Как с помощью программатик-рекламы снизить CPI в 15 раз: кейс оптимизации с любовью от Dating.com и Bidease

Релиз приложения Dating.com состоялся в 2015 году, а сама компания, которой оно принадлежит, на рынке дейтинга с 1993 года. Аппа сочетает в себе элементы сервиса для знакомств и социальной сети, предлагая пользователям окунуться в мир social discovery.

Приложение представлено более чем в 32 странах, а его core user base в основном составляют жители США, Канады, Латинской Америки и Европы. По данным аналитического сервиса Mobbo на начало ноября 2020 ежемесячная аудитория Dating.com только среди пользователей, предпочитающих Android-девайсы, насчитывала 1 117 166 человек.

Успейте купить корпоративный пакет COSSA-2025 со скидкой!

Cossa анонсирует главный рекламный формат на весь 2025 год: сразу 8 различных опций.

Пакет идеально подходит для онлайн-сервисов, стартапов, интернет-компаний и digital-агентств.

Успейте приобрести пакет до повышения цены!

Базовый план сервиса с ограниченными функциями бесплатный, но есть и продвинутая версия с рядом встроенных покупок для более яркого пользовательского опыта. Фишек у аппы много — сразу видно, что над продуктом работала сильная команда с глубоким пониманием всех нюансов индустрии.

Задача

Ключевая задача Bidease — привлечение пользователей в приложение. Тут всё понятно. Основной интерес и сложность этой задачи заключаются в трёхступенчатой оптимизации трафика:

• по CPI;
• по Cost Per Registration (завершённая регистрация);
• по In-app Purchases (покупки внутри приложения). Данный этап на момент написания кейса не реализован.

То есть, другими словами, это должен быть очень качественный трафик.

ГЕО: США.
Платформа: Android.
Источники: Bidease.
Трекер: AppsFlyer.
Период сотрудничества: с мая 2020 по настоящее время.

В начале марта 2020 рынок онлайн-дейтинга в полной мере ощутил на себе повышенное внимание юзеров. Череда строгих ограничительных мер и требований по самоизоляции прокатилась по всему миру. Мы все засели по домам. Таким образом, процесс ухаживаний и флирта перешёл в stay home mode.

С одной стороны, это положительно сказалось на росте органического трафика. С другой — эффект оказался непродолжительным. Ведь понимания, когда цифровое знакомство перерастёт в личную встречу, не было, да и финансовое положение у многих пошатнулось.

Для нашего клиента такой поведенческий паттерн пользователей стал триггером для поиска альтернативных источников трафика. Новые возможности по расширению аудитории он увидел в in-app инвентаре.

С чего мы начали

Весь секрет заключается в поэтапной работе и скрупулезном анализе данных. Сначала мы запускали рекламные кампании без привязки к KPI клиента, и затем по мере набора необходимой информации вводили соответствующие индикаторы.

Тут важно понимать, что процесс подготовки РК и период обучения алгоритмов искусственного интеллекта в программатик играет огромную роль, а также требует времени, терпения и бюджетов.

#1. Целевая аудитория и места её обитания

Да, это старо как мир, но тем не менее. Любая рекламная кампания должна начинаться с изучения целевой аудитории, что мы и сделали.

Основной костяк пользователей Dating.com — люди от 18 до 54 лет, при этом существенного преобладания какой-то определённой возрастной группы нет. Есть и те, кому за 55, но эта часть аудитории значительно меньше других.

По гендерному отличию явный перевес на стороне сильной половины человечества: мужчины составляют более 70% аудитории сервиса. Это мы, конечно же, взяли на заметку.

Что касается непосредственно запуска РК, в качестве основных источников были выбраны две крупнейшие биржи премиального in-app инвентаря: Google AdX и Unity. Они обе традиционно показывают достойные результаты для дейтинговых приложений и имеют высокое качество трафика.

#2. Вовлекающие креативы, которые не оставят ЦА равнодушной

Следующий ингредиент успешной рекламной кампании — качественные креативы, которые цепляют потенциального пользователя и побуждают его к необходимому целевому действию.

В силу политики компании мы не могли использовать нативные фотографии из реальных анкет (которые обычно получают лучшие показатели CTR и CR), поэтому прибегли к помощи фотостоков.

Мы сделали ставку на простоту и лаконичность рекламных видео. Они традиционно короткие по продолжительности, с яркой визуальной составляющей и динамичной музыкой. Прекрасно передают простоту интерфейса приложения и демонстрируют опции по взаимодействию с понравившимся человеком straight away: отправить сообщение или начать видеочат. Также хорошо зарекомендовали себя видео, которые показывают, что пользователь сейчас online и находится недалеко от заинтересованного человека.

В период обучения платформы мы протестировали несколько форматов рекламных креативов, которые с тем или иным успехом отработали у различных сегментов аудитории. Среди них были полноэкранные статичные баннеры и полноэкранные видео, playable ads, а также связка видео + playable ad в качестве эндкарты.

В любом случае количество показов на одного уникального пользователя ограничивалось в зависимости от сегментированности аудитории, чтобы не замыливать глаза и не спровоцировать эффект, обратный нашей цели.

Рекламные форматы во время тестовых кампаний показали следующие результаты:

• статичные баннеры — средний CTR 2,5–4%, средний CR 1–3%;
• видео — средний CTR 4,5–9%, средний CR 3–5%;
• Playable Ads — средний CTR 6–11%, средний CR 2–6%.

*где CR — показатель из клика в установку.

Пример статичного баннера

#3. Ученье — свет, или Зачем нужны тестовые кампании

Наша стратегия строилась на том, чтобы в выборку для обучения предикторного алгоритма платформы собирались максимально разношёрстные данные. Для этого изначально кампании работали без ориентации на CPI.

Это означает, что мы брали сегмент любителей карточных игр и проливали на него 100 тысяч показов. Затем брали сегмент любителей гиперказуальных игр и повторяли пролив на 100 тысяч показов. И так до тех пор, пока не получили 1 миллион показов рекламы.

Аудитории подбирались широкие и узкие: это были и автолюбители, и мамочки, и фанаты хардкорных игр — максимально непохожие друг на друга сегменты. Периодически мы совмещали аудитории между собой и анализировали полученные результаты этих экспериментов.

В итоге такой подход позволил собрать данные, благодаря которым наша нейросеть построила наиболее эффективные look-alike модели для таргетинга, а предикторный алгоритм научился определять вероятность конверсии для различных групп пользователей, делая правильные ставки на аукционах.

Далее последовало дообучение алгоритмов и улучшение предикторных моделей уже на основе новых полученных данных, а затем и переориентация моделей на ивенты из воронки продаж в приложении.

К чему мы пришли

Тестовые рекламные кампании велись в течение 45 дней. За это время было проведено 1500 обучающих сессий для нашего AI. Приложение скачали более 7000 раз. Зарегистрировались более 2726 пользователей.

Тщательно изучив все слабые и сильные стороны тестовых кампаний, мы запустили основные.

Результаты не заставили себя долго ждать. Уже в первую неделю картина поменялась на 180° — CPI начал стремительно снижаться и по сравнению с последней неделей обучения упал в 4 раза. В целом, стоимость установки приложения стала в 15 раз меньше первоначального значения, когда DSP только начала собирать данные.

Количество инсталлов в сутки резко возросло и за неделю открутки основных РК в среднем увеличилось в 5,9 раз.

Благодаря тому, что платформа научилась показывать рекламу пользователю в момент его вероятной наибольшей заинтересованности, мы смогли приводить релевантных юзеров. Это хорошо отражает Cost Per Registration, которая рекордно снизилась в 5,3 раза после запуска умных кампаний.

Рекламные форматы в первую неделю основных кампаний показали следующие результаты:

• статичные баннеры — средний CTR 3–9%, средний CR 3–5%;
• видео — средний CTR 6–12%, средний CR 6–7%;
• Playable Ads — средний CTR 8–15%, средний CR 5–10%.

Never skip the test period!

Пандемия отчётливо показала рекламодателям, что индустрия уверенно движется в сторону data-driven маркетинга. Вместе с этим и in-app инвентарь завоёвывает устойчивые позиции среди востребованных источников трафика.

Эти тренды определённо приносят свои плоды. Но вот, о чём вам скорее всего не скажут: здесь не стоит ждать быстрых результатов. Благодатную почву сперва надо засеять, а именно, запастись терпением и обучить искусственный интеллект.

Геннадий Лурье Директор по развитию бизнеса Bidease

«Данный кейс является наглядным примером того, что правильное обучение программатик-платформы — залог успеха рекламной кампании. Наши технологии позволяют анализировать колоссальные объёмы данных и с помощью нейросетей строить предиктивные модели, которые весьма точно предсказывают вероятность получения необходимых результатов».

Александр Кудасов Директор по маркетингу Dating Group

«Сейчас множество компаний смотрят в сторону программатик-закупок и in-app трафика. И мы на собственном опыте ощутили все особенности данного типа трафика.

У этого подхода есть ряд преимуществ, например, прозрачность трафика и высокая эффективность привлечения. Также имеется и ряд сложностей: необходимость обучать платформу и долгий старт рекламных кампаний.

Но наш изначально не оптимистичный настрой резко изменился через 3–4 недели, когда DSP собрала необходимые данные, и мы увидели неожиданно быструю динамику по улучшению ключевых метрик. Как результат, мы смогли успешно масштабироваться и оптимизировать рекламный бюджет, привлекая более заинтересованную аудиторию, что нам и требовалось».

Источник фото на тизере: René Ranisch on Unsplash

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.