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.

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.

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.

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.