Как привлечь более 3000 лидов на развлекательные услуги в Москве

Помните такую игру — «третий лишний»? Когда в центре зала расставляют стулья, и люди двигают по кругу до тех пор, пока звучит музыка. А потом бросаются занять свободное место. Но стульев всегда меньше, чем игроков, и кто-то всегда останется за бортом. Так и в нашем случае.

Одно из очевидных преимуществ клуба — это его расположение, в центре Москвы на пересечении оживленных улиц. Казалось бы, отличная перспектива. Но так рассуждают и конкуренты. Помимо прямых конкурентов есть еще и множество развлекательных заведений, притягивающих потоки клиентов и готовых вовремя потеснить соседей. Кто преуспел в этой игре, тот и занял денежное место.

Так как получить поток клиентов и отсечь конкурентов?

Раз клуб удачно расположился в центре Москвы, где люди ищут развлечения, мы сделали акцент на поисковой рекламе. Однако при этом нам было важно отсекать все запросы, где явно указан адрес или район конкурентов.

VR-клубы в Москве появляются довольно регулярно в самых разных точках, поэтому нужно постоянно мониторить и чистить запросы, исключая все нецелевые.

Рекламу по конкурентам решили отключить, так как обычно это чисто навигационные запросы, когда люди ищут телефон или уточняют адрес клуба. Они уже сделали свой выбор или предварительную бронь, и реклама по ним не давала нужной отдачи.

Местонахождение потенциальных клиентов мы не отсекали, это не нужно за счет работы с Яндекс.Аудиториями. Сервис позволяет использовать собственные данные о целевой аудитории, а также данные Яндекса и провайдеров (DMP) для настройки рекламных кампаний в Яндекс Директе.

Гиперлокальный таргетинг не применяли. В нашем случае был бы только в ущерб, так как люди со всей Москвы отправляются на отдых в центр, и их нужно включать в охваты, чтобы не упускать целевой траффик.

Повышающий коэффициент ставки для тех, кто находится рядом, не выставляли. Поскольку здесь люди бронируют запись в клубах заранее, а не в момент нахождения в нужной точке.

Следующая задача - исключить околоцелевую аудиторию, так как конверсий по ней мало. Поэтому в Яндекс.Директ необходимо чистить запросы и исключать, если они околотематические:

Как постоянно, а главное быстро, отслеживать запросы и выявлять нецелевые?

Мы подключили и настроили систему мониторинга поисковых запросов в Power Bi. Создали автоматически обновляемый отчет, в который попадают данные по всем поисковым запросам с рекламы. С его помощью можно просматривать только новые поисковые запросы, которые не встречались ранее, и исключать нецелевые.

Это в несколько раз сократило время специалиста по контекстной рекламе на проверку, и позволило сосредоточиться на работе с маркетинговыми гипотезами по HADI-циклу.

Когда настроили отсечение адресов конкурентов, навигационных, нецелевых и околотематических запросов, можно все силы и ресурсы сосредоточить на рекламе в поиске и релевантных запросах.

Дополнительно мы протестировали гипотезы в РСЯ для:

Не секрет, что Яндекс.Карты - отличный дополнительный канал привлечения целевого траффика для локального бизнеса. Люди, не переходя на сайт, быстро могут найти компанию с высоким рейтингом и хорошими отзывами, сделать заказ прямо с карт. Но и здесь есть свои детали, не учитывая которые можно получить не тот результат, на который рассчитывали.

Какие выводы мы сделали после нескольких недель работы:

В первую очередь настроили сервисы Яндекс Метрика и Google Analytics, которые считают все цели по формам заявки.

Подключили колл-трекинг, который отслеживает звонки по всем источникам и передает эти данные в Яндекс Метрику и Google Analytics.

За счет CRM-системы установили отслеживание всех бронирований. CRM связана с Метрикой и передает данные о конечных заказах и сумме заказа. За счет этого мы можем видеть, окупается ли реклама, и какова динамика среднего чека. Определить самые выгодные объявления и фразы не только по броням, но и среднему чеку.

В итоге мы отслеживали эффективность каждого канала и ключевой фразы вплоть до кампании и объявления. Поэтому сейчас можем выстраивать дальнейшую стратегию на основе большого объема фактических показателей.