Оптимизация с любовью. Как с помощью программатик рекламы снизить CPI в 15 раз. Кейс Dating.com и Bidease

Как продвигать приложение, если ты известный dating-сервис с огромной и лояльной аудиторией? Где найти своих новых пользователей, да не простых, а тех, кто задержится в аппе надолго и будет активно ею пользоваться? И, главное, зачем это нужно, если пандемия и так рассадила всех по домам, тем самым подогрев интерес к онлайн-дейтингу?

В данном кейсе мы расскажем о том, почему готовность экспериментировать с нетривиальными источниками трафика определенно сыграет вам на руку, как грамотно работать с in-app инвентарем и каким образом период обучения DSP влияет на оптимизацию маркетингового бюджета.

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 своим 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.

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, и сразу видно, что над продуктом работала сильная команда с глубоким пониманием всех нюансов индустрии.

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

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

ГЕО: США

Платформа: Android

Источники: Bidease

Трекер: AppsFlyer

Период сотрудничества: с 05.2020 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 и буквально в мгновение ока мы все оказались по домам. Таким образом, процесс ухаживаний и флирта перешел в stay home mode.

С одной стороны, это положительно сказалось на росте органического трафика, с другой – эффект оказался непродолжительным – ведь понимания, когда цифровое знакомство перерастет 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.

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 играет огромную роль в программатик, а также требует времени, терпения и бюджетов.

Да, это старо как мир, но тем не менее.

Любая рекламная кампания должна начинаться с изучения своей целевой аудитории, что мы и сделали.

Основной костяк пользователей Dating.com это люди от 18 до 54 лет, при этом существенного преобладания какой-то определенной 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.

А 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.

Следующий ингредиент успешной рекламной кампании – это 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 понятный интерфейс самого приложения и демонстрируют опции по взаимодействию с понравившимся человеком straight away – отправить сообщение или начать видео-чат. 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:

*где CR показатель из клика в установку.

Наша стратегия строилась на том, чтобы в выборку для обучения предикторного алгоритма платформы собирались максимально разношерстные данные. Изначально с этой целью 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.

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

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:

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

Эти тренды определенно приносят свои плоды, но то, о чем вам скорее всего не скажут – здесь не стоит ждать быстрых результатов. Благодатную почву сперва надо засеять, а именно, запастись терпением и обучить искусственный интеллект.

Ссылка на источник –