Навчити систему: кейс запуску з нульового рекламного кабінету

1. Огляд проєкту

Наш клієнт — мережа закладів харчування у Києві, з кількома філіями, розташованими переважно в центральній частині міста. Основні напрями діяльності — обслуговування гостей у закладі, самовивіз та доставка їжі через популярні сервіси Glovo, Bolt, а також власну службу доставки.

Клієнт звернувся з метою збільшити кількість онлайн-продажів через сайт, залучити нових користувачів і наростити обсяг замовлень. Сайт реалізовано на популярній платформі, спеціалізованій для закладів харчування, яка підтримує інтеграцію з Google Tag Manager і Google Analytics 4, а також має вбудовану CRM-систему та модуль обліку замовлень.

У попередньому кейсі ми докладно розглянули складнощі з налаштуванням аналітики та передачі конверсій у Google Ads, вирішення технічних проблем з передачею конверсій та взаємодію з підтримкою платформи. Після усунення технічних проблем та налагодження повноцінного збору і передачі даних, ми змогли перейти до повноцінного запуску рекламних кампаній.

2. Визначення викликів

Після вирішення технічних проблем з аналітикою основним завданням став ефективний запуск і подальше масштабування рекламного просування. Перед нами постали кілька ключових викликів:

• Розкрутити категорію онлайн-замовлень через сайт, зокрема на фоні конкуренції з великими доставними сервісами (Glovo, Bolt), які вже мають стабільний потік замовлень.

• Забезпечити щонайменше 400 замовлень через сайт у рамках рекламного періоду, щоб підтвердити ефективність каналу та збільшити його частку в загальній структурі продажів.

• Стимулювати зростання середнього чека онлайн-замовлень, щоб показники були помітно вищими, ніж у замовлень з органічного трафіку. Цільовий рівень середнього чека мав бути на 30–40% вищим, що дозволило б не тільки компенсувати рекламні витрати, а й підвищити маржинальність замовлень, отриманих з платного трафіку.

Ці цілі визначали як рекламну стратегію, так і подальші KPI-орієнтири при оцінці результатів кампанії.

3. Стратегія

З огляду на початковий стан — відсутність історії конверсій у новому рекламному кабінеті — ми зрозуміли, що швидкий перехід до автоматичних стратегій оптимізації буде неможливим без достатнього обсягу даних. Тому основна стратегія передбачала поступове накопичення навчальної бази, що дозволить у подальшому ефективно використовувати потенціал автоматизації Google Ads.

Ми спланували кампанію в кілька фаз:

1. На старті — зосередитись на залученні трафіку за допомогою ручного керування або стратегії на максимальні кліки, щоб отримати перші конверсії для навчання системи.
2. У процесі накопичення даних — поступово переходити до автоматичних стратегій (наприклад, «Максимум конверсій» або «Цільова CPA»), коли кількість замовлень стане достатньою для стабільної оптимізації.
3. Паралельно — активно тестувати формат Performance Max із поступовим розширенням охоплення: спочатку із включенням брендової семантики для швидкого навчання, а потім — з її виключенням, щоб масштабуватися на нову аудиторію.
4. На рівні структури кампаній — планували гнучку семантичну структуру з поділом за категоріями та пріоритетами.
5. Щодо креативів — одразу передбачили створення кількох варіантів візуалів і текстів для тестування, з урахуванням різних сценаріїв: доставка, самовивіз, обідній трафік, локальні акції тощо.

Таким чином, стратегія базувалась на поступовому розігріві системи, швидкому зборі даних, гнучкій сегментації трафіку та подальшому масштабуванні за допомогою розумних стратегій.

4. Реалізація

Першим етапом стало попереднє запускання брендової кампанії ще до остаточного налагодження аналітики. Це дозволило зібрати перші кліки, не втрачати час та паралельно працювати над налаштуванням трекінгу, не зупиняючи рекламну активність повністю.

На другому етапі, після того як трекінг подій і покупок було успішно налагоджено, ми продовжуючи працювати з брендом, перейшли до активного просування категорії онлайн-замовлень. Початково було обрано стратегію на максимальну кількість кліків, що дозволяло залучити трафік і швидко зібрати навчальну базу для системи. У межах пошукових кампаній ми розділили семантику на окремі напрямки, що дозволило краще контролювати покази та бюджети за тематиками.

На третьому етапі, після накопичення достатньої кількості конверсій у кабінеті та фіналізації креативів, ми запустили першу кампанію Performance Max. На цьому етапі брендову семантику свідомо з кампанії не виключали, оскільки їй потрібно було "навчитися", і бренд-запити дозволяли системі швидше знаходити зацікавлену аудиторію, з якою надалі можна було масштабуватись у категорійний трафік.

Після запуску PMax ми перевели категорійні пошукові кампанії на автоматичні стратегії, об'єднавши окремі тематичні кластери в одну більш широку кампанію. Це рішення дозволило зосередити бюджет в межах однієї кампанії, пришвидшити збирання статистики та покращити ефективність навчання алгоритмів Google Ads.

Через певний час, після стабілізації роботи першої PMax та накопичення даних, ми запустили другу кампанію Performance Max, вже з виключеною брендовою семантикою. Основна мета — оцінити реальну здатність системи генерувати категорійний трафік без опори на бренд. Такий підхід дозволив розширити охоплення нових користувачів та зменшити залежність від уже лояльної аудиторії.

Паралельно здійснювалось постійне тестування креативів, моніторинг ефективності за окремими філіями, та оперативна оптимізація за результатами кожного тижня.

5. Результати

Етап 1. Хоча на початковому етапі e-commerce події ще не передавались безпосередньо в рекламний кабінет, завдяки коректно налаштованим UTM-міткам ми мали можливість відстежувати ефективність платного трафіку через адмін-панель платформи.

Це дозволило проаналізувати перші результати рекламних кампаній ще до завершення повного налаштування передачі конверсій у Google Ads. Згідно з даними системи, з реклами було здійснено 27 замовлень, а ROAS (з урахуванням ПДВ) склав 1227%.

Етап 2. На другому етапі, після повного налаштування трекінгу, ми запустили кампанії з категорійною семантикою, які були покликані поступово нарощувати обсяг релевантного трафіку та формувати базу для подальшої оптимізації. Основна мета цього етапу — накопичити достатню кількість конверсій у рекламному кабінеті для переходу на автоматизовані стратегії.

Згідно з даними адміністративної панелі платформи, з платного трафіку було отримано 52 замовлення, а ROAS (з урахуванням ПДВ) склав 566%. У порівнянні з першим етапом цей показник знизився, що було очікуваним: категорійні кампанії ще не встигли продемонструвати повну ефективність, адже лише починали збирати статистику.

Паралельно, за даними, переданими через GCLID, у рекламному кабінеті було зафіксовано 46 конверсій, з яких лише 2,5 припадало на категорійні пошукові кампанії.

Етап 3. На цьому етапі, після накопичення достатнього обсягу конверсій, ми перейшли до масштабування кампаній і переходу на автоматичні стратегії оптимізації. Одночасно з цим було запущено першу кампанію Performance Max, яка включала як брендову, так і категорійну семантику. Після того, як кампанія пройшла фазу навчання та почала стабільно працювати, було запущено другу PMax-кампанію — вже з виключеною брендовою семантикою.

Згідно з даними адміністративної панелі платформи (які відображені на скріні 1), на цьому етапі з реклами було отримано 137 замовлень, а ROAS (з урахуванням ПДВ) склав 721%, що свідчить про стабільну ефективність кампаній після повноцінного переходу на автоматизацію.

У рекламному кабінеті за GCLID було передано аналогічну кількість конверсій. Розподіл виглядав наступним чином:

• 5 конверсій — з Performance Max з виключеним брендом;
• 5,5 конверсій — з категорійного пошуку;
• 59 конверсій — з Performance Max з брендом. При цьому, в межах даної кампанії 34 з 59 конверсій були за брендовими запитами, решта — категорійні або загальні запити без чіткої брендової прив’язки.

Такий результат підтвердив правильність обраної стратегії: кампанії з брендом допомогли навчити систему, а згодом — поступово розширити охоплення на нову аудиторію за рахунок категорійного трафіку.

По кількості замовлень, саме третій етап можна вважати періодом повноцінної роботи з рекламним акаунтом — у межах цього періоду було отримано 137 конверсій із запланованих 400, що становить 34% від цільового обсягу за 3 місяці. З огляду на те, що попередні етапи були присвячені налаштуванням, тестам і накопиченню даних, така динаміка демонструє хороший старт із потенціалом до зростання в наступні періоди.

Що стосується середнього чеку, очікувалося, що він буде вищим за органічний трафік на 30–40%, проте фактичний результат перевищив очікування більш ніж на 85%, що значно підвищило загальну рентабельність рекламних кампаній.

6. Висновки

1. Коректне відстеження — основа для масштабування. Повноцінне налаштування передачі даних про конверсії стало критично важливим для запуску автоматичних стратегій і Performance Max. Без коректного трекінгу ми не могли б ані оцінити ефективність кампаній, ані дозволити системі оптимізуватись. Тільки після усунення технічних проблем з фіксацією подій стало можливим будувати рентабельну структуру кампаній.
2. Навчання системи потребує продуманого підходу. У випадку нового кабінету без історії, брендова семантика в PMax-кампаніях стала хорошим інструментом для швидкого навчання системи. Вона дала стартові сигнали, на основі яких кампанія змогла згодом вийти на категорійний трафік. Цей підхід дозволив уникнути втрати бюджету на "холодному" запуску без результату.
3. Поступове розгортання дає змогу контролювати ефективність. Розділення запусків (спочатку бренд, потім категорія, потім PMax із виключеним брендом) дозволило нам чітко бачити, як саме поводиться кожен тип кампанії та наскільки ефективно система справляється з кожним джерелом трафіку. Це дало змогу приймати зважені рішення про масштабування.
4. ROAS зростає разом із якістю трафіку. Хоча на другому етапі ми спостерігали просідання ROAS через запуск категорій, уже на третьому етапі кампанії вийшли на стабільну ефективність, а ROAS перевищив 700%. Це підтверджує, що навіть неефективні на перший погляд кампанії можуть розкрити потенціал після фази навчання.
5. Комплексний підхід і витримка — ключ до результату. Проєкт вимагав глибокого занурення в технічні деталі, терпіння на етапі накопичення даних і тісної взаємодії з усіма учасниками процесу. Але саме завдяки системному підходу вдалося досягти бажаних бізнес-результатів і створити основу для подальшого зростання.