Big data постепенно вытесняет классику медиапланирования. На смену приходят новые подходы по сегментированию целевой аудитории, планированию и таргетированию. Какими технологическими инструментами для анализа массивов данных располагает big data – читайте в авторской колонке от Насти Байдаченко, Chief Transformation Officer, и Милы Крутченко, Chief Digital Officer razom communications.

Десятилетиями традиционное медиапланирование держалось на балансе аффинити и стоимости контакта. Пушки палили по воробьям. Напалмом жгли там, где достаточно спички. Постанализ показывал не только построенный охват по целевой аудитории, но и безжалостно и беспощадно охваченные ненужным сообщением другие аудитории, ласково называемые бывалыми планерами «shadow TA». Тот печальный факт, что охват теневой аудитории в людях оказывался часто больше, чем нужной, – исторически предпочитали умалчивать. 

Интернет-таргетинги несколько повысили эффективность попадания в нужную целевую аудиторию: в социальных сетях пол и возраст стал чем-то скорее определенным, чем неопределенным, иногда получалось с геотаргетингом и геолокацией. Заинтересованных в товаре или услуге можно было добить ремаркетингом Google. Интересы все еще не работали достойно, о попадании в сложные поведенческие сегменты или даже психотипы мечтать было рановато. В тоже время клиентские брифы стали запрашивать все более сложные целевые, давно забыты мужчины и женщины определенного возраста с доходом выше среднего, в задачах агентствам появились психотипы или сложные поведенческие сегменты.

Исследования перестали точно отвечать на вопрос: где поймать именно эту замысловатую целевую аудиторию

В лучшем случае при пересечении нескольких полей исследования и наложении индустриальной индульгенции – экспертной оценки – можно было даже не попасть в целевую, а лишь приблизительно идентифицировать возможные места обитания. Постотчеты все также показывали уже знакомых нам мужчин или женщин без запрашиваемых особенностей. В предложениях появился слайд «ЦА для медиапланирования». 

До последнего времени социальные сети, история поиска и предпочтений оставались ящиком Пандоры. Пользователи много личной информации оставляли осознанно, но в разы больше неосознанно. Ведь чекин на Мальдивах или в Венской опере рассказывает гораздо больше, чем пол, возраст, место работы или учебы. Побеждает тот, кто умеет эту информацию извлечь, структурировать, проанализировать и использовать.

Разумеется, объем операций подобного рода может выполняться только программой. В результате каждая типичная целевая a la «женщины 20–45, доход средний+» структурируется в 5–15 сегментов с определенным психотипом, характеристиками и поведенческими привычками. Более того, каждый пациент (целевая) получает уникальную формулу настроек рекламной кампании, по которой можно достичь только ее, а также выводы по работающим и неработающим креативам. 

Несомненно, такая персонификация не всегда нужна. Если вы продаете молоко или стиральный порошок – жгите ТВ напалмом и дальше. Но если у вас линейка пивных брендов, косметика, фарма или сложные услуги – добро пожаловать к нам, в мир, где Big Data перестали быть семью буквами латиницей, а стали реально работающим инструментом эффективной коммуникации. Например, вы ритейлер дорогой одежды. Целевая аудитория, с одной стороны, специфическая (очень обеспеченная), с другой – разная (у каждого бренда и даже отдельного товара свой покупатель).

Если вы продаете молоко или стиральный порошок – жгите ТВ напалмом и дальше

Один товар покупает бизнесвумен, чтобы соответствовать месту работы или занимаемой позиции, другой – к примеру, креативщики и гики, чтобы соответствовать последним трендам своего окружения и производить должное впечатление. И оба эти товара продаются в одном и том же магазине. Показ гику бизнес-костюма, а бизнесвумен – хипстерской одежды, очевидно, будет иметь нулевые конверсии. Показ усредненной рекламы каждому из них будет иметь низкие конверсии (невозможно придумать одну рекламу, которая достаточно сильно зацепит каждого из этих покупателей). А вот показ каждому из них своего товара будет иметь высокие конверсии. 

По опыту проведенных кампаний, конверсии (от показа к покупке) возрастают до 10 раз. И такой рост конверсий с лихвой перекрывает затраты на выделение потребительских сегментов и создание отдельных креативных материалов для каждой аудитории. Этот же подход можно применить, если вам нужно выиграть выборы, а у каждой целевой аудитории своя боль и свои потребности.

Сегодня на помощь планеру приходит оттестированный инструмент работы с данными – AI Powered Analytics. С помощью данного сервиса мы знаем из Facebook информацию о том, чем человек интересуется, где бывает, как часто, его психотип, уровень дохода, о чем пишет, кого читает (и, что важно, агентов влияния), что изображено на его фотографиях и, что самое интересное, как воспринимает информацию и на что именно в ней реагирует.

Зная всю эту информацию, мы можем легко создать аудиторию бизнесвумен Киева, которые готовы покупать деловые костюмы в дорогом магазине. Теперь, в отличие от стандартных подходов, мы не просто описываем некоего абстрактного представителя целевой аудитории, а знаем (!) поименный список всех людей, которые к ней принадлежат, и огромное количество информации про каждого из них. Наша технология взаимодействия включает 3 этапа: 

1) детальный анализ аудитории и разбивка ее на однородные сегменты, каждому из которых в дальнейшем будет показана своя реклама; 

2) автоматическое создание оптимального креатива для каждого из сегментов; 

3) создание максимально точного таргетинга на каждый из сегментов.

А также инструмент предполагает сотрудничество с Google (+YouTube): технология позволяет анализировать людей в Facebook и включать на них рекламу не только в этой социальной сети, но и в Google. Во многих случаях таргетинг по ключевым словам/тематикам в Google не позволяет попасть в целевую аудиторию – данная технология решает эту проблему, повышая конверсии в среднем в 3–5 раз. Например, в случае другого магазина одежды стоимость целевого действия была снижена в 3,2 раза, а после применения smart-таргетинга концентрация целевой была в 3,6 раза выше.

Охват

Доля ЦА, % 

Размер ЦА

Стоимость целевого действия

Базовый таргетинг

660 000 чел. (женщины от 18 до 44, Киев)

5 %

33 000

320 UAH

Наш таргетинг

180 000

18 %

32 400

100 UAH

Второй пример того, как создать и охватить аудиторию потенциальных покупателей электрокаров в Google. Размер целевой, которая гуглит электрокары, невелик и покрывает лишь небольшой % от всей целевой аудитории этого транспортного средства, а широкий таргетинг слабо эффективен, ведь потенциально купить электрокар готовы лишь около 5 % автолюбителей. AI Powered Analytics позволяет по-новому подойти к решению проблемы: 

1) найти в Facebook людей, которые явно проявили интерес к электрокарам, и при этом имеют достаточный уровень дохода и дополнительные интересы в технологиях; 

2) расширить аудиторию и найти всех, кто максимально похож на начальную целевую аудиторию, таким образом сформировав аудиторию потенциальных покупателей; 

3) передать информацию об этих людях из Facebook в Google и добавить к этой аудитории людей, которые не зарегистрированы в Facebook, но максимально похожи на начальную аудиторию по своему поведению в Google. 

Таким образом будет сформирована аудитория всех потенциальных покупателей электромобилей в Google. Важно отметить, что наша аудитория была значительно меньше аудитории автолюбителей, но при этом имела идентичное количество максимально целевых людей, то есть наш подход отсек только нецелевые контакты, а стоимость целевого действия с помощью нашего таргетинга была снижена в 4 раза.

Новый подход к использованию данных и сегментированию привычных целевых обходится дороже, чем классическое «условно бесплатное» медиапланирование, но в случаях, когда персонификация нужна, он и окупается гораздо быстрее, так как стоимость конверсии оказывается в разы ниже. Несомненно, что со временем подход к планированию и таргетированию, основанный на анализе больших массивов данных, мягко вытеснит классику планирования: аффинити, стоимость контакта и бесконечные выгрузки из индустриальных исследований.