Nasza metoda polega na dynamicznym wykluczaniu z kampanii produktów nierentownych. Wszystkie dane wpływające na rentowność przekazujemy do programu FeedOptimise.

Przykładowe zmienne — zrzut z programu FeedOptimise:

Na podstawie tych danych tworzymy zmienne odpowiadające za wartości takie jak: ile razy produkt się sprzedał, cena przed i w trakcie promocji, zmienna rabatu i zmienna marży. Pozwala to nam obliczyć, ile zyskujemy na konkretnym produkcie.

Korzystając z tych zmiennych, wyodrębniamy produkty generujące większy profit (różnica między wyliczoną marżą a kwotą wydaną na reklamę). Produkty te są następnie przypisywane do etykiet, a nierentowne są wykluczane z feed’u. Proces ten jest zautomatyzowany, a system przelicza wartości dwa razy dziennie, gwarantując aktualność danych.

Zobrazujmy to na przykładzie jednego z naszych klientów. Kampania prowadzona w tradycyjny sposób, bez wykluczania produktów nierentownych, wygenerowała średni koszt pozyskania sprzedaży (ACPS) wynoszący 109,02 zł. Produkt generujący najwięcej konwersji miał koszt zakupu (CPS) 157,09 zł.

[poniżej screen z konta reklamowego]

Gdy zastosowaliśmy naszą autorską metodę, bez wprowadzania innych zmian, średni koszt zakupu (ACPS) spadł do 65,36 zł. Produkt, który generował najwięcej konwersji, miał teraz koszt zakupu (CPS) wynoszący jedynie 32,84 zł.

[poniżej screen z konta reklamowego] 

Efekty takiego podejścia są wynikiem specyfiki algorytmów reklamowych. Te mają tendencję „faworyzować” produkty, które są często klikane i generują konwersje. Algorytm reklamowy skupia się na promowaniu tych produktów, co często prowadzi do wykorzystania większości budżetu na jeden lub kilka produktów.

Zobaczmy na przykładzie konta reklamowego wspomnianego klienta:

[poniżej screen z konta reklamowego]

Wyraźnie widać, że algorytm faworyzuje jeden produkt, wyświetlany dwa razy częściej niż inne produkty. Dodatkowo system przeznaczył na niego cztery razy więcej budżetu, ograniczając w ten sposób możliwości innych produktów.

Kiedy zastosowaliśmy filtr rentowności — wykluczyliśmy produkty, które nie były rentowne (koszty reklamowe przekraczały marżę) — rezultaty wyglądały tak:

[poniżej screen z konta reklamowego]

Zauważmy, że algorytm już nie faworyzuje jednego produktu jak w poprzednim przykładzie. Dzięki temu spadł koszt konwersji (CPS — cost per sale) i więcej produktów jest wyświetlanych w reklamach.

Nasza metoda umożliwia skierowanie algorytmu do promowania produktów, które są nie tylko chętnie klikane, ale przede wszystkim są rentowne.

Podsumowując, kluczem do osiągnięcia rentowności kampanii jest zrozumienie mechanizmów kierujących algorytmami reklamowymi i zastosowanie odpowiednich strategii, takich jak dynamiczne wykluczanie nierentownych produktów. Dzięki autorskiej metodzie stosowanej w Agencji Roxart zautomatyzowaliśmy ten proces, co pozwala naszym klientom na osiągnięcie najlepszych możliwych rezultatów, zarówno pod względem efektywności, jak i rentowności kampanii.