Рестораны Bona Capona

Снизили ДРР на 77% и увеличили количество ежемесячных заказов в13 раз, оптимизировав контекстную рекламу сетевого ресторана.

Рестораны Bona Capona

Снизили ДРР на 77% и увеличили количество ежемесячных заказов в13 раз, оптимизировав контекстную рекламу сетевого ресторана.
Кейс опубликован 24 августа 2022 года

Клиент

Bona Capona — сеть из 7 итальянских ресторанов, расположенных в спальных районах Петербурга и в Пушкине.

Канал: Контекстная реклама Яндекс Директ
ГЕО: Санкт-Петербург, Пушкин
Период: с 1 октября 2021 года по 1 февраля 2022 года
Цели: Увеличить количество заказов на доставку в dark kitchen и количество бронирований в рестораны. Повысить узнаваемость бренда и лояльность к нему.

Как мы шли к цели

Перед запуском рекламы, первым делом, мы настроили аналитику на сайте. Подключили электронную коммерцию в Google Analytics и Яндекс Метрике для расширенных отчетов, лучшей оптимизации рекламных кампаний и прозрачной аналитики по рентабельности рекламного бюджета. Также, настроили микроцели для обучения автоматических стратегий в Google Ads и Яндекс Директе. Например, настроили обучение кампаний на «просмотр более 3 страниц», «время на сайте больше 2 минут».


Любовь Тощева
Руководитель отдела рекламы Zum Punkt

Перед запуском рекламы, первым делом, мы настроили аналитику на сайте. Подключили электронную коммерцию в Google Analytics и Яндекс Метрике для расширенных отчетов, лучшей оптимизации рекламных кампаний и прозрачной аналитики по рентабельности рекламного бюджета. Также, настроили микроцели для  обучения автоматических стратегий в Google Ads и Яндекс Директе. Например, настроили обучение кампаний на «просмотр более 3 страниц», «время на сайте больше 2 минут».

Пример объявления.
Параллельно с настройкой аналитики мы стали готовить рекламные кампании к запуску. Одним из основных требований клиента было то, что необходимо разделять рекламный бюджет на «дарки» (сокращение от dark kitchen — это рестораны, которые готовят еду только на доставку, то есть там нет посадочных мест, туда не приходят клиенты) и рестораны. Причем приоритет на продвижение отдавался именно на dark kitchen. С этими входными данными была разработана следующая структура рекламных кампаний:
План запуска.
Чтобы корректно распределить заказы по ресторанам и даркам, требовалось таргетироваться на конкретные местоположения по зонам доставки.

Разделить кампании в Google Ads не было проблемой: прямо в настройках РК можно выбрать радиус показа рекламы. А в Директе существует как минимум 3 подхода к использованию «супергео»:

1 подход
Самый стандартный — собрать гео-сегмент в сервисе Яндекс Аудитории по ресторанам и по «Даркам», в кампаниях выставить по всем ключам минимальную ставку и в корректировках использовать повышающие коэффициенты на собранные гео-сегменты. Минус такого подхода в том, что в таком случае нельзя использовать конверсионные стратегии.

2 подход
Следующий подход, который использовали мы, заключается в том, чтобы собрать все, кроме целевого местоположения, и добавить корректировку «-100%» на этот сегмент. Например вот так, когда нам нужно было собрать сегмент по Кудрово, где находится один из Дарков:
Вариант использования «супергео» в Яндексе.
Такой подход как раз позволяет использовать автоматические стратегии в Директе.

3 подход
И третий вариант, который появился сравнительно недавно — Таргетинг по точному местоположению в настройках кампании и группы объявлений в Директе. Работает на той же технологии, что и Яндекс Аудитории, но сделано гораздо удобнее для рекламодателей. Использовать конверсионные стратегии в этом варианте можно, но, по результатам многих тестов, такой тип таргетинга практически не дает показов, хотя мы в том числе пробовали запускать и с высокочастотной семантикой. Только Мастер Кампании с показами на Поиске и в РСЯ давали открутку и конверсии с таким типом геотаргетинга.

Кампании на Поиске

Помимо стандартных поисковых кампаний (брендовой, по конкурентам, по общим запросам), мы создали кампанию по категориям меню. В этой кампании мы собрали большое семантическое ядро со среднечастотными и низкочастотными ключевыми словами и написали уникальные, релевантные объявления под специфические (уточненные) запросы пользователя. Например, по запросу «неаполитанская пицца заказать» у нас было подготовлено такое объявление:
Пример объявления по запросу «неаполитанская пицца заказать».

Кампании в сетях (КСМ и РСЯ)

Была проведена большая работа и в кампаниях в КМС и РСЯ. Сначала мы сегментировали базу клиентов следующим образом:

1 сегмент
Те, кто давно не заказывал (больше 3 месяцев). Использовали персонализированные креативы и офферы (специальные промокоды):
Пример объявления для сегмента 1.
2 сегмент
Те, у кого в течение месяца будет день рождения. Также использовали персонализированное предложение:
Пример объявления для сегмента 2.
3 сегмент
Те, кто уже заказывал повторно, и те, кто регулярно заказывает. Использовали промокод:
Пример объявления для сегмента 3.

Затем собрали сегменты в Google Analytics и Яндекс Метрике

1. Классические для екома разновидности «брошенной корзины»:
Пример объявления для сегмента «брошенная корзина».
2. По просмотру определенной категории меню, чтобы показывать в сетях именно то, чем посетителей интересовался или хотел заказать. Механика во многом похожа на смарт-баннеры, то есть если посетитель, например, смотрел пасты, но не заказал, то мы будем его «догонять» аппетитными креативами с пастами, которых у Bona Capona предостаточно.
Пример баннера для сегмента «просмотр определенной категории меню».
В результате получилась такая структура ретаргетинговых кампаний:
Структура ретаргетинговых кампаний.

Результат

Благодаря проведенным работам нам удалось снизить долю рекламных расходов и существенно нарастить количество заказов, ежемесячно генерируя около 400 заказов на доставку и снизив ДРР (доля рекламных расходов) на 77% по сравнению с началом флайта:
Динамика количества заказов и ДРР.
Планомерно увеличили долю заказов с контекстной рекламы:
Динамика доли заказов из контекста.