Исходная задача
При каталоге более 6 000 SKU агрегированный отчёт по кампании не показывал, какие позиции создают продажи. Товары без покупок продолжали участвовать в аукционе наравне с подтверждёнными лидерами.
Результат в цифрах
| Показатель | До | После |
|---|---|---|
| Выручка | 100% | +46% |
| Заказы | 100% | +36% |
| ДРР | 24,5% | 21% |
| Заказы non-brand | 100% | +75% |
Для выручки, заказов и non-brand заказов показан индекс: исходный период принят за 100%, значение «после» — изменение к базе.
Что сделали
- Связали рекламный визит с товаром, покупкой и выручкой
- Собрали товарное ядро по фактическим продажам
- Автоматизировали и улучшили YML-фид
- Развели оборудование, расходники, бренд и non-brand
Логика работы
Расходы связали с товарными идентификаторами и заказами, после чего ассортимент разделили на ядро, контролируемый тест и позиции для диагностики. Фид автоматизировали так, чтобы правила сегментации можно было поддерживать при изменении наличия и спроса.
Результат оцениваю по качеству продаж и данным, а не по росту числа кликов или формальному выполнению настроек.
Как интерпретировать результат
Отключение товара не принималось только по факту отсутствия одной покупки. Учитывались накопленный расход, корзины, цикл сделки и достаточность данных — это снижает риск убрать перспективную позицию слишком рано.
На показатели влияют спрос, сезонность, экономика товара, сайт и работа с заказами. Поэтому механику кейса можно использовать как подход к диагностике, но цифры нельзя переносить на другой магазин как обещание результата.
