Компания ASUS, являющаяся одним из ведущих мировых производителей ноутбуков и крупнейшим азиатским производителем материнских карт, видеокарт и других комплектующих, использовала programmatic-мощности компании Auditorius для проведения промо-акции по продвижению материнских плат серии Republic of Gamers.
Вышеуказанные материнские платы позиционируются как лучшее «железо», которое в состоянии обеспечить быстродействие, высоко ценимое геймерами. Компактные и функционально богатые «материнки» ASUS ROG премиум-класса от лидера IT-индустрии рекомендуются для построения высококлассных систем.
Коммуникационные задачи, поставленные рекламодателем:
▪ расширение охвата представителей целевой аудитории (геймеров);
▪ повышение узнаваемости линейки Republic of Gamers;
▪ повышение уровня конверсии на сайте – увеличение количества пользователей, которые принимают участие в акции.
Специалистами рекламного агентства Positive Media была разработана комплексная стратегия продвижения. Для акции «ROG Mini» был использован следующий механизм: участники покупают материнскую плату ASUS ROG и регистрируют на сайте чеки или промо-коды с упаковки. Все, кто участвует в акции, получают шанс стать обладателем главного приза – автомобиля MINI Cooper, тюнингованного в стилистике ROG. Кроме того, еженедельно среди участников акции разыгрывались видеокарты ASUS и футболки ASUS Republic of Gamers.
Programmatic кампания
Особенность данной РК заключалась в таргетинге на довольно узкую ЦА с определенным паттерном поведения. Для того чтобы найти эту аудиторию среди всех пользователей русскоязычного сегмента Интернета, было использовано несколько источников data, алгоритм расширения аудитории по образцу, а также способ таргетирования, который основывался на семантическом анализе контента веб-страниц.
Самый действенный механизм поиска целевой аудитории – сбор аудитории с собственного сайта клиента. Этот вид данных, которые обладают наибольшей ценностью для проведения рекламных кампаний, на профессиональном жаргоне называют first-party data. Для этого на «асусовском» корпоративном сайте и на сайте промо-акции был установлен специальный пиксель, отвечавший за сбор информации о посетителях ресурсов клиента с целью дальнейшего таргетирования. Сложно не согласиться с тем, что если пользователь однажды уже заходил на сайт, то он более восприимчив к рекламному сообщению, нежели тот, который ничего не слышал о бренде. Вероятность конвертации такого пользователя в клиента довольно высока.
Еще один действенный способ найти ЦА – использовать сторонние (third-party data) данные от внешних поставщиков. В Сети имеется просто грандиозный массив данных о пользователях. К примеру, поставщик данных tBh охватывает порядка 90% Рунета, что соответствует 65 млн уникальных пользователей, каждый из которых обладает определенными интересами и паттернами поведения. С использованием определенных алгоритмов обработки данных из этого массива была выделена информация о тех пользователях, интересы которых соответствовали РК: компьютерные игры, киберспорт и апгрейд компьютерной техники. Например, если пользователь посещал специализированный форум или сайт, который посвящен играм, можно предположить, что ему будет интересен такой продукт, как материнские платы серии Republic of Gamers. Такая информация собирается через плагины авторизации социальных сетей, сервисы и тематические сайты, счетчики веб-аналитики, плагины в браузерах и другое специальное ПО. Следует отметить, что данные в этом случае обезличены, что делает невозможным нарушение закона о защите персональных данных.
На основе имеющихся внешних данных (third-party data) былb выделены две целевые группы пользователей: профессиональные геймеры и состоятельные тинейджеры.
Самым интересным и необычным способом нахождения необходимой аудитории было look-alike моделирование, суть которого заключается сборе информации о тех пользователях, которые уже совершили определенное целевое действие, как то переход по баннерам или покупка. На основе математического моделирования из всех пользователей Рунета были выбраны те, кто по многим показателям был похож на них. Это дало возможность значительно расширить ЦА для рекламного воздействия, которая при этом никогда ранее не интересовалась рекламируемым продуктом, но располагает значительным потенциалом для того, чтобы такой интерес проявился.
Наконец, последним использованным в ходе рекламной кампании способом работы с аудиторией был контекстуальный таргетинг. Суть его сводилась к тому, что объявления демонстрировались на тех веб-площадках, семантическое содержание которых совпадало с тематикой продукта. Например, если на сайте присутствовало сравнение характеристик материнских плат, можно было предположить, что пользователь, читающий данную статью, потенциально может быть заинтересован в рекламируемом продукте.
Для проведения рекламной кампании в качестве основных инструментов был использован весь доступный в России display-инвентарь по протоколу RTB и текстово-графические блоки в ВКонтакте и Facebook.
Сбор third-party данных
Для более глубокого понимания механизма работы с данными необходимо рассказать о том, как осуществляется их сбор. Следует начать с того, что изначально данные пребывают в «сыром» виде, то есть в неприменимом для использования. В ходе обработки (data processing) собранная информация категоризируется и разделяется на аудиторные сегменты согласно таксономии – определенной логике. Чаще всего в таксономии отдельных сегментов аудитории используется логика основных тематик бизнеса (недвижимость, авто, FMCG и др.) с подразделением на более узкие точечные подсегменты. На сегодняшний день таксономия компании tBh содержит более 170 сегментов, чего вполне достаточно для основной массы клиентских.
Но в отдельных случаях, когда ЦА клиента можно назвать специфичной, в дополнение к готовым аудиторным сегментам собираются так называемые кастомные сегменты для таргетирования. Делается это следующим образом. Из существующего списка таксономии готовых сегментов отбираются те, которые максимально соответствуют задачам рекламной кампании (например, в таксономии tBh уже есть сегмент «интересующиеся компьютерными играми»). К этим пользователям были добавлены те, кто за последний период посещал определенные молодежные сайты, делал типичные поисковые запросы, которые связаны с интересами состоятельной молодежи, и т.д. Все полученные сведения были очищены от ботов, обогащены при помощи семантического анализа и прогнаны через аналитические алгоритмы. На выходе был получен готовый для таргетирования сегмент «Состоятельные тинейджеры».
Чтобы сформировать аудиторный сегмент «Профессиональные геймеры» вручную были отобраны игровые порталы из того ассортимента площадок, к данным которых имелся доступ. Сбор информации осуществлялся среди таких киберспортивных организаций, как Gambit Gaming, Vitus.Pro, Rox.Kis, Empire и т.д. Затем были выделены те пользователи, которые хотя бы раз заходили на эти сайты за последние две недели.
Результаты
ROI (окупаемость инвестиций) комплексной РК по всем каналам составила 370%. Это значит, что на каждый вложенный рубль рекламодатель заработал более 3 рублей. В среднем продажи выросли на 22,5% по сравнению с аналогичными акциями в прошлом, которые проводились без рекламной поддержки. При этом programmatic в рамках этой комплексной рекламной кампании успешно исполнил роль инструмента расширения воронки продаж, обеспечив охват более 1 миллиона уникальных пользователей.
Выводы
Ожидаемо РК показала наилучшую эффективность при таргетинге на пользователей, данные о которых собирались на собственных веб-ресурсах клиента (first-party data).
Впечатляюще выглядит сравнение показателя конверсии по трафику с first-party data и трафику с third-party data (кастомный сегмент «Тинейджеры») – в случае применения собственных данных клиента показатель конверсии был в 11,5 раз выше!
В целом third-party data продемонстрировали меньшую эффективность по сравнению с first-party data. Следует иметь в виду, что разные сегменты аудитории отрабатывают по-разному, поэтому при планировании РК с применением data всегда следует помнить о важности тестирования аудиторных сегментов, а также поставщиков данных. В процессе тестирования приходит понимание того, какие сегменты лучше отрабатывают на рекламируемом продукте. Именно на них впоследствии необходимо фокусировать основную рекламную активность. Это необходимый элемент programmatic-размещения – оптимизация кампании, которая позволяет существенно повысить эффективность, а также сократить издержки за счет нерелевантных пользователей и данных.
Следует отметить, что, несмотря на меньшую эффективность third-party data по сравнению с first-party data, они являются важным и незаменимым инструментом при решении задач охвата и эффективности. Довольно редко собственных данных клиента бывает достаточно для того, чтобы провести полноценную охватную кампанию. А если бренду нужно расширить воронку продаж за счет новых пользователей, которые ранее не контактировали с ним, то сторонние данные – это единственно верное решение.
Наихудшие результаты в пересчете на стоимость одной конверсии продемонстрировал контекстный таргетинг, который оказался в 2 раза дороже даже кастомного сегмента «Тинейджеры». Несмотря на то, что этот сегмент показал CR в 2 раза ниже, за счет большего в 5 раз CTR итоговая стоимость конверсии на нем оказалась ниже. В целом, как показывает практика, даже наилучший выбор мест размещения (в случае проведенной РК сайты про ресурсоемкие видеоигры и упоминание конкурентов) всегда проигрывает правильно подобранной аудитории.
Look-alike моделирование не обеспечило высокие показатели эффективности по сравнению с другими внешними данными, однако при этом стоимость конверсии все равно за счет более высокого CTR оказалась почти в 2 раза ниже, чем у тщательно подобранных мест размещения по контекстному таргетингу. И если в целом этот инструмент не продемонстрировал лучших показателей, на него все же стоит обратить внимание, если для аудиторного таргетинга и расширения охвата недостаточно объемов стандартных и кастомных сегментов.
Механизм подключения данных к РК пока еще довольно слабо освоен российскими рекламодателями. В основном инициатива исходит от прогрессивных транснациональных брендов. Но уже сегодня многим становится понятно, что аудиторный таргетинг представляет собой полноценную замену тематическим размещениям и дает возможность значительно сэкономить бюджет на рекламу за счет сокращения нецелевых показов. Описанная рекламная кампания продемонстрировала, что существует множество вариантов работы с данными, и идеальным решением для рекламодателя является использование в ходе РК микса всех типов данных с обязательной оценкой эффективности каждого из них.