Система продвижения интернет-магазина электроники | FISHKI.UA

Бекграунд

Старт работы над проектом - 2016 год. Задача - запуск и масштабирование онлайн направления, построение мультиканальной дистрибуции.
Комплексное решение по созданию маркетинг, IT и сервисной e-commerce инфраструктуры, способной не только взаимодействовать, но и повышать продажи в оффлайне и B2B-направлении.

Омниченел аналитика

С учетом мультиканальной модели дистрибуции компании, где совмещались продажи в сети розничных магазинов, активные продажи на маркетплейсах и оптовых каналах, а также в собственном интернет-магазине, важно было оценивать эффективность инвестиций в продвижение исходя из многоканальной последовательности. Это позволило:

Цепочки каналов продаж

Исходя из понимания, как каждый сегмент покупателей принимает решение о выборе места покупки и взаимодействует с предложением, была выстроена система оценки эффективности каждого канала и рекламной кампании, с учетом его места в воронке продаж. 
С отдельными ремаркетинг кампаниями для каждого этапа и тактикой работы канала, исходя из ассоциированной доходности и рентабельности в рамках построения цепочек, кроме стандартных каналов продвижения в виде Google Ads, соц сетей и SEO продвижения мы использовали: 

Гибкие торговые кампании

С учетом большого количества ассортимента, динамически сменяемых остатков, продаж, маржинальности и цен, была внедрена система установки бюджетов и ставок для каждого товара, а также группы поисковых запросов исходя из ключевых финансовых метрик.

Остатки и Оборачиваемость. Алгоритм определял, важно ли для нас распродать товар или ввиду ограниченных остатков не форсировать его продажи, с учетом более высокой стоимости рекламы в Google Shopping, чем в других каналах.

Срок доставки. Влияние срока доставки и итоговой конверсии, с распределением остатков между 140 складами по всей Украине помогало определить стоимость клика для каждого товара в зависимости от региона, в котором находился клиент.

Маржинальность. На один и тот же товар могла быть разная цена закупки. Мы учитывали это, и проводили автоматическую коррекцию ставок в зависимости от маржи и рамки затрат на стоимость заказа для каждого отдельного товара.

Цена продажи и конкуренция. С учетом цен на аналогичные позиции у конкурентов, в зависимости от разницы минимальной цены с нашей, средней цены и цены у топ игроков, определяли вероятную конверсию и соответственно стоимость клика для конкретного SKU.

Товарный фид. Интеграция с CRM, 1С, остатками, базой данных цен конкурентов и сквозной аналитикой, смена всех атрибутов, ставок и бюджетов в реальном времени исходя из прогноза доходности и рентабельности каждого из них.

Географический таргетинг. Для каждого из 54 регионов продаж, исходя из оборачиваемости, прибыли, операционных и маркетинг затрат, применялся коэффициент рентабельности при назначении ставок, бюджета и продвигаемого ассортимента.