ویژگی‌های هوش مصنوعی Feedance در حال عرضه است.
آن را چک کنید!

چگونه ویونز با عدم تبلیغ محصولاتی که نمی‌توانست بفروشد، بازگشت سرمایه (ROAS) را ۳۲٪ افزایش داد

مشتری

ویونسه یکی از بزرگترین فروشگاه‌های آنلاین مبلمان و لوازم خانگی در ترکیه است. مبل، تخت، سرویس غذاخوری، مبلمان باغ، تشک، و لوازم انباری - طیف کاملی از کالاها، به صورت آنلاین و در مقیاس بزرگ به فروش می‌رسد.

تجارت الکترونیک مبلمان شکل خاصی دارد که تبلیغات آن را به طور غیرمعمولی دشوار می‌کند. ارزش سفارش‌ها بالا است، بنابراین یک کلیک هدر رفته هزینه بیشتری نسبت به اکثر دسته‌بندی‌ها دارد. چرخه‌های بررسی طولانی هستند. و از همه مهم‌تر، کاتالوگ چند برابر می‌شود: یک مدل مبل تکی نه یک محصول، بلکه ده‌ها محصول است، وقتی پارچه، رنگ، اندازه و - در مورد مبل‌های گوشه‌ای - جهت را در نظر بگیرید. گوشه چپ و گوشه راست، SKU های مختلف با سطوح موجودی متفاوت هستند.

نتیجه، کاتالوگی است که شامل ده‌ها هزار نوع مختلف است که هر کدام موجودی، قیمت و وضعیت تحویل خاص خود را دارند و همه این موارد روزانه تغییر می‌کنند.

مشکل

تبلیغات کاتالوگی با استخراج محصولات از یک فید و تطبیق خودکار آنها با کاربران کار می‌کنند. این اتوماسیون همان چیزی است که آنها را در مقیاس بزرگ کارآمد می‌کند - و همچنین همان چیزی است که دقت فید را غیرقابل مذاکره می‌کند. این پلتفرم هر آنچه فید به آن می‌گوید را تبلیغ می‌کند. هیچ دانش مستقلی از آنچه واقعاً در انبار موجود است، ندارد.

برای کاتالوگی به بزرگی کاتالوگ ویونس، این یک نشتی مداوم و تا حد زیادی نامرئی ایجاد می‌کند.

انواع ناموجود همچنان بازدید دریافت می‌کنند. یک مبل خاکستری گوشه سمت چپ تمام شده است. تا زمانی که فید این را نشان دهد، تبلیغ همچنان در حال اجرا است - و به خوبی هم در حال اجرا است، زیرا الگوریتم یاد گرفته است که این محصول عملکرد خوبی دارد. بودجه دقیقاً به این دلیل به سمت آن جریان می‌یابد که قبلاً تبدیل را انجام می‌داد. اکنون هر بازدید صرف کالایی می‌شود که هیچ‌کس نمی‌تواند آن را بخرد. بدتر از آن، کاربرانی که کلیک می‌کنند به صفحه محصولی که در دسترس نیست می‌رسند، که برای Vivense نه تنها هزینه رسانه‌ای، بلکه اعتماد یک بازدیدکننده با انگیزه بالا را نیز از بین می‌برد.

بودجه به طور مساوی در سراسر کاتالوگی که عملکرد بسیار ناهمواری دارد، توزیع می‌شود. در کاتالوگی با ده‌ها هزار نوع محصول، سهم کمی از محصولات، بخش عمده‌ای از درآمد را به خود اختصاص می‌دهد. بدون مشاهده عملکرد در سطح محصول، هزینه‌ها بر اساس منطق خود پلتفرم توزیع می‌شوند نه منطق کسب و کار - و بسیاری از آنها به سمت انواع دنباله‌داری می‌روند که هرگز قرار نیست بازده داشته باشند.

مقیاس، مدیریت دستی هر دو مشکل را غیرممکن می‌کند. با چند صد محصول می‌توانید نشتی‌ها را تشخیص دهید. با ده‌ها هزار نوع محصول که روزانه به‌روزرسانی می‌شوند، هیچ تیمی نمی‌تواند کاتالوگ را با دست بررسی کند. این اتلاف در هیچ مورد خاصی چشمگیر نیست؛ بلکه بی‌سروصدا، مورد به مورد، در کل کاتالوگ جمع می‌شود.

روی هم رفته، چالشی که ویونس با آن مواجه بود، یک چالش خاص بود: افزایش مقیاس کاتالوگ در تبلیغات بدون کاهش ضایعات ناشی از آن.

راه حل

ما با همکاری شریک Vivense، D-DAT ، به این موضوع به عنوان یک مشکل داده‌ای قبل از یک مشکل خلاقانه نگاه کردیم.

کنترل موجودی و موجودی در فید به صورت بلادرنگ

اولین قدم این بود که فید را به طور دقیق از آنچه Vivense واقعاً می‌توانست بفروشد، به طور مداوم و نه به صورت دوره‌ای، نمایش دهیم. موجودی در سطح انواع مختلف به صورت بلادرنگ وارد فید می‌شد، بنابراین محصولاتی که تمام می‌شدند، تبلیغشان متوقف می‌شد - به طور خودکار، بدون اینکه منتظر خروجی دستی یا همگام‌سازی برنامه‌ریزی‌شده باشند.

این کار مثل یک خانه‌تکانی به نظر می‌رسد، اما اثر مالی آن این‌طور نیست. در یک دسته‌بندی با AOV بالا، هر بازدیدی که از یک محصول ناموجود منحرف می‌شود، از نظر بودجه به محصولی که می‌تواند تبدیل شود، منتقل می‌شود و این اثر روزانه در کل کاتالوگ افزایش می‌یابد.

داده‌های عملکرد سطح محصول و امتیازدهی

حذف ضایعات تنها نیمی از معادله است؛ نیمه دیگر تصمیم‌گیری در مورد محل صرف بودجه بازیابی شده است. داده‌های عملکرد سطح محصول Feedance این امکان را فراهم کرد که ببینیم کدام گزینه‌ها واقعاً بازگشت سرمایه ایجاد می‌کنند، نه اینکه صرفاً کلیک ایجاد کنند - و فید را طوری ساختاردهی کنیم که بودجه روی آنها متمرکز شود.

محصولات بر اساس عملکرد و موجودی انبار تقسیم‌بندی شدند، بنابراین کمپین‌ها می‌توانستند اقلامی را که هم نرخ تبدیل خوبی داشتند و هم موجودی انبارشان بالا بود، برای حفظ تقاضا تبلیغ کنند. فهرست از یک فهرست ثابت خارج شد و به یک فهرست اولویت‌بندی‌شده تبدیل شد.

خلاقیتی که به سوالات واقعی خریدار مبلمان پاسخ می‌دهد

با وجود لایه داده، Creative Suite به طور خودکار طرح‌های تبلیغاتی برند را برای کاتالوگ تولید کرد - هر کدام حاوی اطلاعاتی هستند که یک خریدار مبلمان قبل از کلیک کردن به آنها نیاز دارد:

  • قفل شدن برند ویونز، در هر جایگاه قرارگیری ثابت است
  • قیمت اصلی خط خورده و قیمت سبد خرید نمایش داده می‌شود — تخفیف فقط در صورتی متقاعدکننده است که خریدار بتواند هر دو عدد را ببیند
  • نشان "Hızlı Teslimat" (تحویل سریع). در صورت لزوم - در مبلمان، زمان تحویل یک اعتراض واقعی به خرید است و پاسخ به آن در طراحی خلاقانه، دلیلی برای تردید را از بین می‌برد.
  • طراحی کمپین‌های فصلی - قالب‌های بهاری، زمستانی و تبلیغاتی به طور همزمان در سراسر کاتالوگ اعمال شدند، بنابراین تبلیغات هر بار بدون نیاز به پروژه طراحی، با تقویم کمپین مطابقت داشتند.

از آنجا که این موارد از داده‌های فید تولید شده بودند، به خودی خود صحیح باقی ماندند. تغییر قیمت، بنر را به‌روزرسانی کرد. محصولی که موجودی آن تمام شد، آن را به طور کامل از چرخه فروش حذف کرد - خلاقیت و هدف‌گذاری به جای اینکه یکی از دیگری عقب بماند، با هم حرکت می‌کنند.

نمایش نتایج: از شماره

بازگشت سرمایه (ROAS) 32 درصد افزایش یافت.

مکانیسم پشت این عدد ارزش دقت دارد، زیرا تغییر در پیشنهاد قیمت یا افزایش بودجه نبود. همان کاتالوگ، همان کانال و - تا آنجا که به برنامه رسانه‌ای مربوط می‌شد - همان عملیات، یک سوم بازگشت سرمایه بیشتر ایجاد کرد، زیرا بودجه دیگر به دو روش خاص خرج نمی‌شد: روی محصولاتی که در دسترس نبودند، و روی محصولاتی که در دسترس بودند اما تبدیل به مشتری نمی‌کردند.

در کنار افزایش عملکرد، تیم Vivense به قدرت عملیاتی بیشتری دست یافت. مدیریت خلاقیت و دسترسی در ده‌ها هزار متغیر، از یک بار دستی و تکراری به یک فرآیند خودکار تبدیل شد - و این همان چیزی است که نتیجه را پایدار کرد و از یک پیروزی تک‌مرحله‌ای در کمپین‌ها جلوگیری کرد.

آنچه سایر خرده‌فروشان فروشگاه‌های بزرگ می‌توانند از این درس بگیرند

دقت فید یک اهرم بهره‌وری رسانه‌ای است، نه یک وظیفه فناوری اطلاعات. محصولات ناموجود در یک فید زنده خودشان را اعلام نمی‌کنند. داشبوردهای عملکرد آنها را به عنوان تبلیغاتی نشان می‌دهند که زمانی مؤثر بوده‌اند. اتلاف فقط زمانی قابل مشاهده می‌شود که کسی داده‌های موجودی را به هزینه تبلیغات متصل کند - و تا آن زمان ماه‌ها است که این اتلاف انباشته شده است.

هرچه کاتالوگ بزرگتر باشد، هزینه دنباله طولانی برای شما بیشتر است. هر خرده‌فروشی می‌داند که اقلیتی از محصولات، بخش عمده‌ای از درآمد را ایجاد می‌کنند. تعداد کمتری در فید خود بر اساس آن عمل می‌کنند، زیرا اقدام بر اساس آن به داده‌های بازگشتی در سطح محصول نیاز دارد تا داده‌های سطح کمپین. بدون آن، توزیع بودجه به جای قضاوت شما، به قضاوت پلتفرم بستگی دارد.

در دسته‌های با ارزش افزوده بالا، محاسبات سخت‌تر است. یک کلیک هدر رفته روی یک محصول ۲۰۰ پوندی آزاردهنده است. در یک مبل ۴۰،۰۰۰ پوندی، هزینه هر کلیک به اندازه‌ای بالا است که درصد کمی از بازدیدهای نادرست به یک آیتم معنادار تبدیل می‌شود. دسته‌هایی با محصولات گران‌قیمت و چرخه‌های بررسی طولانی، بیشترین سود را از نظم فید می‌برند.

انواع مختلف، جایی هستند که فیدها شکسته می‌شوند. رنگ، اندازه، جنس، جهت - هر بُعد، کاتالوگ را چند برابر می‌کند و هر نوع، سطح موجودی خود را دارد. فیدهایی که یک خانواده محصول را به عنوان یک کالای واحد در نظر می‌گیرند، محصولاتی را تبلیغ می‌کنند که تا حدی در دسترس نیستند. فیدهایی که به درستی انواع مختلف را مدیریت می‌کنند، فقط آنچه را که می‌توان ارسال کرد، تبلیغ می‌کنند.

سایر مطالعات موردی

همین حالا برای نمایش ۱۵ دقیقه‌ای خود برنامه‌ریزی کنید

نسخه آزمایشی من را برنامه‌ریزی کنید

ما نسخه آزمایشی شما را متناسب با نیازهای فوری شما تنظیم خواهیم کرد و به تمام سوالات شما پاسخ خواهیم داد. آماده باشید تا ببینید چگونه کار می‌کند!