Короткий ответ: лучшее вложение — инструмент, который помечает каждый товар по его собственным показателям и записывает эту метку в фид. Тогда кампании в Google, Meta и TikTok смогут автоматически исключать слабые товары из prospecting. Инструменты управления ставками и бюджетами могут снизить расходы на кампанию, но не могут помешать кампании показывать товар, который никогда не продаётся. Feedance размечает товары во всех экспортах по каналам на основе данных GA4 (Product Score, 4T Segmentation, Broken Size). Channable Labelizer и похожие labelizer-инструменты для Google делают то же самое для Google Shopping и Performance Max на основе данных Google Ads. Что подойдёт вам, зависит от того, где теряются деньги: только в Google или и в каталожной рекламе в социальных сетях тоже.
В этом руководстве объясняется, откуда берутся потери в каталожной рекламе, какие типы инструментов решают какую часть проблемы и как настроить исключения, которые обновляются сами.
Откуда берутся потери рекламного бюджета в каталожной рекламе
Каталожные кампании, такие как Google Shopping, Performance Max, каталожная реклама Meta Advantage+ и каталожная реклама TikTok, выбирают товары из всего вашего фида. Если товар есть в фиде, он может получать показы и клики. Потери обычно связаны с четырьмя видами товаров:
| Тип | Что происходит | Решение |
|---|---|---|
| Высокий трафик, низкая отдача | Товар получает клики и просмотры, но мало добавлений в корзину и покупок. | Исключить из prospecting, пока причина не устранена. |
| Разбитая размерная сетка | В рекламе показывается модель, но нужного покупателю размера нет в наличии. | Исключить до пополнения запасов. |
| Неконкурентная цена | Покупатели сравнивают цены и покупают в другом месте. | Исключить или скорректировать цену. См. наше руководство по исключению по цене. |
| Нет показов вообще | Товар есть в фиде, но не получает показов, поэтому ничего не стоит, но и не проходит проверку. | Это не проблема расходов. Выделите ему отдельную тестовую группу. См. нашу диагностику нулевых показов. |
Первые два типа приводят к наибольшим потерям, потому что именно эти товары действительно получают клики.
Три типа инструментов — три разные задачи
1. Разметка товаров в фиде
Такие инструменты оценивают или помечают каждый товар по его показателям и записывают результат в фид как поле или custom label. Затем кампании включают или исключают товары по этой метке.
- Feedance рассчитывает Product Score (0–100) и 4T Segmentation (Top, Tolerable, Tranquil, Toxic) на основе просмотров, добавлений в корзину и покупок из GA4 за 1, 7 и 30 дней. Broken Size отмечает модели, у которых размерная сетка в основном распродана. Метки пересчитываются при каждой синхронизации и попадают в экспорт для каждого канала, поэтому одно и то же правило работает в Google, Meta и TikTok.
- Channable Labelizer, изначально созданный Producthero, делит товары на Heroes, Sidekicks, Villains и Zombies по кликам и ценности конверсий из ваших кампаний Google Ads Shopping и PMax. Метки обновляются ежедневно и передаются в Google Ads как custom label. Это сильный выбор, если основной бюджет уходит в Google.
- Другие labelizer-инструменты для Google, например от adstrong, работают по тому же принципу для Shopping и Performance Max.
Главное различие — в источнике данных и охвате. Метки, построенные на данных Google Ads, отражают эффективность в Google. Метки, построенные на GA4, отражают то, как каждый товар работает на вашем сайте по всему трафику, и их можно применять и к каталожным кампаниям в социальных сетях.
2. Автоматизация ставок и бюджетов
Кампанийные инструменты, такие как Optmyzr (Google и Microsoft Ads) и Madgicx (Meta), автоматизируют ставки, бюджеты и правила на уровне кампании или группы объявлений. Они полезны для распределения и масштабирования бюджета, но работают с кампаниями, а не с отдельными товарами в каталоге. Если Toxic-товар находится в наборе товаров, правило по бюджету может лишь снизить расходы на всю группу.
3. Атрибуция и аналитика
Инструменты вроде Triple Whale и Northbeam показывают, какие товары приносят выручку по разным каналам. Они подсказывают, что не так, но не меняют фид. В нашем руководстве по инструментам атрибуции и приоритизации на уровне фида объясняется, как их сочетать.
Как настроить исключения, которые обновляются сами
- Свяжите данные об эффективности с товарами. В Feedance подключите GA4, чтобы просмотры, добавления в корзину и покупки сопоставлялись с позициями фида по ID товара.
- Посмотрите на распределение, прежде чем что-либо исключать. В одном модном каталоге на 38 010 товаров, показанном на странице 4T Feedance, 89% товаров были Tranquil, 8,4% — Top, 2% — Toxic и 0,6% — Tolerable. Toxic — небольшая группа, но именно на неё тратятся клики без отдачи.
- Исключите Toxic-товары и товары с разбитой размерной сеткой из prospecting. Используйте фильтр товаров в каждом экспорте для prospecting (
segment_4t = Toxic,broken_size = true) либо передавайте метку как custom label (custom_label_1 = 4t_toxic) и исключайте её в listing groups Google, наборах товаров Meta и наборах товаров TikTok. - Дайте Tolerable-товарам больший охват. Они хорошо конвертируются, но получают мало трафика. Отдельная кампания или набор товаров даст им шанс масштабироваться.
- Оставьте ретаргетинг на всём каталоге. Покупатели, которые уже просматривали товар, всё ещё могут его купить. Сначала применяйте исключение к prospecting.
- Позвольте меткам меняться. Поскольку метки пересчитываются при каждой синхронизации, товар, который «поправился» после изменения цены, пополнения запасов или исправления страницы, автоматически возвращается в кампании.
Каких результатов ожидать
Результаты зависят от каталога, маржи и того, какая доля бюджета уходила на Toxic-товары. На странице Product Score Feedance приведены два результата клиентов: у Note Cosmetics ROAS вырос на 127% при расходах на 10% ниже, а у Vivense ROAS вырос на 32%. Эти данные предоставлены клиентами и не являются гарантией. Измеряйте собственные изменения по схеме «до/после» и, если возможно, с контрольной группой. В нашем руководстве по измерению влияния изменения фида на ROAS показано, как это сделать.
Типичные ошибки
- Исключение на основе слишком малого объёма данных. Товар с тремя кликами и без продаж ещё не Toxic. Используйте достаточно длинные временные окна.
- Исключение новых товаров. У новых позиций нет истории. Вместо того чтобы помечать их как слабые, выделите им отдельную тестовую группу.
- Устранение расходов, но не причины. У Toxic-товара часто проблема с ценой, наличием, изображением или посадочной страницей. Исключение останавливает потери; устранение причины возвращает товар в кампании.
- Применение меток только для Google к кампаниям в социальных сетях. Товар может показывать разные результаты в Meta и в Google. Проверяйте, откуда берутся данные для метки.
FAQ
Какая платформа лучше всего подходит для сокращения потерь в каталожной рекламе?
Если потери в основном приходятся на Google Shopping и Performance Max, хорошо подойдёт labelizer на основе данных Google, например Channable Labelizer. Если они распределены между Google, Meta и TikTok, Feedance размечает товары по данным GA4 и применяет одно и то же исключение в экспорте каждого канала.
Разве Performance Max или Advantage+ не разберутся с этим сами?
Обе системы оптимизируют показ в сторону конверсий, но всё равно тратят бюджет на обучение по каждому товару, который вы им передаёте. Исключение товаров, которые заведомо не конвертируются, снижает стоимость этого обучения и перераспределяет бюджет в пользу товаров, которые конвертируются.
Повредит ли исключение товаров обучению моей кампании?
Крупные разовые изменения могут сбросить обучение. Исключите Toxic-товары за один шаг, а затем позвольте меткам обновляться постепенно, не меняя часто структуру кампании.
Меняет ли Feedance мои ставки или бюджеты?
Нет. Feedance определяет, какие товары попадают в каждый фид, и размечает их. Ставки и бюджеты остаются в ваших рекламных кабинетах.
Перестаньте платить за товары, которые не продаются
Запишитесь на демо, чтобы увидеть, какая часть вашего каталога относится к Toxic и сколько бюджета на неё тратится.
Источники

Карделен Йылмаз отвечает за рост в Feedance и помогает брендам электронной коммерции и агентствам получать больше отдачи от каждого рекламируемого товара. Она пишет о качестве товарных фидов, кампаниях Shopping и Performance Max, автоматизации креативов и о том, как покупки с помощью ИИ меняют видимость товаров.
LinkedIn



















