Как принцип воронки работает для programmatic buying

Немного теории

Самый простой способ показать работу programmatic-buying – это рассмотреть процесс на примере воронки. Весь процесс можно разделить на несколько шагов и двигаться по воронке, используя подход от общего к частному.

На первом этапе необходимо собрать максимальный объем релевантной статистики. Для этого используются размещения по всем доступным в системе стратегиям.

Второй этап – это подготовка необходимой инфраструктуры для анализа статистики. Важно не забывать, что особенность digital заключается в том, что он легко и прозрачно измерим. Есть возможность отслеживания эффективности в разрезе каждого пользователя. На практике же часто бывает такое, что кампания запускается, а programmatic-подрядчик не получает инструментов, чтобы проанализировать всю статистику. Если перейти к конкретике, то сценарий бывает следующий: из соображений безопасности или сложной инфраструктуры разработки на стороне клиента (например, разработка находится в другой стране, и версионность сайта меняется один раз в полтора месяца), мы часто не имеем возможности установки пикселя на сайт клиента, а также не получаем доступ в систему аналитики на стороне клиента. Это самый ужасный сценарий, когда нам приходится работать «вслепую», получая очень неполную обратную связь.

Поэтому подготовка инфраструктуры подразумевает под собой то, что перед началом кампании делается все возможное для получения доступа ко всей необходимой информации и статистике.

Третий этап – это ручная оптимизация. Хотя об этом многие не хотят говорить. Если очень кратко схематично объяснить работу programmatic, то она выглядит следующим образом: получаем бриф, выбираем нужные сегменты аудитории и стратегии, запускаем кампании, получаем статистику, отключаем неэффективные каналы и стратегии, алгоритмы машинного обучения ведут оптимизацию, опираясь на накопленные данные.

Если из данной цепочки убрать факт ручной оптимизации, то мы можем получить довольно много пессимистичной и неправильной статистики, которая будет обрабатываться на следующих этапах и приведет к нежелательному результату и лишним затратам со стороны рекламодателя.

Ручную оптимизацию рекомендуется делать после первых двух дней размещения кампании, при достаточном объеме накопленных данных. Специалисту следует самостоятельно поработать со статистикой: выбрать и усилить эффективные стратегии; отключить домены, которые не эффективны. Таким образом на ранних этапах кампании отсеивается источник некачественных данных.

И, соответственно, следующий четвертый этап – превращение алмаза в бриллиант. Запускается оптимизация на основе машинного обучения.

Система позволит получать клики по низкой стоимости, при этом эти клики будут иметь высокое качество, так как predict будет выбирать только тот трафик, который показывает хороший результат, опираясь на накопленные данные и показатели post-click, которые система сможет оценивать с помощью пикселя на сайте клиента.

Ближе к практике

Вопрос первый: что я хочу получить от рекламной кампании?

Аналитика создана для того, чтобы отвечать на вопросы. Правильно поставленный вопрос это уже половина ответа на него. И если мы работаем на self-service, нужно понимать, что нельзя добиться невозможного, всегда нужно сначала понимать, адекватны ли поставленные KPI?

Приведу пример. Если цель кампании – конверсии, то их стоимость должна быть между контекстной и медийной рекламой. Очень большое заблуждение со стороны рекламодателя и агентств полагать, что новый трафик, даже с использованием передовых технологий, может быть более конверсионным, чем поисковый трафик.
Если цель кампании – качественный post click, то не выйдет получать клики до 5 рублей, так как качественный трафик и данные стоят дороже.

Проблема заключается не в самом programmatic, а в том, что вокруг него создали слишком завышенные ожидания. В первую очередь это инструмент привлечения нового качественного трафика. Соответственно, нужно его оценивать как новый трафик (анализ по показателю отказов, времени на сайте, несложным конверсиям). Многие на старте ожидают эффективность как в контекстной рекламе, но, к сожалению, лучше и эффективней сформированного спроса найти нельзя. Но этот спрос как раз нужно формировать за счет ознакомления новой аудитории с брендом. Programmatic позволяет это делать намного точней и экономней, чем при использовании классических медийных размещений.

Второй вопрос, который следует задавать себе: какие рычаги воздействия на рекламную кампанию мне доступны?

Есть два вектора влияния на рекламную кампанию. Первый вектор – это, конечно, сам рекламодатель. Важна информация, транслируемая в креативе, его дизайн. Крайне важно качество и оптимизированность landing page.

Второй вектор – все доступные настройки и таргетинги в рекламных кампаниях. Именно эти возможности позволяют оперативно и кардинально влиять на эффективность рекламных кампаний.

Третий вопрос – а смогу ли я отследить и оценить эффект от изменений в настройках и таргетингах?

Существует три варианта получения необходимой информации:

1. Установка пикселя на сайт клиента

2. Использование специальных динамических макросов, которые передают информацию о трафике в UTM метки, и делегирование доступа в систему аналитики клиента (ситуация, когда невозможна установка пикселя на сайт).

3. Идеальный вариант: установка пикселя + использование макросов с делегированием доступа в аналитику.

Разберу подробнее.

1. Установка пикселя на сайт более приоритетна, так как в этом случае платформа будет получать данные по post-click метрикам и будет использовать их в последующей оптимизации на основе predict. 

Также есть еще один важный момент: с помощью установленного пикселя появляется возможность проведения анализа аудитории сайта клиента и получения информации об аффинитивности этой аудитории с аудиторными сегментами сторонних поставщиков данных. Рекламодатель может оценить процент пересечения аудиторий и уже на старте кампании выбрать для таргетирования аудиторные сегменты, имеющие наибольший процент пересечения.

2. Случай, когда рекламодатель не может установить пиксель на сайт, встречается довольно часто. Например, в GetIntent мы нашли выход из этой ситуации и предоставляем возможность использования динамических макросов. Макросы добавляются в utm-метку, и они динамически подставляют значения, которые соответствуют тому или иному событию.

Например, кликовая ссылка вида: http://getintent.ru/?utm_source=Getintent&utm_medium=[[SSP]]&utm_term=[[CREATIVE_SIZE]]&utm_content=[[DOMAIN]]&utm_campaign=[[CAMPAIGN_NAME]]

После клика получит вид:

http://getintent.ru/?utm_source=Getintent&utm_medium=google_adx&utm_term=240x400&utm_content=avito.ru&utm_campaign=audience_camp

Таким образом весь трафик становится доступен для анализа с помощью Google Analytics или Яндекс Метрики.

На старт! Внимание! Марш!

У нас всё готово к запуску: KPI определены, вопрос доступности данных для аналитики решен. Можно начинать наполнять воронку.   
На данном этапе нужно запустить различные виды (стратегии) рекламных кампаний.

Рассмотрим доступные стратегии на примере браузерного баннерного трафика, доступные в различных DSP.

Первая стратегия – это аудиторная закупка. Она подразумевает под собой кампании, которые таргетируются на аудиторные сегменты данных, которые поставляют партнерские DMP. Эти сегменты могут быть как стандартными (постоянно доступными для выбора в настройках рекламных кампаний), так и специально созданными для рекламодателя. Рекламодатели или их агентства могут запросить custom сегмент через менеджера DSP, либо обратиться напрямую к поставщикам аудиторных сегментов – DMP. Время создания уникального custom-сегмента занимает от трех до десяти дней в зависимости от «экзотичности» целевой аудитории.

В аудиторную закупку также можно отнести запуск кампаний на основе аффинитивности аудитории сайта клиента с аудиторными сегментами DMP, о которых рассказывалось ранее.

Вторая стратегия - это контекстуальный таргетинг.

DSP предоставляет возможность размещения рекламных материалов, основываясь на семантике страницы, на которой осуществляется показ. Есть готовые тематические категории, с помощью которых можно как таргетировать кампании, так и использовать их для реализации brand safety, если нужно исключить страницы с определенной тематикой.

Третья стратегия – это ретаргетинг. Обычно доступен как стандартный, так и динамический (товарный ретагетинг). 

Четвертая стратегия – это white lists доменов.

В некоторых DSP есть возможность выбора доменов, на которых будет происходить размещение рекламной кампании. В каждой DSP размещение на white lists доменов могут давать разные результаты, так как алгоритмы оптимизации будут различны.

Список доменов можно создавать до запуска рекламной кампании, используя отчеты по доступному трафику.  Второй источник информации для выбора списка доменов в размещении – другие рекламные кампании рекламодателя. Необходимо проанализировать статистику, выбрать самые эффективные домены, создать отдельную рекламную кампанию, таргетируемую на эти домены.

Пятая стратегия, объединяющая в себе все вышеописанные стратегии – это предиктивная оптимизация.  

Как она работает? Предиктивная оптимизация обрабатывает все данные статистики на ближайшем уровне к рекламодателю и использует эти данные для достижения целевых показателей.

Немного о «ближайшем уровне»: если у рекламодателя еще не накоплено никакой статистики (ранее не запускались аудиторные, white list и т.д. рекламные кампании), то predict будет использовать данные на уровней всей DSP по рекламодателям со схожей тематикой.

При запуске описанных выше стратегий мы получаем релевантную статистику именно по текущему рекламодателю. А так как кампании запускаются с довольно тонкими настройками, то эта статистика становится еще более ценной. Predict в этом случае будет работать намного эффективней.

За счет накопленной качественной статистики и работы алгоритмов машинного обучения становится возможным размещать рекламные кампании практически без ограничений по трафику, получая качество post-click показателей, сравнимых с узкотаргетированными рекламными кампаниями (аудиторные сегменты, контекстуальный таргетинг и white lists доменов) при гораздо меньшей стоимости клика.

Главный совет – работайте со статистикой, оценивайте каждое внесенное изменение в рекламные кампании. Не бойтесь запускать большое количество рекламных кампаний на старте, если даже стоимость клика будет довольно высокой. В процессе этот показатель можно привести к нужным значениям.

Кропотливая работа на старте позволит в итоге получить максимально эффективный результат.