Как запускать рекламные кампании, чтобы не сливать бюджет и удовлетворять потребности пользователей

Рекламу нужно запускать вовремя. Вовремя — это когда товара достаточно, а конкуренты не запустили акцию «скидка 90%» на похожий товар во время кампании. Кажется, что это очевидно, но на практике все не совсем так: после запуска оказывается, что товар распродается за считанные часы, новая партия появится только через неделю, а конкурент как раз выпускает аналог по выгодной цене. Технический директор DV Group Алексей Деревянкин разобрался, почему так происходит и как этого избежать.

Допустим, компания «Груша» производит телевизоры модели Super TV 2021. От идеи «давайте сделаем» до начала продаж проходит от года до пяти лет, производственные мощности планируются на несколько лет вперед. Конкуренты тоже продолжают работать и выпускать альтернативные продукты, которые соревнуются за платежеспособный спрос в аналогичной категории.

Например, в тех же телевизорах в среднем ценовом сегменте могут быть представлены десятки брендов с сотней моделей. Выбирая телевизор, пользователь изучит все возможные модели с похожими техническими характеристиками. Именно в момент выбора должна сработать хорошо настроенная рекламная кампания и сделать пользователю такое предложение, от которого он не сможет отказаться.

В рамках этой статьи платежеспособный спрос (дальше будем называть его просто «спрос») — это количество денег, которые люди готовы потратить на покупку товаров в определенное время.

Спрос органически растет со временем и стимулируется кредитами. Наверное почти каждый испытывал чувство нарастания спроса, когда через пару месяцев после покупки нового смартфона начинаешь задумываться о еще более новом устройстве, а через год гаджет последней модели становится жизненно необходим. «Боль» нового устройства можно временно притупить только купив его, но со временем она появляется снова, — именно это и есть спрос, стимулируемый кредитами.

Между покупателями товаров и их производителями существует еще одно звено — ритейлер, который пытается удовлетворить спрос и предлагает продукцию разных поставщиков. Как правило, у ритейлеров нет задачи продать товары определенного производителя: они продают то, что им выгодно здесь и сейчас.

Ритейлеры постоянно анализируют спрос и адаптируют его под текущие реалии. К примеру, спрос на телевизоры с поддержкой 3D наблюдался в течение нескольких лет после выхода фильма «Аватар» в 2009 году. Однако количество доступного в 3D контента оказалось недостаточным, чтобы переплата за технологию себя оправдывала, и оставшиеся модели ритейлеры были вынуждены продавать по цене обычных телевизоров.

Задача рекламной кампании в такой ситуации — поймать момент, когда спрос начинает замедляться, и запустить кампанию раньше конкурентов.

Количество покупок напрямую зависит от правильного таргетинга и количества просмотров товара заинтересованными пользователями. Поэтому рекламные компании стараются как можно лучше сегментировать аудиторию и обеспечить максимальную конверсию потенциальных покупателей.

Так, мы изучаем всю доступную информацию о пользователях и точно знаем, что Василий Иванов заинтересуется покупкой Super TV 2021 за две недели до официального релиза. Поэтому ему можно предложить оформить предзаказ на очень выгодных условиях. А вот Глафира Петровна обычно раз в две недели покупает новый детективный роман. Но когда на улице пасмурно, а на даче предстоит провести месяц, в ее корзине оказывается сразу пять книг. И если ей в нужный момент показать акцию «10 книг по цене 7», она непременно их купит.

В планировании и разработке кампаний нам помогает собственная Data-платформа DV Platform, которая учитывает интересы и поведение каждого клиента, историю покупок и поисковых запросов, использует технологии предиктивной аналитики и на основе этих данных предлагает подходящие товары на всех этапах взаимодействия пользователя с продуктом. Платформа работает с ML-моделями, благодаря которым мы запускаем рекламные кампании вовремя. Эти модели можно условно разделить на две группы: модели качества данных и модели планирования кампаний.

Модели качества данных

помогают определять, что конкретно купил человек, и выявить закономерности. В дальнейшем на основании этих данных мы будем знать, когда и кому показывать рекламу.

1. Классификация данных и создание единого каталога товаров. В разных источниках данных один и тот же товар (SKU) может быть назван по разному и принадлежать разным товарным категориям. Т.е. «Брюки женские зеленые» должны превратиться в что-нибудь типа Одежда → Женская → Брюки → Летние брюки

2. Named Entity Recognition (NER) модели, обеспечивающие извлечение определенных данных из товаров, например бренды. То есть из «Чехол Belkin для Samsung Galaxy S20» содержит в себе набор брендов из которых главным является Belkin.

3. Модели для привязки пользователей к транзакциям и построение золотых записей для пользователей.

4. Модель для определения реального платежеспособного спроса в категории.

Такие модели хорошо работают для всех групп товаров. К примеру, мы применяли их для кампании электроинструментов и молочных продуктов. В первом кейсе нам удалось перевыполнить план по медийным составляющим на 114%, во втором — получить ROMI 7,1 на товары с низким средним чеком и вывести молочную продукцию в бесплатный органический топ онлайн-площадок.

Модели планирования кампаний

рассчитывают возврат маркетинговых инвестиций и строят гипотезы о выходе конкурирующих товаров

1. Предписывающая модель для расчета ROI/ROMI/ROAS для кампании. Ее рассмотрим подробнее в отдельной статье на habr.com.

2. Модели для формирования сегментов по рекламным кампаниям, включая микро сегментирование по склонности к просмотру рекламы в каналах.

3. Предсказательные модели для конкурентных продуктов и определение крупных акций конкурентов.

Как правило, мы кастомизируем такие модели для каждой кампании. В нашей практике были кейсы для издательств, товаров повседневного спроса и многие другие. Все они под NDA, поэтому мы опишем общую механику без указания брендов.

У людей есть склонность к покупке повторяющихся товаров, например стиральных порошков или средств для мытья посуды. Модель рассчитывает количество дней, когда порошок или средство закончится с некоторой вероятностью, нарастающей каждый день. При достижении выбранного пользователем порога сегмент загружается на площадку.

Еще один пример — тематические книги: альбомы «про весну», подборка новогодних рассказов или детская литература. Для каждого человека рассчитываются «памятные даты» в которые он склонен покупать подарки, и за несколько дней до этой даты микросегменты с нужными пользователями загружаются на рекламные площадки.

DV Platform помогает собрать сегмент не просто потенциальных покупателей магазина, категории или бренда, – мы выделяем тех пользователей, которые купят с наибольшей вероятностью конкретный продукт, и находим похожих на них в интернет-пространстве. Это расширяет воронку продаж и увеличивает прибыль компании. На нашем сайте скоро появится раздел, где мы будем публиковать все обновления, которые происходят в DV Platform, следите за обновлениями.

От таких своевременных запусков выигрывают все: ритейлер увеличивает товарооборот и прибыль. Производитель получает целевых клиентов, заинтересованных именно в его категории продукции. У клиента появляется товар, который он планировал купить, по очень выгодному предложению.