Кейс: Как сократить время настройки рекламы в 2 раза для сайта металлопроката с большой семантикой в 2000 запросов

• Сайт по продаже металлопроката с большим ассортиментом товаров.
• Небольшой бюджет.
• Ограниченные средства на настройку рекламы.

• Настроить поисковую рекламу по всем категориям товаров, которые есть на сайте.
• Проработать СЧ и НЧ запросы под посадочные с карточками товаров и товарными срезами.

Небольшое отступление:

Время — это невосполнимый и очень дорогой ресурс для любого человека, тем более для предпринимателя. Поэтому в нашей компании мы стараемся оптимизировать каждый час таким образом, чтобы он был максимально эффективен как для клиента, так и для нас, и всегда в поиске новых идей и новаторства.

Итак, исходя из нашего «Дано» очевидно, что на выходе получится очень большое семантическое ядро, для проработки которого потребуется много усилий и трудозатрат. Ранее у нас был опыт подобной настройки и тоже в сфере металлопроката. Было тщательно отобрано и сгруппировано 2026 фраз, на что ушло много рабочих часов. В итоге была настроена поисковая рекламная кампания с глубокой проработкой узких СЧ и НЧ запросов.

Подстраиваясь под условия нашей новой задачи, мы нашли альтернативное решение, которое позволило нам «убить двух зайцев», а именно: осуществить качественную настройку поисковой рекламы, сэкономив при этом много времени, а соответственно, и денег клиенту.

Сбор семантики, группировка и прописание релевантных заголовков, входящих в запрос — очень кропотливый и трудозатратный процесс. Поэтому мы решили подключить на этом этапе программиста и автоматизировать весь этот процесс. Основная наша задача — составить четкое и понятное техническое задание для программиста с подробным описанием того, что мы хотим получить на выходе.

Нами было составлено ТЗ:

Спарсить список с урлами всех карточек товаров и срезов по характеристикам, ключевые запросы к ним, заголовки и названия групп объявлений в Excel таблицу. Последние 3 пункта нужно сгенерировать по шаблону из названия товара в карточке товара. По итогу должно получиться 5 файлов по видам металла: Алюминий

1. Медь
2. Латунь
3. Бронза
4. Другие металлы

Результат работы будет выглядеть в виде заполненных желтых столбцов Excel таблицы

Остальные столбцы нужно оставить пустыми.

Далее описываем принцип генерации данных для нужных столбцов.

Пример с описанием принципов такой генерации для столбца «Фраза (с минус-словами)»:

Шаблон 1

Берем отсюда⤵️

Пример ключа: «Алюминиевый лист АМГ2М 1,0Х1500Х4000» 

Пример урла

Шаблон 2

Берем отсюда⤵️

Пример ключа: «Лист АМГ2М 1,0Х1500Х4000»

Пример урла

Шаблон 3

Берем отсюда⤵️ но без «мм в Самаре»

Пример ключа: «Алюминиевый лист 1200×3000»

Пример урла

Шаблон 4

Берем отсюда⤵️ но без вида металла и без «в Самаре»

Пример ключа: «Лист АМГ2»

Пример урла

Таких шаблонов для генерации ключевых фраз у нас получилось 24. В итоге по запросу одной товарной категории приходилось несколько сгенерированных фраз с учетом того, как по-разному могут запрашивать пользователи

По тому же принципу описываем принцип заполнения остальных столбцов таблицы:

• Название группы
• Заголовок 1
• Заголовок 2
• Ссылка

Заголовки у нас в итоге соответствуют названию товаров. Главное не забыть указать в ТЗ все ограничения, которые могут возникнуть при заполнении данных в столбцах.

Например:

Если в «Заголовок 1» попадает больше 35 символов вместе с пробелами, то сплав, габариты, либо сплав+габариты переходят в «Заголовок 2».

Ну вот, почти и все. Осталось самим прописать тексты для каждого вида металла, заполнить оставшиеся поля (регион, utm-метки, отображаемые ссылки, уточнения, быстрые ссылки с описанием и тд) и выгрузить РК в Директ Коммандер

Там уже вносим последние штрихи, прописываем массово еще по 2 объявления на группу

и отправляем настроенные РК в Яндекс Директ.

• Тщательно настроенная рекламная кампания с большим семантическим ядром по всем товарным предложениям сайта.
• Максимально точная группировка ключевых фраз с точным вхождением заголовков в ключ.
• Экономия времени на настройку в 2 раза с учетом часов программиста.

В цифрах: