Большинство компаний хочет получить прибыльных пользователей. У компании Domino’s Pizza тоже была такая цель. Чтобы достичь ее, мы предложили протестировать Go Predicts — собственную технологию закупки трафика по предиктивным событиям. В статье рассказываем о процессе запуска и результатах кампании.
Domino’s Pizza — международный бренд доставки пиццы, с которым мы работаем с 2019 года. За три года мы провели рекламные кампании в различных каналах: Google и Facebook*, myTarget, Яндексе, in-app сетях и в собственной DSP Go NET.
В 2021 году мы представили компании нашу технологию Go Predicts, рассказали о работе предиктивной модели и предложили ее протестировать. Подробнее про то, как устроен предиктивный маркетинг и Go Predicts, можно прочитать в нашей статье.
Такой подход позволил бы заранее определять наиболее эффективную аудиторию и привлекать ее в приложение бренда. Компания Domino’s Pizza согласилась, и мы приступили к работе.
Задачи
Основными задачами были привлечение эффективного трафика в приложение Domino’s Pizza и оптимизация СРА.
С помощью предиктивной модели бренд хотел также повысить LTV пользователей, то есть увеличить прибыль, которую получает бизнес за все время работы с клиентом. Для этого нам нужно было привлекать пользователей, которые бы совершали покупки чаще и на больший средний чек.
Также мы отслеживали ДРР — отношение рекламных расходов к доходам от этой рекламы. Этот показатель отражает эффективность кампании с предиктивной моделью и показывает, насколько хорошо мы работаем над оптимизацией CPA и повышением LTV.
Ход настройки
Прежде чем приступать к работе по предиктивной модели, нам нужно было накопить достаточное для анализа количество событий в AppsFlyer — 30 000 установок и среди них не менее 40% с конверсией. Такой объем позволил бы с большей точностью сгенерировать сегменты аудитории.
На подготовительном этапе мы изучили карту событий компании и дали рекомендации по непромеченным событиям — действиям пользователя в приложении, по которым не отправляется ивент в AppsFlyer. Мы предложили учитывать действия, которые пользователь совершает до покупки, например, ввод скидочного купона из корзины, просмотр карточки товара или категории. То, что эти события не были промечены, не сильно влияло на бизнес, однако их прометка позже позволила модели точнее обучиться.
На следующем этапе бренд передал нам необработанные данные пользователей по Push API для обучения модели. Мы работали только по AppsFlyer ID, чтобы сохранить конфиденциальность пользователей Domino’s Pizza.
После этого мы перешли к кластеризации аудитории по LTV и глубокой метрике. Один кластер — это пользователи в рамках определенного LTV, например, 1000-2000 руб. Мы разбили аудиторию на 8-10 кластеров, чтобы выставлять бенчмарки по сегментам исходя из прибыльности пользователей.
В июле модель была готова, и мы запустили тестовую рекламную кампанию с оптимизацией по Smart Event.
Smart Event — синтетическое in-app событие, которое может использоваться рекламными сетями так же, как используются обычные события от пользователя. Единственное различие состоит в том, что Smart Event — это прогноз ценности конкретного пользователя, основанный на его поведении.
Smart Events отправлялись через AppsFlyer в Go Predicts. Модель анализировала поведение нового пользователя и прогнозировала нужную нам метрику — LTV. Система отправляла ивенты обратно в AppsFlyer — благодаря этому кампания оптимизировалась.
Результаты тестового периода позволили обновить настройки кампаний и обогатить Smart Event дополнительной информацией. Например, мы перешли из открытого кластера с LTV 600+ руб. на закрытый с LTV 1000-2000 руб. Так модели было проще находить нужных пользователей, быстрее обучаться, а нам — настраивать ставки в кампании.
С октября предиктивные кампании стали приносить первые положительные результаты — увеличивалось число заказов, росла выручка, уменьшался ДРР и CPA.
Тесты были успешными, поэтому мы перешли к следующему этапу. Определили оптимальный по объему пользователей и совершенным конверсиям Smart Event — с LTV 1000-2000 руб. — и начали масштабировать эффективный трафик.
Результаты
К февралю 2022 года предиктивные рекламные кампании составляли 70% трафика Google, а на старте их было 15-20%. После оптимизации кампаний по Smart Event ДРР по ним стал ниже, чем ДРР обычных кампаний — разница составила 25%. Это значит, тратить деньги на предиктивные рекламные кампании было эффективнее.
Положительные результаты кампаний со Smart Event позволили пересмотреть сплит бюджета. С октября по февраль мы увеличили бюджет предиктивных кампаний в 4 раза и сократили при этом долю на обычное продвижение.
Также по предиктивным кампаниям на 23% снизился показатель СРО — стоимости привлечения одного клиента, который сделал заказ. Значит, пользователи, привлеченные с предиктивных кампаний, совершали целевое действие с большей конверсией.
Результат от предиктивных кампаний оказался отличным. Удалось выполнить поставленные задачи — привлечь эффективный трафик в приложение Domino’s Pizza и оптимизировать СРА. Фокус на кампаниях со Smart Event позволил снизить CPO и ДРР — таких результатов мы не могли достичь на обычных рекламных кампаниях. В итоге стала привлекаться релевантная аудитория, что позволило нам платить только за выгодных пользователей. А еще предиктивная закупка трафика помогла увеличить количество выручки и число заказов.
Почему предиктивные кампании дают хороший результат?
Предиктивная модель Go Predicts позволила ориентироваться на долгосрочную ценность пользователя, точно прогнозировать его характеристики и быстро обучать рекламные кампании, чтобы привлекать наиболее выгодную и релевантную аудиторию.
Другие преимущества предиктивной модели:
- Вы не работаете вслепую. Вы ориентируетесь не на первичное действие пользователя, а сразу на долгосрочную ценность, которую принесет новый пользователь.
- При машинном обучении вы получаете из данных более глубокие инсайты, чем при ручной обработке. За время обучения модель выстраивает внутри множество сложных нелинейных корреляций, которые позволяют быстро и точно прогнозировать нужные характеристики аудитории.
- Клиент платит за конечную эффективность каждого пользователя. Рекламные кампании быстро обучаются привлекать самых выгодных для бизнеса покупателей.
Возможно, подобные запуски подойдут и вашему бизнесу. Оставьте заявку на сайте Go Predicts, и мы расскажем, какой результат принесут предиктивные кампании в вашем случае.
*компания Meta, которой принадлежит Facebook, признана экстремистской на территории России, ее деятельность запрещена