Jak Lucardi zwiększył CTR, przychody i marże dzięki połączeniu rozwiązań Producthero i Channable?

Aby zwiększyć zarówno przychody, jak i wydajność kampanii reklamowych w sklepach, firma Lucardi nawiązała współpracę z Adwise i wykorzystała połączone wykorzystanie Producthero i Channable. Optymalizując swój plik produktowy za pomocą Producthero's Products AI i potężny silnik reguł Channable w celu tworzenia zaawansowanych segmentacji produktów w oparciu o kluczowe zmienne biznesowe, takie jak marże i poziomy zapasów, Lucardi osiągnął nawet 18% wzrost CTR, +20% przychodów i +15% marży.

‍

Wyzwanie: Zwiększenie przychodów i marży

Z pomocą Adwise, Lucardi był jednym z pierwszych użytkowników aplikacji Producthero Labelizer Strategy. Strategia ta umożliwiła im łatwe kategoryzowanie produktów według różnych etykiet w oparciu o ich wydajność, co przyniosło bardzo pozytywne wyniki i poprawiło efektywność kampanii Lucardi.

Jednak, podobnie jak w przypadku wielu innych graczy e-commerce, na wyniki Lucardi duży wpływ mają czynniki zewnętrzne, takie jak promocje, marże zysku, poziomy zapasów i wydajność poszczególnych produktów. Czynniki te sprawiły, że stało się jasne, że konieczne jest pójście o krok dalej, aby utrzymać rozwój firmy.

Aby naprawdę wpłynąć na poziom przychodów i marży Lucardi, Adwise podjął wyzwanie optymalizacji danych produktowych wykorzystywanych w Google Ads, nie tylko poprzez poprawę atrybutów feedów, ale także poprzez tworzenie bardziej inteligentnych segmentacji produktów w oparciu o krytyczne zmienne dla firmy.

‍

Podejście i wdrożenie: Wzmocnienie kampanii za pomocą Producthero's Products AI i Channable's Rules Engine

Pierwszy krok: Optymalizacja feedu produktowego za pomocą Producthero

Przed skupieniem się na optymalizacji struktur kampanii Lucardi, Adwise musiał najpierw zoptymalizować feed zawierający ponad 30 000 produktów dla 3 różnych krajów (w dwóch językach). W tym celu wykorzystali Products AI Producthero, która pozwoliła im zaoszczędzić znaczną ilość czasu i pracy ręcznej.

Używając Products AI do optymalizacji tytułów, opisów i innych atrybutów produktów, wykorzystali niestandardowe podpowiedzi i zaczęli od optymalizacji produktów oznaczonych jako "Heroes", które miały niskiej jakości tytuły i opisy. Następnie kontynuowano optymalizację reszty asortymentu.

“Optimising the product titles had been on our task list for quite some time. Thanks to Producthero’s Products AI, we were able to make these adjustments quite easily, allowing us to optimise all product titles with minimal time investment. As the cherry on top, we’re also seeing excellent results from this”. Dennis Westerbeek, Teamlead & Sr. Digital Advertising Specialist at Adwise

Drugi krok: Zaimportowanie zoptymalizowanego feedu do platformy Channable w celu umożliwienia segmentacji produktów w oparciu o reguły.

Po wzbogaceniu paszy produktowej o Products AI, zaimportowali zoptymalizowaną paszę, wraz z ich dodatkowymi paszami z obydwoma Price Benchmark i Labelizer , na platformę Channable. W Channable upewnili się, że ten ulepszony feed był używany zarówno w organicznych listach zakupów, jak i płatnych reklamach zakupowych w Google. Ale poza zwykłą aktualizacją informacji o produktach, celem było wzbogacenie kampanii o przydatne dane biznesowe.

W tym celu Adwise i Lucardi zidentyfikowali najważniejsze zmienne, które wpływają na wydajność produktu (takie jak poziomy zapasów i marże zysku). Każdy produkt otrzymał wynik dla każdej z tych zmiennych. Wyniki te zostały następnie wykorzystane do skuteczniejszej segmentacji kampanii.

Korzystanie z Silnik reguł Channablepodzielono katalog produktów na grupy oparte na wynikach lub "wiadra", od produktów o wysokiej do niskiej wydajności. Każdej grupie przypisano inny cel ROAS (Return on Ad Spend) w Google Ads. Umożliwiło to priorytetyzację budżetu i widoczności produktów o największym wpływie na przychody i marże Lucardi.

Były to ustrukturyzowane reguły używane w Channable do dalszego wzbogacania danych kampanii:

• Reguły zostały użyte do wykluczenia produktów, które znajdują się poniżej ustalonego progu marży
• "Villains", którzy nie spełniali standardów kosztu konwersji lub marży (wcześniej zidentyfikowanych w Producthero), zostali wykluczeni za pomocą reguł Channable.

‍

Efekty

Po wspólnym wykorzystaniu rozwiązań Producthero i Channablebyły to kluczowe wyniki dla Lucardi:

• +18% CTR w Belgii i Holandii oraz +15% CTR w Niemczech

Po wykorzystaniu Products AI do optymalizacji feedów produktowych, Lucardi i Adwise porównały wyniki kampanii w ciągu czterech miesięcy w 2025 roku z tym samym okresem w 2024 roku. Wyniki wykazały znaczny wzrost współczynników klikalności: +18% w Holandii i Belgii oraz +15% w Niemczech.

Dzięki zoptymalizowanemu feedowi firma Lucardi była w stanie przyciągnąć do swojej witryny bardziej odpowiedni ruch i zwiększyć współczynniki konwersji na wielu stronach.

• +20% przychodów i +15% marży dzięki zaawansowanej klasyfikacji w Channable

Oferując odpowiednie produkty we właściwym czasie, Lucardi i Adwise wykorzystali zaawansowane grupowanie w Channable, aby zwiększyć przychody w poszczególnych okresach (PoP) o 20% i zwiększyć marżę wkładu o 15%.

"Oprócz widocznej poprawy tych wskaźników, dało to o wiele więcej wglądu w to, jak działa nasz produkt i dało inspirację naszym menedżerom kategorii". Dennis Westerbeek, Teamlead i starszy specjalista ds. reklamy cyfrowej w Adwise

‍

Następne kroki

Chociaż obecne wyniki kampanii są już bardzo obiecujące, Lucardi i Adwise widzą dalsze możliwości rozwoju. Następnym krokiem jest wzbogacenie swoich produktów o dodatkowe zmienne biznesowe, którymi można zarządzać bezpośrednio w Channable. Ponadto zamierzają przejść od podejścia reaktywnego do predykcyjnego, czyli wykorzystywać dane do przewidywania trendów wydajności, zamiast na nie reagować.

Oprócz Google Shopping i Google Ads, Channable umożliwia również Lucardi zarządzanie szeroką gamą dodatkowych kanałów z jednej platformy, w tym kanałami handlu społecznościowego, takimi jak TikTok, Meta, Pinterest i Snapchat, a także porównywarkami, takimi jak Beslist.nl. Ta wielokanałowa konfiguracja będzie odgrywać kluczową rolę w skalowaniu wydajności na różnych platformach.

‍