагировать на изменения.
Учитывая масштаб и специфику проекта, специалисты Сбермаркетинга не могли завести рекламные кампании вручную, тем более что информация на посадочных страницах все время обновлялась и нужно было следить за ее актуальностью. Единственный выход был сгенерировать кампании автоматически. Здесь и пригодился опыт платформы автоматизации маркетинга Marilyn.
YML-фид приходит на помощь
Крупные интернет-магазины и маркетплейсы автоматизируют создание рекламных объявлений с помощью товарного фида — файла с информацией обо всех товарных предложениях (название, стоимость, характеристики). На основе фида можно создать максимально персонализированные объявления под каждого пользователя. Фид может иметь несколько форматов — в частности, YML (Yandex Market Language), который чаще всего используется для продвижения в Яндекс.Маркете, Яндекс.Директе и Google Ads.
Команда проекта решила пойти по такому же пути и разработать YML-фид со всей нужной информацией об объектах недвижимости, включая их категорию, местоположение, стоимость и описание. Важно было удовлетворить одновременно двум взаимоисключающим требованиям:
- сделать фид максимально универсальным;
- сделать объявления максимально релевантными для каждого пользователя.
Реализация проекта осложнялась тем, что структура сайта Domclick.ru была многоуровневой, и товарные предложения были рассредоточены по разным разделам. Объекты недвижимости можно было покупать, продавать или брать в аренду. Затем сами объекты делились на множество категорий: дома, таун-хаусы, квартиры, участки, комнаты. Вдобавок некоторые категории дробились на подкатегории, например, квартиры делились на однокомнатные, двухкомнатные, трехкомнатные и т.д. Для каждой из этих категорий и подкатегорий нужно было создать свои рекламные кампании, а значит все это многообразие нужно было учесть в структуре YML-фида.
Запускать кампании планировали как в Яндекс.Директе, так и в Google Ads, поэтому составить фид нужно было таким образом, чтобы он соответствовал требованиям сразу обеих площадок. Например, Google позволяет использовать в заголовках объявлений только 30 символов, а в Яндекс.Директе более жесткие ограничения по количеству символов в текстах — 81.
Мария Чернова, руководитель отдела по работе с клиентами Marilyn
Добавьте к этому, что объявления должны были точно соответствовать геозапросу пользователя, и вы увидите, что сделать автоматическую генерацию объявлений было поистине нетривиальной задачей.
Подготовка к генерации объявлений и создание YML-фида
С какими сложностями столкнулась команда проекта и как их решала — рассказываем подробно.
Объять необъятное
Когда планируется масштабная рекламная кампания, важно ее грамотно спроектировать. Обычно запросы в кампаниях разделяют по видам трафика на брендовые, конкурентные и общие. Затем делят трафик на поисковый и сетевой, мобильный и десктопный. Иногда дополнительно дробят кампании по геолокации, типу устройств и т.д.
Команда СберМаркетинга с самого начала понимала, что подробная детализация приведет к созданию неповоротливого «монстра», которым будет очень сложно управлять. Поэтому кампании классифицировали так, чтобы привязать запросы к типу трафика (брендовый, конкурентный, общий).
Затем надо было тщательно проработать семантику. Для этого команда СберМаркетинга собрала через Яндекс.Wordstat все ключевые запросы, относящиеся к сфере недвижимости, и очистила их от упоминаний геолокации. Получилось около 5 000 фраз вроде: «купить трехкомнатную квартиру», «купить дом объявления», «купить коттедж авито», которые были сгруппированы по типу трафика и категориям.
Идея была в том, чтобы использовать их как статическую часть запроса, которую можно было бы комбинировать с переменной частью (переменной частью выступала геолокация в соответствии с запросом пользователя). Статическая часть представляла начало запроса, скажем, «Домклик купить квартиру». К ней добавлялась геолокация, скажем, «в Балашихе» и получалась уникальная ключевая фраза «Домклик купить квартиру в Балашихе».
Что касается заголовков объявлений, то их генерацию обеспечивали теги <name> и <param name>. Первый учитывал тип недвижимости, второй геолокацию в соответствии с запросом пользователя.
Всевозможные комбинации запросов по типам трафика и категориям объектов недвижимости и запросов по геолокациям позволили охватить более 40 000 000 поисковых запросов.
Скажи мне, какая у тебя категория, и я скажу, какой у тебя оффер
Поскольку для каждой категории объектов недвижимости требовалось создавать отдельные кампании со своим набором ключевых слов и объявлений, нужно было соотнести офферы в фиде с категориями. Для этого каждой категории: квартирам, домам, участкам и прочим — присвоили идентификаторы, которые зашили в параметр <categoryId>. Например, идентификатор квартир был под номером 10.
Но хотя тэг <categoryld> помогал соотносить оффер с конкретной категорией, оставалась еще одна проблема. Дело в том, что категория квартиры делилась еще и на подкатегории: однокомнатные, двухкомнатные и т.д. Их тоже нужно было выделить в отдельные кампании, но как?
Генерация внутри генерации
Можно было добавить тег подкатегории, но такое решение усложнило бы структуру фида и обновление каталога со стороны клиента, поэтому мы предложили другой вариант.
Клиент предоставил нам список ключевых запросов по каждой подкатегории, и чтобы соотнести их с нужными товарными предложениями, мы проверяли тег <name> на наличие части ключевого слова. Например, искали слова «1-комнат», «2-комнат» и т.д. В результате, получилась отдельная минигенерация, которая учитывала не только саму категорию, но и содержание конкретного тега <name> и в зависимости от значения отбирала актуальные товарные предложения.
Мария Чернова, руководитель отдела по работе с клиентами Marilyn
В итоге к основной генерации добавился еще пул рекламных кампаний дополнительной генерации.
Точно под геозапрос
Последней большой задачей было разделить все объявления по геопризнаку. Можно было создавать группы объявлений сразу с настройкой местоположения, но мы отказались от этого решения по двум причинам. Во-первых, это привело бы к усложнению алгоритма и увеличило бы сроки реализации. Во-вторых, мы бы отсекли часть релевантного трафика, поскольку, если задать настройки местоположения, то пользователь из Костромы, который ищет квартиру в Москве, объявления не увидит.
В итоге мы решили задачу, прописав геопризнак в теге <param name>. Это были как общие запросы, которые сводились к наименованию города или области, так и гиперлокальные, где помимо города/области упоминались конкретные районы или улицы.
Это решение позволило таргетировать кампанию на всю Россию. Теперь, когда пользователь, где бы он ни находился, вбивал запрос «купить квартиру во Владивостоке на Светланской», он видел объявление, в котором содержалось максимально похожее ключевое слово.
Рождение фида
После долгих экспериментов родилась структура YML-фида, который отвечал всем требованиям.
Каждый <offer id> соответствовал уникальной посадочной странице на сайте Domclick.ru. С помощью тегов <name> и <param name> создавался уникальный заголовок рекламного объявления, который относился к определенному типу недвижимости и содержал геолокацию в соответствии с запросом пользователя. Описание (тег <description>) сделали универсальным для разных объявлений, в нем менялось лишь число актуальных предложений.
Фид автоматически обновлялся на стороне клиента с заданной периодичностью. Если вдруг заканчивались предложения по конкретной геолокации, в рекламных кабинетах приостанавливались показы объявлений по этой локации.
Запуск генерации рекламных кампаний
Когда YML-фид был готов, команда Marilyn разработала кастомные скрипты, которые в зависимости от поискового запроса собирали информацию из YML-фида и генерировали уникальные объявления и ключевые фразы. Вот как это работало.
Скрипт находил в запросе слова из категории недвижимости — например, «квартира двухкомнатная», а также геолокации — «на улице крымская». Затем он проверял, есть ли в фиде подходящий оффер, и если да, то генерировал объявление точно под запрос пользователя.
Например, если пользователь вводил «купить 3 комнатную квартиру на улице крымская», он видел объявление, которое максимально подходило под его запрос.
При переходе по объявлению человек попадал на страницу с релевантными предложениями.
UTМ-разметку мы реализовывали на своей стороне. Коллеги из Сбермаркетинга прислали нам шаблон разметки с динамическими параметрами для Яндекса и Google, чтобы собирать максимально развернутую аналитику в разрезе объявлений и ключевых слов. Хотя проще было бы разметить ссылки прямо в фиде, но, во-первых, это была бы лишняя работа для клиента, а во-вторых, если бы поменялись посадочные страницы, пришлось бы делать всю разметку заново. Поэтому мы решили подставлять метки в готовые рекламные кампании на этапе формирования объявлений.
Мария Чернова, руководитель отдела по работе с клиентами Marilyn
Наконец, все было готово к запуску, и в теории должно было пройти без сучка без задоринки, а на практике пришлось побороться с рекламными площадками, чтобы обойти их ограничения.
Больше аккаунтов богу аккаунтов
Изначально мы планировали строить генерацию в двух аккаунтах: в Яндекс.Директе и Google Ads. Но когда оказалось, что надо сгенерировать 40 000 000 ключевых слов, мы поняли, что ограничения Google Ads не позволят создать столько ключей в рамках одного аккаунта. В итоге клиент завел еще дополнительно 7 аккаунтов, и мы распределили кампании по ним.
Google против аббревиатур
На Яндексе кампании успешно сгенерировались, а Google стал выдавать ошибки из-за присутствия недопустимых символов в фиде. Связано это было с тем, что Google считает недопустимыми слова, которые содержат заглавные буквы и не являются официальным зарегистрированным брендом. Поэтому, к примеру, аббревиатуру СНТ — садовое некоммерческое товарищество, он воспринимал как ошибку, в то время как у Яндекса с ней проблем не возникло. Из-за этого клиенту пришлось внести правки в фид и скорректировать все «запрещенные» слова. После этого генерация с успехом заработала.
Отзыв клиента
Благодаря усилиям команды Marilyn, нам удалось реализовать уникальную и масштабную для рынка недвижимости генерацию рекламных кампаний. Фактически получилось сгенерировать и управлять десятками миллионов рекламных объявлений, что просто невозможно было бы сделать «руками».
Эффективность данной автоматизации колоссальна и позволила нам значительно увеличить рентабельность маркетинговых инвестиций.
Большое спасибо Marilyn за реализацию столь масштабного проекта!
Команда ДомКлика, Сбера и СберМаркетинга
Результаты
До запуска автоматической генерации в рекламных системах работали кампании общего формата, созданные вручную. Благодаря автоматизации:
- CTR вырос на 88%;
- цена клика снизилась на 76%;
- стоимость целевого звонка снизилась на 71%.
В дальнейшем автоматизация коснется десятков миллионов посадочных страниц с еще более узкой сегментацией по геолокации.
Протестируйте Marilyn
Зарегистрируйтесь и получите бесплатный доступ ко всем инструментам платформы на 7 дней
