Używamy plików cookie
Używamy ciasteczek, dzięki którym nasza strona jest dla Ciebie bardziej przyjazna i działa niezawodnie. Dzięki nim możemy lepiej dopasować treści i reklamy do Twoich zainteresowań. Jeśli się nie zgodzisz, reklamy nadal będą się wyświetlać, ale nie będą dopasowane do Ciebie.
Używamy plików cookie
Używamy ciasteczek, dzięki którym nasza strona jest dla Ciebie bardziej przyjazna i działa niezawodnie. Dzięki nim możemy lepiej dopasować treści i reklamy do Twoich zainteresowań. Jeśli się nie zgodzisz, reklamy nadal będą się wyświetlać, ale nie będą dopasowane do Ciebie.
Ustawienia ciasteczek
MUUV. to polska marka modowa oferująca odzież premium o minimalistycznym i nowoczesnym charakterze. W asortymencie znajdują się ubrania codzienne, eleganckie oraz sportowe, takie jak topy, sukienki, spodnie, stroje kąpielowe, body, biustonosze, a także akcesoria, w tym balaklawy, biżuteria i obuwie. Marka stawia na wysoką jakość materiałów, funkcjonalność oraz ponadczasowe kroje.
MUUV. kieruje swoją ofertę do kobiet w wieku 25–40 lat, które śledzą trendy modowe i cenią sobie minimalizm, wygodę oraz wysoką jakość ubrań. Klientki marki poszukują stylowych, a jednocześnie funkcjonalnych rozwiązań, które sprawdzą się w codziennym użytkowaniu i pozwolą na tworzenie uniwersalnych stylizacji. Grupa docelowa to również osoby dbające o estetykę, interesujące się miejskim stylem życia i świadome swoich wyborów zakupowych.
Głównym celem kampanii Meta było rozwijanie sprzedaży i zwiększenie zwrotu z reklam.
Pierwszym wyzwaniem było uporządkowanie analityki, która w momencie przejęcia konta nieprawidłowo rejestrowała dane.
Po uporządkowaniu analityki Meta, wyzwaniem było zbudowanie struktury kampanii, która by skuteczniej niż poprzednie kampanie skalowała sprzedaż i zwrot z wydatków reklamowych.
Nasze działania rozpoczęliśmy od analizy struktury kampanii na koncie MUUV. . Podobnie jak w przypadku wielu przejmowanych kont, kampanie nie miały odpowiednio ustawionych wykluczeń, co uniemożliwiało precyzyjny podział ruchu według jego temperatury.
Kluczowym elementem naszej strategii było:
Zastosowanie wykluczeń w kampaniach – pozwoliło to na wymuszenie na algorytmie Meta dotarcia do nowych grup odbiorców, a nie tylko do tych o najwyższym prawdopodobieństwie konwersji.
Segmentacja geograficzna ruchu ciepłego – podzieliliśmy odbiorców na obszary miejskie i pozamiejskie, co pozwoliło przetestować hipotezy dotyczące lokalizacji sprzedaży.
Reaktywacja odbiorców – za pomocą odpowiednich grup i wykluczeń skierowaliśmy reklamy do osób, które nie wchodziły w interakcje z marką przez co najmniej 2–3 miesiące, w celu poszerzenia zasięgu i aktywacji nowych grup klientów.
Dalsza segmentacja według czasu interakcji – w miarę wzrostu wolumenu danych wprowadziliśmy segmentację odbiorców według okresów: 1–30, 31–60, 61–90, 90–180 oraz 180–365 dni.
Kampanie stałe:
Kampanie okresowe:
Znaczenie segmentacji ruchu według okresu retencji:
Dokładna segmentacja odbiorców według czasu od ostatniej interakcji pozwoliła skutecznie wymusić na algorytmie Meta dotarcie do nowych grup użytkowników. Pokazało to, że potencjał sprzedażowy istnieje również wśród odbiorców o dłuższym czasie braku aktywności, a nie tylko wśród tych najbardziej zaangażowanych.
Odkrycie potencjału sprzedaży w regionach pozamiejskich:
Podział ruchu na segmenty miejskie i pozamiejskie ujawnił, że regiony spoza dużych miast wygenerowały 18% całkowitego obrotu, z 60% wzrostem sprzedaży w ciągu pierwszych dwóch miesięcy. To dowodzi, że warto uwzględniać w działaniach marketingowych także mniej oczywiste lokalizacje.
Doświadczenie w prowadzeniu kampanii w Meta Ads kluczem do sukcesu
Sukces na koncie MUUV. został osiągnięty, dzięki działaniom prowadzonym wbrew standardowym rekomendacjom Meta. Zamiast kumulować ruch, prowadziliśmy segmentację według geolokalizacji, okresów retencji oraz rodzajów treści. Dzięki temu skutecznie docieraliśmy do osób, które zostałyby pominięte przy stosowaniu domyślnych ustawień.