Гайд от Roxot: «Как не терять бюджет и получить больше заявок в медийной рекламе с авто-оптимизацией и GPT?»
Как показывать медийную рекламу нужным пользователям, не прожигая бюджет на бесполезный трафик? Рассказываем, как повлиять на заявки после просмотра, найти ту самую аудиторию и при чем здесь массивы данных, авто-оптимизация и GPT-Таргетинг.
Медийная реклама и конверсии
Главная цель медийной рекламы – продвижение бренда и увеличение узнаваемости. Как правило, ее оценивают по видимым показам и кликабельности.
Основная задача – мотивировать пользователя перейти на сайт в определенный период после просмотра баннера. Обычно в течение месяца.
Но брендам важна не только узнаваемость, но и результат (brandformance). Поэтому к оценке медийных каналов добавляются другие метрики:
- Passing Index (конвертация из переходов в сеансы)
- Bounce Rate (показатель отказов)
- Время на сайте
- Post-view конверсии (отложенные заявки). Например, клиент увидел рекламу, но не кликнул по баннеру, а через пару дней сделал покупку на сайте. Это будет зафиксировано как post-view.
По этим метрикам делается вывод о качестве трафика по всей воронке – от показа до конверсии. Если много кликов, но низкая доходимость, – клики случайны. А если много отказов, трафик может быть нерелевантным.
На каждом этапе воронки можно делать оптимизацию под любые метрики. Оптимизация под post-view – самый сложный вид целевого действия. Данных меньше и нужно точечно подбирать релевантную аудиторию.
Как повлиять на заявки после просмотра (post-view)
Бренды часто оценивают эффективность кампаний по post-view заявкам.
Чтобы получить много заявок, нужна оптимизация.
Представьте, что запускаете рекламу кредитки. У вас в распоряжении:
- 100 сайтов
- 5 рекламных мест на каждом
- разные варианты ЦА (по полу, возрасту)
- 3 геолокации
- разбивка по интересам
Нужно тестировать разные комбинации. «Интересы» по-разному работают в связке с разными сайтами, рекламными местами, геолокацией. Допустим, сначала вы запускаете рекламу на всех. Но получаете не очень высокие показатели. Это логично, ведь все вам не нужны.
❗Нужна аудитория, которая приносит результат – правильное сочетание гео, интересов, сайтов и прочих критериев.
Точность определения интересов особенно важна в работе над отложенными заявками. Для этого Roxot использует свой инструмент – GPT-Таргетинг.
👉 Читайте подробнее, как нейросеть определяет интересы посетителя сайта и подбирает уникальные аудитории в этой статье.
CPA – ниже в 2,5 раза. По результатам тестов на 214 РК для 43 рекламодателей из 8 категорий.
Как найти ту самую аудиторию
- Трафик делится на части и тестируется в разных комбинациях.
- При разбивке трафика на группы – каждой присваивается идентификатор. Это нужно, чтобы разделить их в статистике.
Группы оцениваются по количеству кликов, поведению на сайте и относительно конверсии или какого-то целевого действия.
Лучше всего оптимизация работает, когда кампания нацелена на один ключевой показатель, например, покупку или заполнение формы на сайте.
- Отключаем группу, которая не приносит заявок и все деньги направляем в первую. Делаем так постоянно – с разными комбинациями. Поэтому автоматическая оптимизация гораздо эффективнее ручной.
Система легко проанализирует в режиме реального времени несколько тысяч групп. Специалист – физически не сможет этого сделать.
Автоматическая оптимизация анализирует массив данных и распределяет трафик – между площадками и сегментами – в реальном времени. За счет этого она эффективнее в достижении целевых показателей.
В сухом остатке
- Шаг 1. Автоматически тестируем разные комбинации
- Шаг 2. Отключаем неэффективные группы
- Шаг 3. Оставляем трафик, который приносит конверсии
Если коротко, так происходит автоматическая оптимизация. Конечно, чтобы итоговые показатели были высокими, нужны данные.
Сколько данных нужно для качественной оптимизации
Сначала оптимизация может отпугивать объемом данных: нужно много групп для тестирования и соответственно показов – для статистически оправданного решения об эффективности.
При грубом подсчете нужно хотя бы 40-50 конверсий, а значит 400-500 тысяч показов на группу при среднем CR (post-view) 0.01%. Желательно, чтобы они набрались за неделю. То есть в месяц нужен 1 млн показов на 1 группу. Получается, для теста 100 сайтов с 5 рекламными местами на каждом понадобится 500 групп? То есть 500 млн показов? И это даже без разбивки по полу, интересам и другим параметрам. Без паники.
- Во-первых, количество нужных данных будет разным в зависимости от кампании. Нет универсальных цифр.
- Во-вторых, Roxot за 8 лет получил большой опыт работы с самыми разными сферами и имеет обширную базу знаний. Так что можно заранее спрогнозировать, какие группы лучше тестировать для каких ниш, какие будут иметь большее влияние на заявки.
По нашему опыту для качественной оптимизации нужно не менее 10 000 000 млн показов. Это то число, на которое можно ориентироваться в качестве старта.
Если вы хотите высоких результатов, стоит полагаться на рекламные сети, предоставляющие автоматизацию на машинном обучении. Как видно из примеров, вручную невозможно оперативно обработать такой массив информации. Для результата необходимы скорость анализа, распределение трафика в режиме реального времени и в первую очередь – данные.
Как окупаются вложения в оптимизацию
Большое количество данных для оптимизации требует вложений. За счет использования инновационных решений (GPT-Таргетинг) и автоматизации процесса – вложения окупаются. Это подтверждается цифрами и кейсами.
Кейс 1: «Росбанк и MCCom»
- Post-view заявки на 27% дешевле
- CTR в 2 раза выше
Кейс 2: RTA и Четыре Лапы
- ДРР на 49,5% ниже KPI
- Конверсии на 67% выше KPI
Кейс 3: ПЭК и Ingate
- Post-view конверсия в 2,2 раза выше, чем у других партнеров
- Post-view конверсия 0,022% (Roxot) против 0,01% и 0,004% (другие DSP)
Кейс 4: Realweb и hh ru
На 56% ниже стоимость post-view и post-click конверсий
CPC — на 47% ниже
CTR в 2 раза больше
Кейс 5: Сервис доставки для бизнеса. NDA
- CTR в 2 раза выше целевого на самых эффективных площадках
- Меньше 5000 рублей – cтоимость заявки
- 98,2% – новизна аудитории
Кейс 6: Товары для дома. NDA
- 0.008% – конверсия из показа в покупку
- CPA – в 2.7 раза дешевле целевого
Roxot самостоятельно ставит пиксель на сайт, чтобы отслеживать конверсии и достигать целей РК. Трекать отложенные заявки через верификаторов пока проблематично – почти никто с этим не работает и не дает полноценную разбивку.
Заключение
Чтобы получить много отложенных заявок (post-view), нужно:
- Тестировать разные группы – с оптимальным объемом показов на каждую.
- Для наиболее точного определение интересов вместе с традиционными инструментами использовать GPT-Таргетинг.
- Делать оптимизацию с распределением трафика между площадками и сегментами в режиме реального времени.
Это упирается в бОльшие вложения за счет количества комбинаций и тестов, но окупается конечным результатом.
👉 Всегда рады помочь в достижении высоких конверсий. Заполните форму на сайте, чтобы мы с вами связались.
Да, ML-оптимизация важная штука, люди правда так не могут))
Пока читал статью прикидывал, сколько данных может понадобиться. Вы в конце об этом пишите, но не совсем понятен пункт, что "количество нужных данных будет разным в зависимости от кампании". От чего это зависит?
Здравствуйте! Количество данных, необходимых для успешной оптимизации кампании, действительно зависит от ряда факторов.
Например:
– Цели кампании. Чем более узкие и конкретные цели ставятся перед РК (например, привлечение лидов), тем больше данных нужно для точной оптимизации.
– Размер и тип аудитории. Чем более специфичны сегменты аудитории и сам рекламируемый продукт, тем больше данных потребуется для точной настройки алгоритмов.
– Длительность кампании. Чем короче кампания, тем больше данных в меньший промежуток времени нужно.
я правильно понимаю, что это релевантно преимущественно для крупного бизнеса? потому что для качественной оптимизации нужно много данных? а это вложения
Брендформанс кампании в Roxot работают для крупного бизнеса, хотя, конечно, могут подойти микро бизнесам или локальным игрокам с узкой целевой аудиторией как по интересам, так и по локации. В целом, для более точной настройки алгоритмов может потребоваться больше данных, но современные инструменты и технологии, такие как GPT и ML-оптимизация, могут приносить результаты даже при ограниченных объемах данных, так как они преобучаются на больших массивах данных.
Всем нужны post-view )
Кейсы это хорошо, а у вас есть что-то из недвижки?