Наш product owner Андрей Медведев рассказал, как «Модульбанк», рестораны Burger King и italy & co уменьшают затраты на рекламу и повышает ее конверсию.
25 мая 2022
Как оптимизировать стоимость и увеличить конверсию медиарекламы с помощью first-party-данных
Медийная реклама, то есть баннеры и другие визуальные объявления на сайтах, таргетируются с учетом истории поиска, социально-демографических характеристик и интересов пользователей. Но этого не всегда достаточно, чтобы показывать клиентам релевантный контент. Классический пример — предлагать скидку на уже купленный в офлайне товар.
Решение проблемы — использовать для оптимизации first-party-данные, что позволяет сократить стоимость лида, встроить медийку в коммуникационную стратегию бренда и показывать пользователям только релевантный контент. Расскажем, как это сделать, на примере «Модульбанка», Burger King, ресторанной компании italy & co. В конце — три причины, почему такая оптимизация не панацея.
Почему бренды считают медийку дорогой, а клиенты — раздражающей
Причина неоднозначного отношения к медийке — ограниченные настройки таргетинга в рекламных кабинетах. По умолчанию все имеющиеся в распоряжении бизнеса данные о клиентах, в первую очередь информация об офлайн-покупках, просто не учитываются. Отсюда и главная проблема медийной рекламы — баннеры, которые преследуют клиентов неделями после посещения магазина.
И даже стопроцентно онлайновый бизнес не защищен от того, чтобы показывать клиентам нерелевантный контент. Например, сервис Booking.com продолжал «догонять» пользователей рекламой и после бронирования отеля, потому что не обновлял данные в режиме реального времени.
В рекламных кабинетах нельзя сегментировать аудиторию и на основе других first-party-данных: размеру среднего чека или, например, частоте покупок. Логично было бы показывать специальные предложения сегменту оттока, а строить look-a-like-аудитории на основе самых лояльных клиентов. Но увы, у рекламных кабинетов просто нет этой информации.
Из-за этого бренды вынуждены «бомбардировать» клиентов рекламными сообщениями, показывая их тем, кто лишь недавно совершил покупку, или, наоборот, с большой вероятностью ничего не купит. Для компаний это лишние расходы и рост стоимости лида, для клиентов — раздражение от навязчивой и нерелевантной рекламы.
А если учесть, что из пяти крупнейших площадок: контекстно-медийная сеть Google, Meta (признана в России экстремистской организацией), рекламная сеть «Яндекса», «ВКонтакте» и myTarget — первые три приостановили свою деятельность на территории РФ, то конкуренция за показ и, как следствие, стоимость лида должны еще вырасти.
Медийная реклама 12 Storeez и Divan.ru конкурирует за показы на сайте «Коммерсанта»
Неудивительно, что некоторые компании отдают приоритет не медийной рекламе, а перформансу, который лучше генерирует продажи. Так, у Holodilnik.ru на медийку выделяется не более 20% рекламного бюджета в онлайне.
Правда, есть и обратные примеры. Так, «Модульбанк» считает медийку важнейшей частью маркетинг-микса.
Мы используем все каналы, которые можно себе представить, кроме, наверное, телевизора. Это и СМИ, и различная интернет-реклама, включая контекстную и медийную, — на онлайн приходится львиная доля бюджета.
В онлайне у нас лидирует медийная реклама, на нее выделяется около половины бюджета. Примерно 30% приходится на таргетированную рекламу в соцсетях, на «Яндексе» и (в прошлом) в Google, а оставшиеся 20% — расходы на SEO.
Сегментация происходит на этапе привлечения трафика, когда мы пытаемся найти нужную аудиторию. Например, используем в рекламе семантику, соответствующую поиску кредитов для селлеров на маркетплейсах, и показываем на лендинге товары, которые точно будут им полезны.
Медийная реклама «Модульбанка» с ключевыми словами для привлечения селлеров
В стратегии Burger King медийная реклама также занимает важное место — у компании есть четкое понимание, как повысить ее эффективность на основе first-party-данных.
В любой индустрии, где есть жесткая конкуренция, важно быть заметным. Медийная реклама — ключевой способ это сделать, поэтому в нашем онлайн-бюджете она превалирует над перформанс-рекламой.
Поскольку примерно 50% россиян потребляют фастфуд, мы имеем возможность работать с широкой аудиторией, заведомо исключая тех, кто не посещает рестораны быстрого питания. Для этого используем стандартные настройки рекламных кабинетов, например, не показываем рекламу сторонникам здорового образа жизни или людям, страдающим язвой.
В планах — повысить эффективность медийной и перфоманс-рекламы за счет ее персонализации:
1. Построить look-a-like-аудитории на основе данных о пользователях нашего сайта и приложения.
Таких сегментов будет несколько: от узких (наиболее похожих на наших клиентов) до более широких.
2. Построить предиктивные модели на основе машинного обучения, которые позволят нам ориентироваться не на начальную стоимость показа, а на доход в перспективе.
Для этого используем first-party-данные — выделим сегменты, например, с высоким средним чеком, или тех, кто каждую пятницу делает большой заказ, или тех, кто стабильно заходит к нам за кофе по утрам. Правда, в нашем случае построение предиктивных моделей осложняется тем, что мы на 80% офлайн-бизнес: клиенты в основном делают заказ в ресторанах.
Как first-party-данные помогут оптимизировать затраты на медийную рекламу и повысить ее конверсию
Для начала нужно собрать все first-party-данные о клиенте в одном месте — без этого не получится построить правильные аудитории. Если данные об онлайн-, офлайн- и мобильных покупках будут храниться в трех разных базах, сегментация просто не будет иметь смысла.
То есть в центре маркетинга должна быть некая мастер-база, централизованно хранящая данные о клиентах. Это может быть самописная система или, как в случае Burger King, CDP — платформа клиентских данных.
Продукты Mindbox:
CDP умеет выделять сегменты из базы почти по любым критериям — это основа для дальнейшей оптимизации рекламы. Выгрузив сегменты в рекламные кабинеты (вручную или автоматически, с помощью специального модуля), маркетологи могут:
— Возвращать отток с чеком выше среднего. Для этого достаточно выделить клиентов, которые раньше много покупали, а потом перестали, и настроить на них рекламу с акцией, например скидкой или повышенным кешбэком.
— Найти людей, похожих на самых лояльных клиентов. Для этого используется инструмент look-a-like. Чем у́же таргетинг, тем меньше нерелевантных показов и выше конверсия в заказ.
— Не раздражать уже купивших клиентов навязчивой рекламой. Помимо заботы о клиентах, это позволит не платить за лишние показы.
— Сделать медийную рекламу частью каскадных рассылок. Каскадные рассылки — это общение с клиентами, которое начинается с условно бесплатного email или мобильного пуша. Платные каналы в порядке возрастания цены (Viber → SMS → медийная реклама) подключаются только в том случае, если с клиентом не удалось связаться на более ранних этапах каскада.
Как ресторанная компания italy & co. сократила стоимость лида в 2,5 раза и увеличила конверсию медийной рекламы на 41% благодаря first-party-данным
italy & co. использует CDP с середины 2020 года. Применение собранных данных о клиентах для оптимизации рекламы стало логичным следующим шагом. Эксперимент решили провести на аудитории доставки: было важно не только увеличить количество заказов на доставку, но и перевести часть клиентов в офлайн, чтобы компенсировать снижение посещаемости ресторанов из-за ковида.
Реклама italy & co. для аудитории доставки мотивировала клиентов совершить новый заказ и забронировать столик в ресторане
Главное достижение для нас — снижение стоимости лида в 2,5 раза благодаря использованию горячих баз гостей, которые уже готовы у нас покупать. Второстепенный результат — увеличение количества конверсий на 41%.
Максимальное количество конверсий мы получаем от тех, кто не заказывал больше 10 дней. По ним выстраиваем рекламную воронку: напоминание о том, что давно не заказывали, и предложение блюда в подарок → стандартная акция на доставку → креатив на бронирование.
Оптимизацию рекламы на first-party-данных определенно стоит попробовать любому бизнесу, у которого уже сформированы базы в CDP, приносящие результаты в рамках email-маркетинга. Таким образом создается воронка для конкретной аудитории, и для каждой можно использовать максимально персонализированные предложения. Так формируется омниканальность маркетинга.
В будущем планируем запустить рекламные кампании на новые сегменты, например участников клуба привилегий и тех, кто бронировал столы на сайте, а также подготовить персонализированные офферы для каждого из них.
Как показывает опыт italy & co., использование first-party-данных позволяет оптимизировать медийную рекламу: уменьшить стоимость лида и повысить конверсию.
Эти результаты достигаются конкретными механиками:
- возвращением оттока,
- построением look-a-like сегментов,
- исключением из рекламы уже купивших клиентов,
- использованием медийной рекламы как части каскадных рассылок.
Другие механики тоже возможны и ограничены лишь вашей фантазией. Главное, как и в случае с любыми маркетинговыми инструментами, — четкая формулировка гипотез и сравнение результатов в динамике.
Почему оптимизация медиарекламы с помощью оптимизации на основе first-party-данных может не сработать: три причины
- Для эффективной оптимизации нужна большая база, в районе 50 тысяч. Если меньше — данных будет недостаточно. Сегменты окажутся слишком маленькими, а временные затраты на оптимизацию выше, чем польза от увеличенных конверсий.
- Оптимизация медиа не работает сама по себе: для узких сегментов нужно генерировать гипотезы и креативы — это требует времени маркетолога. Без уникальных кампаний сегментация не будет иметь смысла.
- Сэкономленные на более дешевых лидах затраты могут не окупиться: нужно учитывать стоимость сервиса и человеко-часов на оптимизацию медиа.
