Witold Wrodarczyk – wywiad po semKRK#21 BIG

Na to pytanie nie ma uniwersalnej odpowiedzi. Firma rozpoczynająca działalność będzie miała przecież 100% nowych klientów. Na drugim biegunie – gdy znaczna część grupy docelowej już produkt nabędzie, znalezienie nowego klienta będzie fizycznie trudne.Warto zebrać dane nie tylko o proporcji klientów nowych i powracających, ale też o tym, jak często i statystycznie ile razy klienci wracają. Jeśli klienci wracają często, siłą rzeczy transakcji powracających będzie więcej. Znając specyfikę biznesu i pozycję firmy na rynku, łatwiej jest określić, czy dana proporcja nie wydaje się być zachwiana.Segmentacja ma tym większe znaczenie, im częściej i łatwiej klienci wracają. Wtedy każdy nowy klient to silny impuls dla wzrostu.

W kontekście pozyskiwania nowych klientów mamy do czynienia z dwoma głównymi segmentami: nowi i powracający. Niemniej, powracający po dłuższym czasie mogą być traktowani jako „odzyskani” i wysiłek w ich zdobycie jest porównywalny do zdobywania nowych klientów.Klienci lojalni, czyli nasi (potencjalnie) powracający klienci, to zupełnie inna kwestia. Na pewno warto wyszukiwać tych, którzy przestali wracać, i próbować ich odzyskać. Segmentacja ma sens w kontekście zainteresowań grupami produktów, jeśli oferujemy ich szerszą gamę oraz w przekroju wysokości oczekiwanego LTV (Life Time Value, długookresowa wartość klienta).

Z doświadczenia, strategie te potrafią zwiększyć liczbę nowych klientów, co długofalowo pozwala wrócić na ścieżkę wzrostu firmom, które ten segment zaniedbały. To zaniedbanie może być często mimowolne, bo gdy transakcje wszystkich klientów traktujemy tak samo, algorytmy i procesy decyzyjne mogą się skupiać na najniżej rosnących owocach, czyli klientach powracających.Znaczenie ma to przede wszystkim tam, gdzie pierwsza transakcja stanowi niewielką część całego LTV, bo wtedy wyższa inwestycja w nowych klientów będzie miała się szansę zwrócić.

Google ma tak dobre informacje, jakie mu dostarczymy. Jeśli nie stosujemy wartości new_customer przy konwersji i nie wgrywamy aktualnych list klientów, Google będzie to robić na podstawie plików cookie, co siłą rzeczy będzie traktować więcej klientów jako nowych.Jest też kwestia blokowania informacji przez Google w przypadku kategorii wrażliwych. Jest to dla mnie trochę niezrozumiałe, że mimo iż sami wprowadzamy informację o nowym/powracającym kliencie, Google decyduje się ją zaciemniać, ale w niektórych przypadkach część lub całość konwersji będzie uznawana za nieznaną. W takiej sytuacji można rozważyć „reverse engineering” i zaimplementowanie strategii pozyskiwania nowych klientów wykorzystując zestawy konwersji, listy remarketingowe i listy klientów (zob. też artykuł o konfigurowaniu strategii pozyskiwania nowych klientów: https://adequate.digital/en/web-analytics/optymalizacja-dla-zdobywania-nowych-klientow)

Jeśli zastosujemy strategię wyższych stawek dla nowych klientów, Google sam rozdzieli budżet między nowych i powracających klientów tak, by maksymalizować wartość konwersji generowanych przez kampanię przy założeniu, że wartość nowych klientów jest odpowiednio wyższa.Jeśli stosujemy strategię pozyskiwania wyłącznie nowych klientów, a do dotychczasowych klientów kierujemy się w oddzielnych kampaniach remarketingowych, powinniśmy próbować osiągnąć ten sam efekt, tj. maksymalizować wartość konwersji z sumy tych kampanii i do tej strategii dostosować budżet.Nie ma jednak uniwersalnej reguły podziału tego budżetu.Zwrócę też uwagę, że do osób, które są naszymi klientami, możemy docierać nie tylko przez reklamę, ale np. przez newsletter czy SMS.

W kontekście strategii na pozyskiwanie nowych klientów stosujemy po prostu listę klientów.W kampaniach remarketingowych sens może mieć np. lista subskrybentów newslettera, którzy nie otwierają wysyłanych do nich maili.Z kolei jeśli myślimy o lookalike, warto pamiętać, że nie jest tutaj aż tak ważna sama liczba wprowadzonych osób, ale to, czy w tej grupie występują podobieństwa, które pozwolą systemowi dostrzec te wzorce zachowań i poszukać osób podobnych. Dlatego lepiej wybrać np. listę 10% najlepszych klientów niż listę wszystkich klientów. Ponadto lista ta powinna być w miarę świeża. Nasi klienci, którzy dokonali zakupu kilka lat temu, dziś mogą być zupełnie innymi ludźmi i szukanie osób takich jak oni dziś może nie być najlepszym sposobem poszukiwania klientów.

Praktycznie każda z funkcji Google Ads czy Analytics ma swoje zastosowanie. Niemniej, czasem zdarzają się sytuacje, w których ich stosowanie nie ma sensu. Przykładowo, omawiana przeze mnie na semKRK strategia na zdobywanie nowych klientów nie ma sensu, jeśli klienci nie wracają, tj. większość z nich dokonuje zakupu tylko jeden raz.Na pewno nie rekomendowałbym włączania automatycznego stosowania wszystkich automatycznych rekomendacji Google. Nie znaczy to, że nie mają one sensu. Należy po prostu się im przyglądać i odrzucać lub stosować w zależności od tego, czy wpisują się w naszą strategię marketingową.Generalnie, nie jestem entuzjastą stosowania konwersji importowanych z Google Analytics do Google Ads do optymalizacji kampanii. Jeszcze do niedawna import odbywał się wyłącznie w modelu ostatniego kliknięcia, co powodowało pozbawienie kampanii mnóstwa sygnałów. Po ostatnich zmianach argument ten ma mniejsze znaczenie, natomiast cały czas w przypadku pojawienia się niepożądanych źródeł ruchu w Analytics (np. nowej bramki płatności, której jeszcze nie wykluczyliśmy), tego rodzaju zaburzenia w Analytics będą bezpodstawnie wpływały na raportowaną efektywność kampanii. Więcej o tym piszę tutaj: https://www.linkedin.com/pulse/dlaczego-wykorzystywanie-konwersji-zaimportowanych-z-do-wrodarczyk/

Nie przychodzą mi na myśl żadne ograniczenia. Przy każdej optymalizacji warto sobie jednak zadać pytanie, czy potencjalny wzrost efektywności zwróci poniesione na nią koszty i poświęcony czas.

Tak, można. Mówiłem o tym w czasie mojej prezentacji. Oznaczając określonych odbiorców jako klientów, mówimy algorytmowi pozyskującego nowych klientów, by do tych dotychczasowych klientów już reklamy nie kierować.Te listy odbiorców niekoniecznie muszą zawierać dotychczasowych klientów. Wgrywając tam dowolną inną listę odbiorców, możemy wykorzystać tę funkcję do tworzenia wykluczających list odbiorców i w ten sposób ominąć brak dostępności tej funkcjonalności (na dziś) w kampaniach Performance Max.

Dodałbym jeszcze BigQuery i Vertex AI. Ale to nie zamyka listy narzędzi.

Generalnie wydaje się, że inwestycja w takie reklamy ma większy sens w przypadku firm sprzedających własne produkty, które są również dostępne u innych sprzedawców, np. sklep nike.com może reklamować się na własną markę, rywalizując z innymi sklepami sprzedającymi obuwie sportowe, w tym firmy Nike, by zwiększyć sprzedaż bezpośrednio w swoim sklepie i zmniejszyć „ryzyko” kontaktu klientów z innymi markami, jeśli dokonywaliby zakupu u mulitbrandowego resellera.Natomiast w przypadku firm, których produktów/usług nie można nabyć gdzie indziej, inkrementalny efekt takich reklam jest zazwyczaj niewielki. Owszem, generują one wiele konwersji, ale bez tej reklamy klienci w większości przypadków znaleźliby nas w wynikach organicznych i również skonwertowali.Ale pamiętajmy, każdy przypadek jest inny!

Na początku wszyscy klienci będą nowi, więc do czasu, kiedy udział klientów powracających nie jest bardzo istotny, nie musimy się spieszyć z wdrożeniem tego rozwiązania.

Oczywiście, baza danych o transakcjach, taka jak BigQuery, jest najlepszym źródłem danych do obliczania kohort. Można też dane te wyjąć bezpośrednio z CRM, bo przecież stamtąd trafiają one do BigQuery.