Как предсказание поведения пользователей улучшило эффективность рекламных кампаний на 72%
Исходные данные, описание задачи:

Проведя ряд встреч с клиентом, нам удалось выяснить несколько моментов, которые представляются важными для него в частности и для рынка в целом. 

  1. Аудитория устала от традиционной рекламы в принципе. Сообщений стало слишком много, появляется баннерная слепота, реклама воспринимается в качестве информационного шума. 
  2. У клиентов накапливается очень много данных, но ясного понимания, как с ними работать, нет. 
  3. Медиаинфляция обесценивает ваши старания. Услуги перформанса, брендформанса и медийной рекламы постоянно дорожают. Количество инструментов практически не увеличивается, цены идут вверх, а KPI нужно выполнять. 
  4. Роль соцсетей падает, главная тема — ИИ. Но, как показывает практика, очень часто за разговорами про искусственный интеллект скрываются лишь красивые слова. Рынку нужны подрядчики, способные показывать с помощью ИИ конкретный результат. 

После понимания текущей ситуации клиентом была сформирована задача для агентства. Повысить эффективность рекламных кампаний, сократив стоимость привлечения заявок на займы, без увеличения затрат на рекламу.
КЕЙС 7
Описание кейса / решения

Для достижения цели была задействована платформа предиктивной аналитики StreamMyData (входит в агентство MediaNation), которая прогнозирует вероятность совершения целевого действия пользователем в течение заданного промежутка времени. Система интегрируется с «Яндекс Метрикой» для сбора исторических данных, создавая единый поведенческий портрет каждого пользователя. После создания модели машинного обучения система формирует таблицу, где для каждого пользователя указывается вероятность совершения целевого действия и его уникальный идентификатор. 

На основе этих данных пользователи были сегментированы по степени готовности к совершению целевого действия, и сегменты загружены в «Яндекс Аудитории» для дальнейшей работы. 

Ранее полный цикл интеграции таких систем занимал от 3 до 6 месяцев. Но благодаря новым технологиям интеграция занимает до 24 часов. 

Помимо оперативности, важной особенностью быстрых предиктов является их точность. Раньше клиенту приходилось тестировать свой маркетинговый бюджет в реальном времени, теряя деньги на неэффективных каналах. К тому же между пониманием факта неэффективности и перераспределением средств на более эффективные каналы существовал определенный промежуток — таким образом, подобные эксперименты сопровождались неминуемыми временными и финансовыми потерями. 

В нашем случае все стало гораздо проще и конкретнее — клиент оперативно понимает аудиторию, выбирает интересные целевые действия, а потом видит степень готовности каждого из аудиторных сегментов к совершению этих действий. Быстро можно разработать новые креативы и обратиться к каждой из аудиторий в зависимости от ее температуры интереса с наиболее релевантным предложением и ускорить покупку с ее стороны. 

Первая итерация
Изначально целью для предсказаний являлась общая конверсия по всем финансовым продуктам «Выберу᎐ру». Сегменты использовались в рекламных кампаниях с применением корректировок ставок. 

Однако этот подход имел свои недостатки: 
  • Трафик направлялся на пользователей с высокой вероятностью конверсии, но по разным продуктам. Что негативно сказывается в общем перформансе сегментов. 
  • Низкая доля пользователей совершала общую конверсию, что затрудняло обучение модели. На этом этапе тесты длились месяц, сегменты использовались в поисковых кампаниях и РСЯ, направленных на продукт «Займы». 

Вторая итерация 
Результаты первой итерации показали положительный эффект, но проблема общей цели сохранилась — сегменты охватывали пользователей всех продуктов, в то время как приоритетом были займы. 

Решением стало переобучение системы для предсказания конверсий исключительно по странице займов. Для этого использовалась новая технология «быстрых предиктов», позволяющая настроить прогнозирование за 24 часа, вместо нескольких месяцев. 

После обучения система сформировала новые сегменты, которые сразу были добавлены в рекламные кампании. Уже через две недели улучшенные показатели производительности не заставили себя ждать.


Сроки реализации
01.12.2024 — 19.01.2025


Результаты ДО и ПОСЛЕ

  • Стоимость заявки ниже на 33.13% 
  • Стоимость выдачи ниже на 39.35% 
  • Конверсия из клика в выдачу больше на 72.84% 
  • Конверсия из заявки в выдачу больше на 16.17%


В чем полезность и уникальность кейса?

Предиктивная аналитика — отличная возможность для любого бренда лучше узнать свою аудиторию. И не просто узнать, а понять, какая ее часть готова к совершению целевого действия. 

Плюсы использования предиктов: 
  • Бренд получает измеримую пользу от обладания данными 
  • Экономия рекламного бюджета 
  • Возможность сделать персонализированные предложения определенным сегментам ЦА в зависимости от теплоты их интереса 
  • Более глубокое понимание своего потребителя.


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Не просто возможно, а даже нужно. Сегодня дефицит интернет-инвентаря является одной из проблем российских маркетологов. Новинок мало, а уже имеющиеся решения постоянно растут в цене, требуя увеличения бюджетов. 
Предиктивная аналитика подойдет компаниям среднего и крупного бизнеса. Особенно тем, кто агрегирует большие массивы данных. Таким образом, вся эта информация не просто расскажет много полезного про клиентские аудитории, но и покажет, кто именно готов к совершению целевого действия. Например, к покупке.
Конверсия из клика в выдачу выросла на 72.84%
Результат
Описание кейса / решения

Для достижения цели была задействована платформа предиктивной аналитики StreamMyData (входит в агентство MediaNation), которая прогнозирует вероятность совершения целевого действия пользователем в течение заданного промежутка времени. Система интегрируется с «Яндекс Метрикой» для сбора исторических данных, создавая единый поведенческий портрет каждого пользователя. После создания модели машинного обучения система формирует таблицу, где для каждого пользователя указывается вероятность совершения целевого действия и его уникальный идентификатор. 

На основе этих данных пользователи были сегментированы по степени готовности к совершению целевого действия, и сегменты загружены в «Яндекс Аудитории» для дальнейшей работы. 

Ранее полный цикл интеграции таких систем занимал от 3 до 6 месяцев. Но благодаря новым технологиям интеграция занимает до 24 часов. 

Помимо оперативности, важной особенностью быстрых предиктов является их точность. Раньше клиенту приходилось тестировать свой маркетинговый бюджет в реальном времени, теряя деньги на неэффективных каналах. К тому же между пониманием факта неэффективности и перераспределением средств на более эффективные каналы существовал определенный промежуток — таким образом, подобные эксперименты сопровождались неминуемыми временными и финансовыми потерями. 

В нашем случае все стало гораздо проще и конкретнее — клиент оперативно понимает аудиторию, выбирает интересные целевые действия, а потом видит степень готовности каждого из аудиторных сегментов к совершению этих действий. Быстро можно разработать новые креативы и обратиться к каждой из аудиторий в зависимости от ее температуры интереса с наиболее релевантным предложением и ускорить покупку с ее стороны. 

Первая итерация
Изначально целью для предсказаний являлась общая конверсия по всем финансовым продуктам «Выберу᎐ру». Сегменты использовались в рекламных кампаниях с применением корректировок ставок. 

Однако этот подход имел свои недостатки: 
  • Трафик направлялся на пользователей с высокой вероятностью конверсии, но по разным продуктам. Что негативно сказывается в общем перформансе сегментов. 
  • Низкая доля пользователей совершала общую конверсию, что затрудняло обучение модели. На этом этапе тесты длились месяц, сегменты использовались в поисковых кампаниях и РСЯ, направленных на продукт «Займы». 

Вторая итерация 
Результаты первой итерации показали положительный эффект, но проблема общей цели сохранилась — сегменты охватывали пользователей всех продуктов, в то время как приоритетом были займы. 

Решением стало переобучение системы для предсказания конверсий исключительно по странице займов. Для этого использовалась новая технология «быстрых предиктов», позволяющая настроить прогнозирование за 24 часа, вместо нескольких месяцев. 

После обучения система сформировала новые сегменты, которые сразу были добавлены в рекламные кампании. Уже через две недели улучшенные показатели производительности не заставили себя ждать.


Сроки реализации
01.12.2024 — 19.01.2025


Результаты ДО и ПОСЛЕ

  • Стоимость заявки ниже на 33.13% 
  • Стоимость выдачи ниже на 39.35% 
  • Конверсия из клика в выдачу больше на 72.84% 
  • Конверсия из заявки в выдачу больше на 16.17%







В чем полезность и уникальность кейса?

Предиктивная аналитика — отличная возможность для любого бренда лучше узнать свою аудиторию. И не просто узнать, а понять, какая ее часть готова к совершению целевого действия. 

Плюсы использования предиктов: 
  • Бренд получает измеримую пользу от обладания данными 
  • Экономия рекламного бюджета 
  • Возможность сделать персонализированные предложения определенным сегментам ЦА в зависимости от теплоты их интереса 
  • Более глубокое понимание своего потребителя.


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Не просто возможно, а даже нужно. Сегодня дефицит интернет-инвентаря является одной из проблем российских маркетологов. Новинок мало, а уже имеющиеся решения постоянно растут в цене, требуя увеличения бюджетов. 
Предиктивная аналитика подойдет компаниям среднего и крупного бизнеса. Особенно тем, кто агрегирует большие массивы данных. Таким образом, вся эта информация не просто расскажет много полезного про клиентские аудитории, но и покажет, кто именно готов к совершению целевого действия. Например, к покупке.
Конверсия из клика в выдачу выросла на 72.84%
Результат