Esettanulmány címe:
MKB-Euroleasing
Az esettanulmányban szereplő ügyfél ágazati besorolása:
információ, kommunikáció
Az esettanulmányban szereplő ügyfél piaci bemutatása - ágazat, cégméret, piaci körülmények, erőforrások:
Az MKB Bank Zrt. első sikeres hazai nagybanki privatizáció során nemzetközileg elismert, hazájában jelentős szerepet játszó pénzintézet, a német BayernLB szerzett többségi részesedést a bankban. A Bank a 80-as évek végétől kezdve továbbfejlesztette a lakossági bankszolgáltatásokat, a pénz- és devizapiaci valamint a tőkepiaci tevékenységét. 2001 végére az értékpapír-kereskedelmi tevékenység integrációjával az MKB Bank univerzális bankká vált, stratégiai érdekeltségei révén egyedülálló, komplex szolgáltatásokat nyújtva ügyfelei részére.
Az MKB-Euroleasing 1991 óta segíti vállalati ügyfeleit. Szoros importőri és autókereskedői kapcsolatai révén személyre szabott ajánlatokat képes biztosítani kiterjedt ügyfélkörének. Az autófinanszírozási üzletág 2015-ben az MKB Pénzügyi Csoport teljesértékű leányvállalata. A nemzetközi tapasztalattal rendelkező menedzsmenttel célul tűztük ki, hogy autófinanszírozóból univerzális lízingvállalattá fejlődjön az MKB Euroleasing.
A megoldandó üzleti probléma bemutatása:
Mivel a négy oldal alapvetően különböző tartalmú
landing volt, ez felvetette a kérdést, hogy mi is számít
lead-nek az Euroleasing szempontjából? Kiderült,
hogy a négy landing oldalból mindössze kettőn
keresztül érkezik olyan lead, ami az Euroleasing
számára bevételt is termel.A végletekig részletes kulcsszókutatással
folytatódott a munka, ez azonban meglepő
módon nem vezetett eredményre: a szóba jöhető
kulcsszavak 95%-ára az Ügyfél már hirdetett. A
költést közelebbről megnézve azonban azt lehetett
látni, hogy korábban a hirdetési költség harmadából a
gyengébben konvertáló oldalra terelték a forgalmat.
Így egyedül a budget reallokálásával nagyjából 30-
40%-os javulására nyílt lehetőség - csakhogy ez még
kevés volt a cél eléréséhez.Ki kellett deríteni, hogy a rengeteg keresési kifejezés
közül, amire az Ügyfél hirdetett, mi volt az, ami
ténylegesen jól konvertált, és mi az, ami nem. Itt
keresési kifejezésről van szó, nem kulcsszavakról!
Analyticsben leszűrve ezeket az elmúlt egy évre egy
több, mint 26.000 soros táblázat lett az eredmény.
Olyan kifejezések után kutattunk, melyek gyakoriak
a keresésekben, majd erre leszűrve megnéztük,
hogy ezek a kifejezések konvertáltak-e. Ha igen,
akkor megtartottuk, ha nem, akkor átemeltük
őket a negatív kulcsszavak közé. Kiderült például,
hogy sokan keresnek a “kalkulátor” kulcsszóra.
Egy adatbányászati eszközzel az úgynevezett
N-gramokhoz nyúltunk: megkerestük azokat
a 2-gramokat, amik a konverziókban legalább
háromszor előfordultak. 19 olyan kifejezést találtunk,
melyben szerepelt a “lízing kalkulátor” és 16 olyat,
amiben szerepelt az “autóhitel kalkulátor”.
Az alkalmazott megoldás bemutatása és a bevezetést követően elért üzleti előnyök:
A fenti kifejezésekből a hirdetéscsoport beállítások
és a negatív kulcsszavak is tisztázódtak - ideje volt
precízebben beállítani a fiókot. Követtük a Broad
Match Modified - Exact bontást, a jobban teljesítő
városok pedig kaptak egy kis bid modifier-t. Külön
kampányba emeltük továbbá a brand kifejezéseket,
mert az “euroleasing” kifejezésre az első 2 organikus
találat nem a legillusztrisabb, és ez a landing nem
is konvertált jól. Picit több kampányunk lett, mint
amennyi volt, de jobban átláttuk a struktúrát és
célzottabb hirdetésekett tudtunk írni.A remarketinget illetően még nagy reményeink
voltak, azonban a Google idővel letiltotta ezeket a
hirdetéseket, ugyanis a hiteltermékek promotálása
szembemegy az irányelveivel. Bár más platformmal
- például Facebook-kal megoldható lett volna, végül
nem vontunk be új csatornát, mivel egyrészt lejárt
a 90 napos határidőnk, másrészt enélkül is sikerült
elérni az eredeti lead-ek számának
208 %-át.
További esettanulmányok: https://7blog.hu/marketing-esettanulmany/#esettanulmany
