Caso: 160.992 $ en ventas de ropa de mujer gracias a la publicidad segmentada

Implementación

En primer lugar, analizamos la cuenta publicitaria. Resultó que el cliente compraba tráfico a la web por su cuenta, pero por falta de tiempo y energía no era eficiente. Por eso estudiamos con detalle los lanzamientos anteriores y sus resultados, analizamos la actividad de los competidores y desarrollamos una estrategia de compra de tráfico. Al final probamos tres formatos de compra distintos antes de obtener resultados con modelos que valía la pena escalar.

La transmisión de eventos, la configuración de la API de Conversiones y la carga del catálogo son necesidades básicas al trabajar con una tienda online. Hicimos todas las integraciones con Google Tag Manager. Actualmente está en curso la integración del pago online con LiqPay en la web.

A continuación implementamos la analítica y organizamos el proceso de comunicación directa con el departamento de ventas. Como analítica diaria para seguir la dinámica de ventas se utilizó una hoja de cálculo de Google. El comportamiento de los usuarios en la web y las métricas avanzadas se siguieron con Google Analytics. Tras numerosas pruebas, determinamos que los resultados reales de ventas se calculan a partir de los datos del CRM Bitrix24.

El siguiente paso fue probar hipótesis, optimizar las combinaciones eficaces, analizar la interacción de los usuarios a lo largo de todo el embudo de ventas y modificar las campañas para aumentar la conversión.

La estructura de las campañas publicitarias es una parte importante de la compra de tráfico con un volumen tan grande de modelos. Crear una única estructura no era eficiente. Formulamos unos principios que seguimos siempre al recibir nuevas ofertas.

1. Segmentación por precio, categoría y temporada
2. El presupuesto de la prueba se calcula a partir de la suma del valor de ventas de 2-3 modelos al día (~20-40 $ por conjunto de anuncios)
3. Prueba con optimización a nivel de conjunto de anuncios (ABO)
4. Prueba de 2 formatos de creatividad: vídeo e imagen estática

Adaptamos con regularidad la estructura de las campañas publicitarias a cada situación concreta. Como resultado, conseguimos aumentar el número final de modelos exitosos en nuestro trabajo.

Conclusiones

Alcanzar el objetivo llevó bastante tiempo. La compra de tráfico se realizó principalmente con los objetivos «Conversiones» y «Ventas del catálogo».

Nuestra colaboración puede dividirse en tres etapas según los cambios de estrategia. Analizamos los datos con serenidad y cambiamos la estrategia de forma radical en función de los resultados obtenidos.

La primera solución fue comprar tráfico según el modelo habitual de trabajo para ecommerce. La lógica era la siguiente: desarrollábamos creatividades que llevaban a la página principal de la web. Una mujer veía un banner de diseño atractivo y pasaba a la página principal para interactuar. Después, a todos los que interactuaban con la web les impactaba el retargeting en una ventana de 7-28 días. Parece sencillo, pero la realidad es muy distinta.

Los principales retos a los que nos enfrentamos fueron:

• exceso de oferta: al ver más de 100 productos en la web, las mujeres se perdían y acababan marchándose para pensárselo. La emoción generada al ver la creatividad se diluía mientras hacían scroll por la web.
• era imposible controlar el flujo de leads hacia modelos concretos, porque era difícil predecir el comportamiento de los usuarios.

Como consecuencia, se resiente la rentabilidad real del tráfico y también la producción, que está adaptada al formato de trabajo de cada modelo. Llegamos a la conclusión de que había que cambiar la compra de tráfico frío. En parte, el enfoque sigue siendo el mismo hoy, pero a nivel global introdujimos cambios en función de los resultados.

La segunda solución fue tráfico frío hacia un modelo concreto. La esencia de este enfoque es que las personas nuevas ven en el anuncio un modelo concreto y, al hacer clic, van a la ficha de ese producto. En una misma prueba lanzábamos de 4 a 10 productos distintos. La principal ventaja de la solución: un 90 % de control del tráfico. Aun así, algunas personas del flujo general de visitantes llegaban a otros modelos y los pedían. Pero, a nivel global, controlábamos la atención y el interés del público.

Como resultado:

• tendencias claras: al analizar la eficacia de los modelos, pudimos determinar cómo evolucionaban la demanda y las tendencias del público. Por desgracia, al trabajar con la página principal de la web, ese seguimiento era muy difícil. La variedad de tipos de modelos era muy amplia.
• funcionamiento eficiente de la producción

Nos adaptamos con bastante rapidez al trabajo modelo por modelo y los resultados empezaron a mejorar. La estructura de las campañas publicitarias se reconstruyó por completo y se sigue mejorando hoy. Entre las dificultades estuvieron los reinicios frecuentes, la ineficacia del 80 % de los productos, los retrasos en la entrega de materiales para desarrollar creatividades, etc. Pero si se mantiene el ritmo y se establecen la comunicación y los procesos para lanzar campañas publicitarias, el resultado merece la pena.

El retargeting dinámico funciona tanto con comunicación emocional como racional. Responde a la necesidad de hacer volver a la web a usuarios con motivos de compra distintos.

La tercera solución fue ajustar la estructura de las campañas publicitarias. Con un gran volumen de feedback de los gestores y del cliente, surgieron ideas para mejorar la estrategia en marcha. En cuanto a la configuración para comprar tráfico frío, lo que mejor funciona es el público amplio de mujeres. No nos limitamos con intereses ni otros ajustes, porque nuestro objetivo es poder escalar la combinación en el futuro. Para ello necesitamos un público de gran tamaño; en nuestro caso, de ~8-9 millones de mujeres. Al mismo tiempo, usamos retargeting dinámico para recuperar al público cálido que visitó la web.