Data-стратегия в 2024. Опыт рекламного агентства и DMP-провайдера

Ключевая составляющая успешной маркетинговой стратегии — грамотное использование data-driven подхода. Чтобы добиться конкурентного преимущества и извлекать максимальную выгоду, необходимо выстраивать эффективные стратегии работы с данными.

Недавно мы провели исследование и выяснили, что почти 70% респондентов имеют собственную базу телефонов и e-mail, и 30% из них регулярно ее пополняют. Несмотря на это, большинство компаний не используют потенциал имеющейся базы: не хватает ресурсов, времени, финансов, понимания, что можно с этой базой делать. Из-за этого бизнес не только упускает потенциальную прибыль и теряет деньги, но и замедляет свой рост и развитие.

В этом материале мы расскажем о типах данных, data-стратегиях в маркетинге и на реальных примерах покажем, как можно использовать и монетизировать данные в рекламных кампаниях в разных сферах бизнеса.

Данные можно сравнить с топливом, за счет которого реализовывается data-стратегия. Очень важно, чтобы данные были качественными и актуальными.

С помощью собственных данных (телефоны, e-mail, имена, фамилии, интересы и т.д.) вы можете напрямую коммуницировать с аудиторией и искать новых клиентов, используя, например, технологию look-alike. В этом случае данных должно быть достаточно: чем больше собственная база, тем точнее работают алгоритмы поиска look-alike аудитории.

Но для комплексного подхода при реализации data-стратегии важно использовать сплит из собственных и внешних данных. Поэтому независимо от объема собственной базы в сбалансированном data-портфеле обычно используют данные разных типов.

Применение внешних данных напрямую влияет на эффективность бизнеса: данные расширяют возможности стандартных таргетингов, у ЦА повышается уровень знания о бренде и, как следствие, растут продажи.

Используя внешние данные, вы можете обогащать собственные данные или использовать готовые аудиторные сегменты по определенным сценариям в рекламных кампаниях.

Cookies. Их собирают DMP и DSP-платформы. Это все еще основной идентификатор, но, к сожалению, в концу 2024 года компания Google полностью прекращает их поддержку в браузере Chrome. Это значительно ограничит возможность работы для маркетологов. Подробнее об этом читайте в нашем материале «Конец эры cookies: как технологии меняют правила игры в digital-маркетинге».

MAC-адреса. Используются, в основном, в наружной рекламе, но постепенно теряют свою популярность.

IDFA и GAID. Уникальные идентификаторы в устройствах в приложениях Apple и Google store для скачивания приложений. Они тоже не очень популярны, так как разработчики защищают их от сбора DSP-платформами.

Персональные данные. E-mail, номера телефонов. Самые ценные данные для рекламодателей.

Это группа пользователей, точнее их рекламные обезличенные идентификаторы, которые объединены в сегменты по общим признакам, например, поведению, интересам и т.д. По этим идентификаторам можно точно настраивать таргетированную рекламу. Пользователи из готовой аудитории увидят эту рекламу в интернете на привычных для них местах. Сегменты могут быть максимально широкими, или, наоборот, очень точными и кастомными.

Готовые сегменты можно:

а) пересекать друг с другом и получать более точную аудиторию;

б) объединять друг с другом для расширения аудитории и охватов.

Все действия с данными зависят от маркетинговых задач компании.

Основных сценария два:

1. Использовать аудиторный сегмент своего идеального клиента (ICP) или максимально близкий к нему.
2. Тестировать отклик у новой аудитории для расширения присутствия на рынке и захвата внимания клиентов. На тесты достаточно выделять 15-30% общего бюджета на рекламу.

1. Обратите внимание на репутацию, время присутствия на рынке, опыт работы с крупными брендами и известными компаниями.
2. Выясните, использует ли поставщик современные технологии для формирования и обработки готовых аудиторных сегментов, регулярно ли обновляет базу данных.
3. Предлагает ли поставщик гибкие тарифы.
4. Соблюдает ли data-поставщик законодательство и гарантирует ли безопасную и этичную работу с данными.

Расскажем на примере AiData. У компании 2 таксономии:

Таксономия AiData. В таксономии AiData >1700 готовых аудиторных сегментов, которые формируются на основе изучения тематики посещенных сайтов. Система анализирует контент страниц из data-портфеля AiData и определяет принадлежность конкретного пользователя к тому или иному сегменту по ключевым словам. Так работают все data-поставщики.

Таксономия AiData GPT. Содержит 50+ готовых аудиторий, которые формируются с помощью уникальной собственной GPT-модели, которая создана специально для решения маркетинговых задач. Вместо поиска по ключевым словам GPT-модель изучает тексты и определяет их тематику так, как это сделал бы живой человек. С новой технологией AiData GPT точность аудиторных сегментов увеличилась до 95%. Это означает, что рекламодатели быстрее и точнее смогут находить нужную им аудиторию.

В обеих таксономиях актуальные данные — они обновляются каждые 24 часа.

Оценить, как будет выстраиваться рекламная кампания. Например, при работе с сегментом из 15 миллионов пользователей после передачи его в рекламную платформу DSP мэтчинг может уменьшить объем сегмента на 30%.

Учитывать ограничения по формату рекламы. Многие бренды хотят размещаться или, наоборот, не размещаться на определенных сайтах или, к примеру, использовать определенный размер баннера.

Тестировать данные. Работа с данными — это непрерывный процесс генерирования и проверки гипотез. Чтобы получить удовлетворительные результаты, иногда придется много и долго работать.

Переходите по ссылке и читайте подробный материал «Кейс горнолыжного комплекса — как увеличить продажи новогодних туров за счет готовых аудиторий».

Пример еще одного успешного кейса с использованием look-alike сегментов, сформированных на основе данных AiData и вошедших в топ-3 по CTR — в нашем вебинаре.

Разные типы данных решают разные задачи. Нужно понимать, на каком этапе воронки, и для каких целей нужны данные. Например, геоданные отлично работают для перформанса, а анкетные данные программы лояльности прекрасно работают для брендинга.

Перед покупкой данных необходимо обратить внимание на две основные характеристики:

Объем. Показывает насколько большой сегмент и какая именно аудитория доступна для охвата.

Точность. Включает в себя несколько параметров:

• способ получения данных
• полнота информации о пользователях
• стабильность аудитории — как долго пользователь доступен для коммуникации, как часто мы можем получать обновленную информацию о нем

Методов множество, а выбор конкретного метода зависит от целей компании.

Например, для брендов с фокусом на верхний уровне воронки важен Brand Lift.

Для компаний, ориентированных на результаты, важно измерение прироста продаж среди пользователей, видевших рекламу, и контрольной группы.

Кроме того, применяется универсальная формула для оценки эффективности маркетинговых инструментов, которая позволяет рассчитать сэкономленные или заработанные средства при использовании внешних данных по сравнению со стандартной рекламной кампанией.

Чтобы выстроить персонализированную коммуникацию и максимально использовать возможности данных необходимо:

• Собирать собственные данные;
• Формировать сплит из собственных и внешних данных: сегментировать, обогащать, расширять;
• Тестировать работу с данными и каналами, чтобы выяснить потенциал для монетизации;
• Развивать собственные и уникальные подходы к обработке и использованию данных.

Материал создан на основе вебинара «Data-стратегия в 2024. Опыт рекламного агентства и DMP-провайдера». Запросите полную версию вебинара, чтобы структурно ознакомиться с материалом по этой теме.

Спикеры

• Анастасия Романова, AiData.me Chief Business Development Officer
• Роман Кобозев, Programmatic Group Head OMD OM Group