Od leadů ke smlouvám: Jak jsme hackli výkonnostní kampaně značky Enkidoo

Enkidoo, srovnávač energií, operuje na českém trhu od roku 2021. V letech 2022-2023 neplní v důsledku energetické krize obchodní cíle definované počtem uzavřených smluv. V důsledku toho padne začátkem roku 2023 rozhodnutí zaměřit se jen na výkonnostní kampaně, bez další podpory zatím ještě nezavedené značky.
V dubnu 2024 přebíráme tyto výkonnostní kampaně v Dentsu, v agentuře iProspect, klient však nevěří, že se něco může změnit a dává nám 3 měsíce času, než projekt uzavře. Mediální cíle výkonnostní kampaně jsou definované počtem doručených kontaktů, obchodní cíle klienta pak počtem uzavřených smluv. Díky pokročilé optimalizaci kampaní počet kontaktů výrazně roste, mediální cíle tedy plníme. Vyšší množství kontaktů ale nepřináší přímo úměrný nárůst v počtech smluv.
Musíme se tedy vydat daleko za hranice tradičních optimalizací PPC systémů. Inovativním využitím datových analýz se nám podařilo nejen udržet značku Enkidoo na trhu, ale doručit i zdánlivě nedoručitelné obchodní výsledky:
- 5x více uzavřených smluv,
- snížení ceny za uzavřenou smlouvu o 80,56 %,
- k dosažení stejného počtu uzavřených smluv jako v době před využitím datových analýz nově stačilo pouze 19,44% rozpočtu

Cíl

Hlavním cílem bylo udržení projektu Enkidoo na českém trhu. K tomu bylo třeba v krátkém čase přijít na to, proč přeplněné mediální cíle dlouhodobě nevedou k naplnění obchodních cílů a tento trend následně zvrátit.
Mediální cíle byly čistě výkonnostního charakteru – optimalizovali jsme na tři druhy leadů = kontaktů:
1) odeslaný formulář,
2) odeslaný formulář s plnou mocí,
3) volání z reklam.
Hlavní obchodní cíl pro klienta byl počet finálně uzavřených smluv.
Vyvinuli jsme hypotézu, že každý z výše zmíněných kontaktů má jinou kvalitu směrem k obchodním cílům a podílí se na uzavření smlouvy jinou měrou. K vyřešení celé situace bylo zásadní nalézt způsob, jak hypotézu ověřit a různým kontaktům přiřadit tu správnou obchodní hodnotu.

Strategie

Zadání od klienta zní doručit určitý počet leadů, v našem případě kontaktů, za daný rozpočet. Pro splnění cíle je potřeba držet se ceny za kontakt. Obvyklým výchozím předpokladem úspěšné výkonnostní kampaně je to, že optimalizace ceny za lead (CPL) a zvýšení počtu leadů vede k lepším obchodním výsledkům. U značky Enkidoo však čelíme neobvyklé situaci, kdy i přes plnění cílů ve výkonnostních kampaních, nedochází k naplnění obchodních cílů. Narážíme na to, že výše popsaný výchozí předpoklad u výkonnostních kampaní neplatí plošně, ba naopak. Optimalizace leadů s cílem nárůstu jejich objemu se ukázala, že může být v určitých případech kontraproduktivní, a dokonce přispívat ke zhoršování obchodních výsledků.V počátku spolupráce přichází požadavek klienta na výrazné snížení ceny za kontakt, a to o 80 %. Pouštíme se do optimalizace kampaní s cílem dosáhnout kýženého snížení ceny za kontakt. V kampaních optimalizujeme na tři druhy kontaktů: 1) odeslaný formulář, 2) odeslaný formulář s plnou mocí a 3) volání z reklam. Postupnou optimalizací se daří dosáhnout snížení ceny za kontakt a zvýšit tak objem doručených kontaktů. To se však neprojevuje v podobě očekávaného zvýšení objemu smluv. Mezi objemy doručených kontaktů a objemy uzavřených smluv ani mezi cenou za kontakt a cenou za smlouvu neexistuje korelace. I přesto, že objem kontaktů roste, objem smluv dokonce mírně klesá. Na základě pozorování dat a vztahů mezi nimi začíná vznikat hypotéza: různé druhy kontaktů mají různý dopad ve vztahu k uzavřeným smlouvám. Druh kontaktu "volání" může mít nižší obchodní hodnotu než zbylé dva druhy kontaktů. K dispozici máme informace o celkovém počtu smluv, ale chybí nám informace, ze kterých kontaktů přišly. Není tak možné zjistit, jaký dopad mají jednotlivé druhy kontaktů. Základem strategie je tedy najít nástroj, který umožní potvrdit či vyvrátit hypotézu prostřednictvím určení vztahu mezi různými druhy kontaktů a počtem uzavřených smluv, a to i přes neúplná data, kterými disponujeme.

Realizace

Hypotéza kontakt "volání" může mít nižší obchodní hodnotu, než zbylé dva druhy kontaktů stojí na myšlence, že různí uživatelé se dle druhu kontaktu nachází v různé části rozhodovacího procesu seznámení, zvažování, preference, akce. Je nutné klasifikovat kontakty dle výkonu ve fázích rozhodování uživatele a přiřadit jim obchodní hodnotu. Problém nedostatečných dat jsme vyřešili inovativním přístupem s využitím korelační analýzy.
Pomocí ní jsme propojili kampaňová a klientská data a zjistili, že rozdíly v obchodní hodnotě našich třech druhů kontaktů jsou zásadní. Kontakt "volání z reklam" vykázal zápornou korelaci, tzn. že pokud máme více těchto kontaktů, tak se to neprojevuje ve vyšším počtu smluv, ty mohou naopak klesat. Přestali jsme na něj optimalizovat a po letech plníme obchodní cíle.

Inovativnost

Inovativnost našeho řešení spočívá v nestandardní kategorizaci leadů – kontaktů pomocí korelační analýzy.
Překračujeme standardní algoritmy strojového učení – ty jsou totiž efektivní pouze pokud pracují pro doručení správného optimalizačního cíle a mají současně kvalitní vstupy v podobě dat. Naše kampaň neměla na začátku ani jedno:
- správným optimalizačním cílem nebyla maximalizace kontaktů za daný rozpočet
- disponovali jsme jen neúplnými daty o tom, který z kontaktů uzavírá nejméně smluv
Korelační analýzou jsme identifikovali dva obchodně nejhodnotnější druhy kontaktů. Na třetí druh kontaktu (volání) jsme optimalizovat přestali, pouze jsme ho měřili.
Správně definovaným cílem totiž nebyla cena za kontakt, ale jeho kvalita.

Odvaha

Čelili jsme několika výzvám. Obchodní cíle nebyly dlouhodobě naplňovány a hrozila tak ztráta financování projektu ze strany klienta. Zbývalo minimum času i rozpočtu, a tak bylo potřeba konat extrémně rychle.
Prvotní požadavek na snížení ceny za kontakt se po optimalizacích podařilo naplnit rychle, přesto se však počet uzavřených smluv stále propadal. Chyběla nám klientská data, na základě kterých bychom byli schopni vyhodnocovat obchodní potenciál jednotlivých kontaktů. Optimalizovali jsme na tři druhy kontaktů se stejnou prioritou, ale bylo evidentní, že jeden ze tří typů je kontraproduktivní. I bez úplných dat jsme dokázali slabý článek identifikovat a optimalizační strategii přesměrovat k výsledkům, které měly pro klienta reálný dopad. A to vše v rekordně krátkém čase.