Раздел 3. Стратегии размещения в программатике

Всем привет! Мы продолжаем наш программатик-курс. Поговорим о стратегиях закупки в программатике. В целом, на выбор стратегии влияют, прежде всего, возможности/ограничения DSP и потребности/ограничения клиента.

Базово стратегия основывается на работе с аудиторией: это либо ретаргетинг (работа с аудиторией клиента), либо аудиторные закупки (привлечение новой аудитории на сайт). В свою очередь, можно вносить корректировки в таргетинг, основываясь на анализе поведения аудитории (в том числе для этого клиенту необходимо поставить пиксели на сайт).

Данные и аудиторные сегменты. Методы работы с ними.

Для более глубокого понимания нам необходимо подробнее поговорить о данных.

Данные о пользователях собираются при помощи cookie. Куки – это небольшой текстовый файл в вашем браузере, в котором содержится информация о посещенных сайтах и некоторых ваших действиях в интернете. Например, ваш почтовый сервис запоминает вас именно по куке и позволяет вам не авторизовываться повторно каждый раз, когда вы закрываете браузер или открываете новое окно. На основе анализа информации о посещениях и других действиях пользователей в сети при помощи кук и происходит сбор данных для формирования сегментов, которые, в свою очередь, объединяются в аудитории для таргетинга кампаний. Есть компании, которые занимаются сбором данных для дальнейшей перепродажи (data provider). Также возможен сбор данных для использования в таргетингах размещений.

Существует 3 типа данных. {картинка}

Первый тип – это собственные данные рекламодателя, включающие информацию о пользователях, которые взаимодействуют с сайтом (история посещений, регистрация, анкетные данные и т.д.) или есть в CRM базе. В профессиональной терминологии они называются 1st party data.

Второй тип – это данные, полученные в ходе предыдущих рекламных кампаний рекламодателя (социальная активность, клики, просмотры и прочтения). Например, можно собрать пользователей, которые приняли участие в спецпроекте в интернете или посмотрели видеоролик, чтобы потом продемонстрировать им другой креатив или предложить что-то новое, провести их дальше по воронке продаж. Такой тип данных называется 2nd party data.

Третий тип – это сторонние данные, предоставляемые источником, к которому получатель (рекламодатель) не имеет отношения. В качестве источников выступают биржи данных и DMP, сторонние сайты, платёжные системы, e-mail рассылки и другое. На программатик-жаргоне такие данные называются 3rd party data.

Кейс

Рассмотрим наш кейс с компанией Asus, который показывает, как применение даты в таргетинге влияет на эффективность размещения.

Рекламное агентство разработало комплексную стратегию продвижения продукта – материнских плат, в том числе промо-акцию “RoG MINI”, направленную на повышение узнаваемости линейки Republic of Gamers. Для проведения акции использовался следующий механизм – участники должны были купить материнскую плату Asus и зарегистрировать на сайте промо-коды с упаковки или чеки. Таким образом, сама регистрация и являлась целевым действием.

Мы запустили 4 стратегии размещения. Первая стратегия была запущенна без таргетинга по данным. Она показала самые низкие результаты как по CTR (лишь 0,18 %), так и по уровню конверсии в целевое действие – участия в акции на сайте рекламодателя (0,2%). [Вывод на экран картинки РезультатыAsus] Вторая стратегия была запущена с таргетингом на сторонние данные – 3rd party data. CTR был в полтора раза выше, а уровень конверсии выше ровно в 2 раза. Третья стратегия – с таргетингом на look-alike сегмент, смоделированный на основании собственных данных Asus’a – показал CTR уже 0,77%, а уровень конверсии был выше 1%. Однако самыми эффективными стали 1st party data – CTR преодолел 1,2%, а уровень конверсии был выше 2,3%.

Мы можем убедиться в том, что как более высокий показатель CTR, так и уровень конверсии в целевое действие в десятки раз выше у стратегий с таргетингом по собственным данным рекламодателя. Это и понятно – человек, уже однажды взаимодействовавший с брендом, будет более лоялен к рекламному сообщению.

В свою очередь, использование данных сторонних поставщиков дало минимум двукратный рост качественных показателей рекламной кампании. Это говорит о необходимости применения аудиторных таргетингов, что позволит значительно увеличить воронку продаж с привлечением качественных посетителей.

Сбор данных

А теперь давайте поговорим о том, как происходит сбор данных

Существует огромное количество анонимизированной (обезличенной) информации об истории посещения пользователями интернет-сайтов (домен, url, user id, время посещения и т.д.). Эти данные можно приобрести у различных поставщиков: плагины в браузерах, тематические сайты, провайдеры, плагины соц. кнопок и т.д.

После того как мы получили эти данные, начинается процесс их обработки {Картинка}.

Первый этап обработки сырых данных – это очищение от так называемых «ботов». Существуют определенные отличия робота от реального пользователя. Робот от человека отличается по User Agent и, как правило, себя ведет аномально. Кроме того, срок жизни файла куки бота не более суток, поэтому рекомендуется использовать глубину в 3-5 дней.

Затем все данные проходят через латентно-семантический анализ, т.е. присвоение URL категорий с определённым весом (присваивается процентное отношение категории к контенту страницы). Обычно категория присваивается от 50% соответствия контента. Всего категорий более 3000 (вплоть до самых узких).

При сборе аудитории используются два подхода:

Первый вариант – это простые соображения, когда отчетливо ясно – чтобы найти автомобилистов, нужно искать тех, кто посещает автомобильные сайты или интересуется смежной тематикой.

Второй вариант - машинное обучение, когда на вход поступает обучающая выборка пользователей, изучаются их паттерны поведения, далее осуществляется поиск пользователей, поведение которых похоже на поведение пользователей, поданных на обучение (look-alike).

В итоге мы можем узнать область интересов каждого конкретного пользователя. На основе пересечения области интересов пользователя с целевым интересом принимается решение о добавлении данного пользователя в сегмент.