Что выгоднее: самим разрабатывать алгоритм для интернет-рекламы или передавать специалистам
Компании впустую тратят сотни и даже миллионы рублей только потому, что берутся за собственную разработку. Все дело в особенности рекламного бизнеса.
Управление интернет-рекламой — ресурсоемкий процесс: нужно найти релевантную аудиторию и площадку, разобраться с трафиком и настройкой показа контента.
Сразу составить профиль аудитории формулировать другие элементы невозможно — это всегда перебор гипотез, моделей, алгоритмов. Процесс занимает время и требует денег. А если нет команды, которая уже работала с математическими системами, он затягивается или даже не приводит к нужным результатам.
В статье мы рассказываем, как компании справляются с проблемой разработки и анализа гипотез и почему решают передать разработку внешним командам.
Рекламное агентство отказалось от инвестиций в неработающий алгоритм
Агентство из Испании зарабатывает на продаже рекламы. Компания закупает рекламу у площадок с платой за показы (CPM) и продает за действия (CPA) — когда оплачиваются только целевые действия пользователей, например скачивание, подписка или регистрация.
Проблема: нет ресурсов на проверку гипотез — команды с нужным опытом и готового программного решения. Один из способов увеличить доход — научиться показывать рекламу именно той аудитории, которая скорее выполнит целевое действие. В этом помогают алгоритмы, которые как раз задают критерии для показа контента.
Математики агентства выдвинули гипотезу для нового алгоритма. По задумке он должен оптимизировать трафик для смартфонов и планшетов так, чтобы пользователи совершали больше целевых действий.
Одной гипотезы мало, чтобы с уверенностью сказать, сработает алгоритм или нет. Все нужно тестировать, иначе есть риск вложиться в решение, которое ничего не меняет. Компании могут тестировать гипотезы за счет своих ресурсов — для этого нужны программисты, тестировщики, аналитики. Еще один вариант — подключить внешнюю команду, которая специализируется на проверке алгоритмов.
У агентства нет в штате команды для обкатки гипотез, и ее пришлось бы нанимать. В этом случае тестирование заняло бы около двух лет: сначала ищешь специалистов, погружаешь в процесс и особенности алгоритмов, разрабатываешь программу для тестирования — и только потом тестируешь. На бюджет такое решение тоже влияет: по оценке агентства, пришлось бы только на зарплату потратить 200 тысяч долларов.
Решение: делегировать проверку гипотезы. Агентство обратилось в OrbitSoft для тестирования гипотезы под новый алгоритм. У нас уже есть решение для таких задач, поэтому мы сразу приступили к работе.
На основе нашего Demand-Side-Platform-продукта (DSP) мы разработали технологию, которая может тестировать математическую модель. На разработку ушло 1,5 месяца и 20 тысяч долларов от заказчика.
Результат. С помощью готовой технологии заказчик протестировал модель — на реальных пользователях, в режиме реального времени. На проверку ушло 4 месяца, и за это время компания поняла, что алгоритм экономически невыгоден — с его помощью нельзя добиться запланированной конверсии.
Несмотря на то что алгоритм не подошел, компания все равно получила результат. Она выяснила, что гипотеза не помогает точнее таргетировать, поэтому нет смысла вкладывать деньги в этот алгоритм, лучше разработать другой.
Еще компания сэкономила. Если бы она тестировала гипотезу за счет своих ресурсов, потратила бы до двух лет и до 200 тысяч долларов. А так проект занял меньше полугода и потребовал сумму в десять раз меньше.
Контент-провайдер автоматизировал анализ данных для закупки рекламы
Компания создает контент для сотовых операторов, например видео, гифки, игры и так далее. Такие партнеры называются контент-провайдерами. Их контент конечные пользователи покупают через сотовых операторов.
Основной способ привлечения клиентов — показывать рекламу, которая конвертирует пользователей в клиентов. С каждого целевого действия провайдер получает комиссию.
Платный контент — это игры, ролики, мемы и все что угодно, что может привлечь внимание. Чем контент интереснее и больше отвечает интересам пользователей, тем охотнее они платят за него
Проблема: реклама анализируется вручную. Доход провайдера зависит от соотношения: стоимость рекламы и количество подписок после нее. Условно, чем ниже цена и чем больше количество целевых действий, тем выше заработок.
Сначала заказчик обращался в CPA-сети, которые покупают трафик за показы и продают за действия. Проблема в том, что они оптимизировали рекламу механически: купили трафик, вручную проанализировали статистику, вручную купили то, что эффективнее зашло. На это тратилось много времени, при этом не получалось избегать ошибок.
Решение: автоматизировать оценку рекламы. Заказчик хотел получить инструмент для анализа данных, который поможет зарабатывать больше. Такой инструмент называется моделью.
Общая идея: модель исследует данные и на их основе определяет, какую рекламу выгоднее покупать, с учетом цены и конверсии. Причем, работает автоматически, без участия человека.
Для разработки модели компания обратилась в OrbitSoft. Мы использовали свой продукт и написали к нему предиктор. С его помощью программа понимает, что и когда закупать для релевантного трафика.
Предиктор — это предсказатель: он изучает поведение и реакции пользователей на увиденную рекламу. Например, на какие сайты пользователь заходит, в какое время, что смотрит чаще, как долго, на что реагирует, когда закрывает. Для более точного анализа предиктор обрабатывает информацию из 54 источников трафика — SSP и Ad Exchange.
Результаты. Провайдер автоматизировал анализ рекламы и ускорил процесс закупки, это повлияло на показатели эффективности всей работы с контентом клиентов — сотовых операторов.
Предиктор ОrbitSoft помог увеличить конверсию рекламы и другие показатели работы с контентом.
Результаты на примере одного сотового оператора за три года:
- 236 тыс. абонентов подключились к платному контенту;
- 10,6 млн ребиллов — количество ежедневных платежей за платный контент;
- 182 млн рублей — оборот с показа рекламного контента;
- 20 тысяч долларов — оператор потратил на сервера и закупку трафика.
Компания получила алгоритм для поиска релевантной аудитории
Компания работала с криптовалютой и инвестициями, и направление приносило доход. В качестве еще одного источника денег владельцы выбрали продвижение — размещать рекламу клиентов на площадках о криптовалюте.
Проблема: непонятно, как найти релевантную аудиторию. Клиенты готовы платить за рекламу, но компания не понимала, как построить процесс: где ее размещать, на каких условиях, как часто показывать и так далее.
Решение: создать алгоритм по поиску аудитории. Компания не стала тратить ресурсы, чтобы самой разработать технологию для анализа и подбора аудитории, и сразу обратилась за профессиональной помощью.
Для решения задачи мы использовали свой продукт — OrbitSoft DSP, и разработали алгоритм специально под условия клиента. Благодаря этому компания получила его в сжатые сроки — 4 месяца.
Результат. Благодаря алгоритму компания получила релевантную базу аудитории и увеличила свой доход. Она стала закупать трафик на 10 тысяч долларов — это ежедневные траты рекламодателей. Чем больше сумма, тем большую комиссию получает компания.
По итогам запуска нового алгоритма компании за полгода смогла войти в топ-10 рекламных агентств в сфере криптовалют и финтеха в странах бывшего СНГ.
#технологии #онлайнреклама #трафик #онлайнтрафик #алгоритмы #бигдата #датасайнс #монетизация #монетизациятраффика #programmaticadvertising #programmatic #onlineadvertising #machinelearning #algorithms #monetization #demand
Нам неоднократно предлагали ведения кампаний, компании работающие или работавшие с нашими конкурентами. То есть на их деньги они оттестировали гипотезы и теперь продают это как свой отлаженный механизм. Самим тянуть это не всегда легко и дёшево, но уж лучше так чем плодить за свой же счёт сильных конкурентов в рекламе
Лучше самому, просто иногда не хочется делиться своими идеями. Но с другой стороны, специалист всегда знает, как лучше поступить и может использовать разные фишки, о которых вы не знаете.