OTM
04 июля 2016, 10:15
11353
3

Как рекламодателю правильно заказывать таргетинг на расширенную аудиторию (look-alike)

Если подрядчик не хочет раскрывать информацию, как именно сформированы сегменты — гоните его в шею.

Как рекламодателю правильно заказывать таргетинг на расширенную аудиторию (look-alike)

Рынок переполнен подрядчиками, предлагающими недорогие, но крайне «эффективные» услуги по look-alike моделированию. Однако немногие из них готовы делиться информацией по смоделированным сегментам и предоставлять ценные данные по аудитории, на основе которой эти сегменты сформированы.

Всего три года назад, предлагая заказчику решение по look-alike-моделированию, приходилось вдаваться в подробные объяснения. Обстоятельно рассказывать о том, что недавно на рынке появился новый и крайне эффективный инструмент, который с помощью математических моделей позволяет автоматически расширить аудиторию рекламодателя, предложив товар или услугу тем пользователям, чье поведение по ряду параметров похоже на существующих клиентов.

Сегодня объяснять приходится уже реже. Про look-alike моделирование многие слышали, а кто-то даже воспользовался предложением одной из тех двух десятков компаний, которые продвигают такую услугу на рынке. Ведь этот пункт теперь есть в прайс-листах практически каждого из участников программатик-экосистемы Рунета.

cossa-icons-6.png

Весь интернет-маркетинг за 19 недель!

Cossa рекомендует: онлайн-курс по интернет-маркетингу от Ingate — digital-агентства с 17-летним опытом.

  • 17 учебных блоков по ключевым вопросам интернет-маркетинга
  • Поддержка менторов
  • Диплом
  • Cтажировка в топовых агентствах России
  • Помощь в трудоустройстве
Узнать больше >>

Реклама

Правда, отношение к look-alike моделированию изменилось, причем не в лучшую сторону: каждый второй клиент с порога заявляет, что больше не готов применять look-alike из-за неэффективности данного инструмента.

Кто виноват?

«Мы добились поистине удручающих результатов, использовав в рекламной кампании аудиторный сегмент, построенный подрядчиком по look-alike моделированию», — рассказывал на первой встрече один рекламодатель, впоследствии ставший нашим клиентом. — Самые стандартные рекламные кампании с крайне посредственным креативом и без единого намека на технологические изыски приносили нам больше пользы, чем это позорище. Вот вы мне можете объяснить, как такое вообще могло произойти?«.

Объяснить, почему не сработал чужой look-alike алгоритм, нам было непросто. Как потому, что мы не владели материалом по данному кейсу, так и потому, что все заготовленные нами доводы он, как выяснилось, уже слышал от своего первого look-alike подрядчика.

Ему уже показали ссылку на FAQ Facebook и он уже знал, что look-alike подрядчик поставит на его сайт волшебный пиксель, позволяющий:

  • детально проанализировать всю аудиторию,
  • а затем найти и отобрать людей, которые по ряду признаков максимально похожи на его потенциальных клиентов.

И он в курсе, что в конце мы предложим ему как минимум 10, 30 или даже 50 тысяч уникальных пользователей, которые будут как две капли воды похожи на его текущих клиентов, и еще 150 тысяч, которые будут похожи частично.

Вот только почему он должен верить, что эти люди — именно те, кто ему нужен, и что они действительно поднимут его продажи?

Доводом, который сработал, стала история о «черном ящике»

«Давайте мы не будем тратить ваше время на страшилки про липовый таргетинг и продажу воздуха, когда под видом аудиторного сегмента подрядчики отгружают наивному клиенту дешевый и к тому же нерепрезентативный трафик, — сказали мы. — Все дело в том, что вы оказались в типичной для потребителя look-alike ситуации, когда продавец принес вам „черный ящик“ — модную, красивую, лакированную коробку и начал ее нахваливать. Вы заслушались и этот ящик купили, даже не попросив открыть — а зачем, если всем известно, что он прекрасно работает?».

Такие «черные ящики» сегодня в основном и предлагают клиентам. Продавая расширение базовой аудитории, компании отказываются раскрывать алгоритмы своей работы и объяснять, каких именно людей и как они собирают.

Часто работа с системой выглядит до смешного просто: на сайт клиента ставят пиксель, затем клиенту предлагается нажать на кнопку «построить look-alike», чтобы через какое-то время система дала ему глубокомысленный ответ «look-alike готов» и предлагает нажать на кнопку «применить».

Услуга оказалась сильно дискредитированной именно из-за подобного подхода. Работая с «черным ящиком», заказчик не понимает, почему результата или вовсе нет, или он нестабилен — один раз look-alike сегмент показал достаточно высокую эффективность, а в следующий раз она полностью отсутствовала. Нет исходной базы данных, которая позволяет проанализировать, что и как именно было сделано.

Конкурентоспособный look-alike алгоритм сегодня отличает большое количество параметров, позволяющих рекламодателю сначала наблюдать за процессом построения аудиторного сегмента, а затем детально анализировать результаты кампании. Необходима максимальная прозрачность при детализации найденной аудитории.

Что делать?

Слово «визуализация» стало ключевым для современного look-alike моделирования. Лидеры рынка стараются внедрить в свои платформы графические решения, которые делают максимально наглядным процесс принятия решений клиентом. Помимо нашей компании свои решения в области визуализации предлагают и другие крупные участники интернет-рынка — «Яндекс», Google и российская компания Soloway, один из крупных игроков отечественного рынка программатик-маркетинга. Каждый разрабатывает свой набор элементов, дающих заказчику максимально полное представление обо всех этапах анализа аудитории, построения сегментов и прогнозирования их эффективности.

Один из таких элементов — визуализированный в виде графика или таблицы прогноз эффективности — ключевой параметр, который позволяет до запуска кампании просчитать, каких результатов можно добиться по ее завершении.

Не стоит торопить вашего подрядчика, требуя, чтобы он запустил алгоритм построения look-alike сегмента сразу после того, как система получила и проанализировала входной семпл — информацию, собранную о посетителях сайта с помощью пикселя, данные об итогах рекламной компании, о продажах, даже данные СRM заказчика, включая телефон или электронную почту клиента.

Рекламодателю всегда стоит сделать паузу и подумать, постараться самостоятельно выбрать решение. Определить, что для него важнее — небольшой по объему, но максимально эффективный сегмент или, наоборот, охватная кампания, где показатель эффективности в пересчете на одного уникального пользователя будет немного ниже.

Хорошим инструментом здесь станут интерактивные графики и таблицы, позволяющие в режиме реального времени определять веса аудиторных сегментов и давать прогнозы по эффективности.

Платформа Weborama, к примеру, позволяет на специальном интерактивном графике наглядно продемонстрировать зависимость охвата от эффективности и предложить несколько вариантов аудиторных сегментов:

Прозрачный аудиторный сегмент — мечта любого медиаагентства, которое заказывает look-alike для своего клиента. Крайне привлекательной выглядит возможность разложить наполнение look-alike сегмента по целому ряду параметров, в зависимости от того, какие данные были доступны во входном сэмпле: социально-демографические характеристики, время суток, дни недели, наиболее аффинитивные интересы, привязка к местности (гео), типы используемых устройств, поведенческие паттерны.

Поэтому следующий важный инструмент визуализации — так называемое дерево решений, показывающее наполнение интересующего аудиторного сегмента. С помощью такого дерева рекламодатель получает достаточно легко считываемое графическое изображение того, как происходила детализация поступивших в систему целевых действий пользователей.

В качестве примера приведу дерево решений, построенное после анализа аудитории сайта одного из крупнейших производителей обуви:

На входе система получила с сайта клиента 3488 целевых действий. Людей, которые их совершили, как и следовало ожидать, объединял сильный интерес к обуви. Основываясь на полученных данных, система разбила этот массив на две ветки: в первую попали 2438 пользователей, отсортированных на основе данных о ежемесячной частоте посещений страницы сайтов по обувной тематике (serfintencity); во вторую были включены 1050 пользователей, критерием попадания в ветку был показатель вовлеченности пользователя и количество совершенных целевых действий на сайте.

После дробления первичного массива данных система начала выделять поведенческие подуровни. Вторая группа, в свою очередь, разделилась на две ветки: тех, кто интересуется одеждой — 580 человек, и людей в возрасте 25-34 лет — 470 человек.

Кроме того, выяснилось, что после «обувных» вопросов пользователей из второй ветки больше всего интересует просмотр фильмов в интернете, а также среди них нашлись 52 человека, интересовавшихся литературой. Самой же большой группой в первой ветке стали люди среднего достатка.

Наиболее интересные для заказчика сектора выделяются красным: так система помечает те максимально узкие аудиторные сегменты, на которые пришлось максимальное количество совершенных пользователями действий. Соответственно, именно рекламная кампания, охватывающая построенный на их основе look-alike сегмент, может показать максимальную эффективность.

Прозрачные преимущества

Отказ от принципа «черного ящика» и предоставление максимального объема информации для анализа позволяют совершить немало открытий, которые, как минимум, удивят рекламодателя, а как максимум — заставят его проникнуться верой в аналитическую мощь look-alike платформы.

Один автомобильный бренд пришел к нам с взятым из глобального исследования, подготовленного крупной исследовательской компанией, описанием своей целевой аудитории. Авторы исследования кропотливо изучили ее и дали подробнейший портрет тех покупателей, которые уезжают из автосалона за рулем нового кроссовера. Выходило, что это молодые люди в возрасте 20-30 лет с активной жизненной позицией, любящие экстремальные виды спорта, походы в кино, следящие за модой, любящие гаджеты.

Клиент разрешил нам проанализировать аудиторию своего сайта, но не ждал, что эта работа принесет какие-либо открытия. И, как вскоре выяснилось, напрасно, так как онлайн-портрет аудитории может кардинально отличаться от офлайн-данных. Когда наша система выстроила дерево решений, то обнаружилось, что тех, кто отправляет через сайт заявки на тест-драйв, скачивает информационную брошюру, ценовое предложение с комплектацией автомобиля и пользуется конфигуратором, можно было поделить на две больших группы.

Представители первой полностью совпадали с описанием из исследования — 65% посетителей сайта были той самой активной молодежью. О второй группе, на которую пришлось 35% посещений, в исследовании ничего не говорилось: оказалось, что сайт часто посещают люди в возрасте 45 лет и старше, которых интересовали совершенно другие характеристики автомобиля — надежность, безопасность и комфорт, условия кредитования.

Это были родители активной молодежи, те люди, которые оплачивали покупку, а значит, тоже принимали участие в выборе машины. Получив в ходе look-alike моделирования такую информацию, автопроизводитель скорректировал месседжи своей рекламной кампании, дополнив ее обращением к более старшей аудитории.

Рекламодатели, которые регулярно используют данные look-alike моделирования, совершают подобные «открытия» постоянно. Практически каждый заказчик обнаруживает аудиторную группу, о существовании которой не догадывался, либо уточняет представления о своих покупателях.

Так, агентство, готовившее кампанию для производителя чемоданов, пришло к нам с брифом, в котором говорилось о том, что их покупают мужчины и женщины в возрасте 25-45 лет, любящие путешествия и туристические поездки. Источником входного сэмпла стал сайт компании, через который люди совершали онлайн-покупку чемоданов. Когда дерево решений было готово, мы обнаружили важную аудиторную группу — тех, кто активно готовится к свадьбе и покупает чемодан, чтобы отправиться в свадебное путешествие. Настройка точечной коммуникации с этой группой позволила рекламодателю повысить конверсию посещений сайта в покупки.

Любопытный случай произошел с производителем подгузников для взрослых, которому мы строили look-alike сегмент. Согласно брифу, целевой аудиторией данного товара были пожилые женщины. Однако, проанализировав аудиторию сайта, мы выяснили, что около 15% его посетителей приходится на долю беременных женщин.

Можно выделить три ключевых момента, на которые стоит обратить внимание рекламодателю

  • Во-первых, в самом начале сотрудничества необходимо узнать, готов ли подрядчик по look-alike моделированию делиться своей экспертизой и в состоянии ли он вообще предоставить визуализацию аудиторного сегмента и делать прогнозы эффективности.
  • Во-вторых, финальное решение по использованию того или иного аудиторного сегмента в любом случае должно оставаться за рекламодателем. Здесь лучше не торопиться: те данные, которые выдала машина, и те рекомендации, которые сделал подрядчик, — это, конечно, хорошо. Однако стоит остановиться, чтобы еще раз проанализировать построенные аудиторные сегменты и только после этого самостоятельно принять решение.
  • Наконец, не стоит с порога отметать новую информацию об аудитории, которую можно получить в ходе look-alike моделирования: сначала эти открытия могут показаться неожиданными, но практика показывает, что в большинстве случаев их можно эффективно использовать в своей маркетинговой стратегии.

Что же касается участников рынка look-alike моделирования, то здесь единственная рекомендация для рекламодателя — стараться самому управлять объемами размещения и его эффективностью, выбирая платформы, которые позволяют это сделать. Объемы информации и входящих данных растут, и в дальнейшем будет все сложнее работать с платформами, в которых недоступен автоматизированный и интуитивно понятный обзор look-alike аудитории с подробным деревом решений. Около 30% участников рынка располагают подобными алгоритмами уже сегодня — надо только внимательнее отнестись к выбору look-alike подрядчика.

Мнение редакции может не совпадать с мнением автора. Если у вас есть, что дополнить — будем рады вашим комментариям. Если вы хотите написать статью с вашей точкой зрения — прочитайте правила публикации на Cossa.

Не пропустите!

Комментарии:

А ваши алгоритмы от скликивания лучше чем у яндекса или гугла? они так эту проблему походу полностью не решили... Может не сегмент не тот, а реклама просто была скликана) Кто вел КМС в adwords и видел отчет по недействительным кликам поймет )
Ответить
- 0 +
Алексей, большое спасибо за комментарий. Все алгоритмы фильтрации и определения мошеннических показов/кликов работают на стороне тех платформ, где вы закупаете трафик. Наша задача - помощь в определении нужной аудитории и передача готового аудиторного сегмента для таргетирования в выбранную вами платформу. Но в любом случае, использование аудиторных данных помогает в предотвращении подобных ситуаций, поскольку, если аудиторная база содержит "живых пользователей", то вероятность показа рекламы ботам будет крайне мала!
Ответить
Где можно получить такой отчет об аудитории для небольшого регионального сайта?
Ответить
Ответить?
Реклама

Чем живёт digital.
Главное — в рассылке:




Вход на cossa.ru

Уже есть аккаунт?
Выбирай любой вариант входа:
Facebook Twitter Vkontakte

Используйте свой аккаунт в социальной сети Facebook или Twitter, чтобы пользоваться сайтом

Не забудьте написать email на странице своего профиля для управления рассылкой