Опасность относительных изменений

Если вы  когда-нибудь занимались математическими задачами по оптимизации функций, то вы могли бы заметить, что предыдущая стратегия чем-то похожа на методы спуска, использующиеся в линейной алгебре. Не буду углубляться в терминологию, сразу скажу, чем эти методы могут быть вредны вашему бизнесу. Тем, что они предназначены в основном для поиска локальных минимумов. Проще говоря, вы находите ближайшее оптимальное решение и останавливаетесь. Хотя на самом деле есть множество более удачных решений, которые лежат за "холмами" и "ямами" локальных экстремумов.

Тогда почему мы пользуемся такими стратегиями?

Потому что методы, которые находят глобальный минимум, значительно более затратны с точки зрения вычислений. А в нашем случае ещё и крайне затратны для бюджета, который мы потратим на эксперименты. В контексте каждый шаг влево или вправо должен быть протестирован, для него необходимо набрать значимое количество статистики, чтобы определить, туда ли мы идем.

Что же делать в таком случае?

Мы обладаем куда большим набором данных, чем в классической задаче. Используя дополнительные метрики, мы можем более точно сказать, можно ли что-то улучшить или нет.

Ещё немного математики

Давайте посмотрим на следующую после CPO метрику из предыдущей статьи. Это показатель конверсии -  CR.

Вспомним, как считается CR:

CR = Transactions / Clicks 

Отсюда легко выделить формулу для конверсий

Transactions = CR * Clicks 

При этом CPA у нас считается как

CPO = Cost / Transactions = Clicks * CPC / Transactions 

Подставим значение для конверсий из предыдущего вывода:

CPO = (Clicks * CPC) / (CR * Clicks) = CPC / CR 

Отсюда получается, что

CPC = CPO * CR 

Иначе говоря, если мы считаем, что мы должны получать некоторый определённый CPO, то CPC и CR у нас находятся в прямой зависимости.

Добавим сюда тот факт, что

CPC = f(Bid) ~ Bid 

Конечно, зависимость CPC от ставки значительно сложнее, но совершенно точно можно сказать, что если мы хотим получить наш оптимальный CPO, то

Bid ~ CR 

Т.е. ставку можно делать в зависимости от Conversion Rate.

Давайте теперь перейдем к практике и посмотрим, как построить стратегию на основе наших выводов.

Стратегия №2. Оптимизация на основе показателя конверсии

В теории, мы могли бы выбрать некоторый коэффициент k > 1 и просто считать нашу ставку по формуле

Bid = k * CR * CPO 

Но так как ставка будет зависеть от CPC и CR ступенчато, то  лучше всего выбрать несколько порогов и задавать ставку для каждого из них.

В итоге ваша стратегия упрощается до нескольких правил, в каждом из которых вы выбираете фиксированную ставку.

Например, можно задаться целью получить CPO 400 рублей. При CR > 5% вам имеет смысл поставить ставку 20 рублей. При CR > 10% — 40 рублей и т.д.

Детали стратегии

Часто мне задают вопрос, а сколько градаций CR лучше выбрать?

Ответ простой: чем больше, тем лучше. На самом деле, настройка любой стратегии должна начинаться с оценки текущей ситуации. Посмотрите, какой CR есть у ваших слов, отбросьте 10-20% краевых случаев, а диапазон оставшихся значений поделите на 5 равных интервалов.

Это могут быть значения 5, 10, 15, 20, 25. А могут быть и более скромные 1, 2, 3, 4, 5. Все зависит от вашего бизнеса.

Также стоит подбирать количество градаций в зависимости от целевого CPO. Если у вас интервалы по 5% и целевой CPO -  2000 рублей, то градации ставок будут по 100 рублей, что довольно много, и стоит сделать больше интервалов. Однако по моим наблюдениям, чем больше CPO, тем ниже CR, что, в общем-то, логично, так как у нас есть предел по ставке.

Достоинства и недостатки стратегии

Неоспоримым достоинством стратегии является то, что мы математически точно и сразу подбираем нужную ставку. Не так важно, на какой позиции находилось объявление раньше, сколь важно, какой Conversion Rate оно давало. По идее на этот показатель никак не влияет ни позиция, ни цена клика. Разве что релевантность объявления, но это совсем другой разговор.

Недостатком стратегии является ее цель — получить определенный CPO по каждому ключевому слову. Мы никак не учитываем, что по некоторым словам он может быть выше, а по некоторым — ниже. Не учитываем, что в итоге стратегии в целом количество заказов может упасть. Не смотрим, какую маржинальность имеют нам слова с высоким показателем конверсии.

Что дальше?

В следующих статьях мы рассмотрим, какие еще метрики могут нам помочь в оптимизации. Как преобразуются наши стратегии, в зависимости от использования тех или иных метрик и как, наконец, научиться оптимизировать свою прибыль, а не только количество полученных заказов.