СоХабр закрыт.
С 13.05.2019 изменения постов больше не отслеживаются, и новые посты не сохраняются.
| сохранено
H Как с помощью больших данных получить целевые лиды в черновиках
Повышение конверсии, Медийная реклама, Контекстная реклама, Интернет-маркетинг, Блог компании Маркетинговое агентство «ИНСТАМ»
Внушительная доля рекламного рынка перешла в digital, трансформируясь по мере развития цифровых технологий. Растет конкуренция между участниками рынка, появляются новые маркетинговые инструменты и техники, а старые переживают качественные изменения. В частности, меняется подход к лидогенерации и привлечению целевого трафика. Статьей на эту тему мы начинаем блог маркетингового агентства ИНСТАМ.
Доля рынка онлайн-рекламы продолжит расти вплоть до 2021 года по прогнозам PwC. Большинство организаций стараются выйти с маркетинговыми кампаниями в интернет.
Источник: PwC
Интернет-маркетинг неразрывно связан с IT-сферой. Развитие технологий позволяет работать с огромными массивами данных и получать выгоду от их анализа и использования в рекламе. Представители компании Zenitmedia (входит в Publicis Group) прогнозируют рост доли сегмента программатик (алгоритмической программируемой закупки рекламы на основе данных о целевых пользователях): он составит до 31% в 2017 году. Ручной метод закупки рекламы постепенно уступает свои позиции, как менее прозрачный и эффективный.
Программатик работает на так называемых больших данных. В интернет-маркетинге это накопленная статистика о причинно-следственных связях и поведенческих особенностях миллионов пользователей интернета. И чем лучше эти данные систематизированы и сегментированы, тем лучше программатик-технологии справляются с маркетинговыми задачами: увеличивают отдачу от рекламы и сокращают затраты на нее.
Поставка обработанных и грамотно детализированных данных в программатик влияет в том числе и на качество лидогенерации. Данные — ключевая составляющая удачной кампании в программатик-рекламе. Туманные предположения о целевом клиенте не сработают, ведь акцент в лидогенерации смещается с абстрактной заявки на конкретный образ «горячего» пользователя, готового к сделке, и конвертацию его в клиента.
Используя IT-разработки, можно учитывать сотни и тысячи разнообразных пользовательских параметров — от марки автомобиля до таких частных моментов, как любимый цвет одежды — и дотянуться до узкой целевой аудитории с адекватным предложением в нужный момент.
Почему так важно точно попасть в аудиторию со своим предложением?
На пользователей из интернета обрушился информационный шквал, и они стали избирательнее в потреблении контента. По этой причине инструменты пассивной лидогенерации все чаще предоставляют заказчикам нецелевой трафик. Старые модели закупки интернет-рекламы дают плохие результаты — отходят в прошлое модели СРМ (оплата за показы рекламы) и СРС (оплата за клики и переходы на сайт).
Долгое время на рынке интернет-рекламы была популярна модель СРА (оплата за оставленные пользователем заявки и звонки с сайта), в которой рекламодатель-заказчик получал оговоренное количество лидов. Под лидом в основном подразумевалось действие, которое должен осуществить пользователь: добровольно оставленный контакт, заявка или заполнение анкеты, участие в опросе, звонок и т.п.
Зачастую эта модель монетизировалась достаточно успешно. Однако в ряде случаев заказчик мог заплатить 400-600-1200 рублей за лид, который был настолько холодным, что при прямом контакте с ним отдел телемаркетинга покрывался слоем инея, а маркетологи вынуждены были нести последствия за невыполнение KPI.
Неудивительно, что подход к онлайн-рекламе становится всё более осознанным. Рекламодатели заинтересованы в оптимизации рекламного бюджета и предъявляют повышенные требования к получаемому трафику.
Приоритетной задачей 63% digital-специалистов, опрошенных компанией Hubspot, является генерация трафика и лидов на сайт. При этом на первый план выходит качество получаемого трафика: 70% специалистов, опрошенных Hubspot, указывают конверсионность лидов в числе основных приоритетов. То есть теперь недостаточно просто привести на площадку условно подходящую аудиторию и назвать «лидом» любое целевое действие. Важно, чтобы с повышенной вероятностью лид сконвертировался в реального клиента. Поиск целевых лидов и их конверсия позволяют быстрее отбивать бюджет на маркетинг и закрывать KPI.
Источник: State of Inbound
Теперь в приоритете модель работы CPL (оплата за лид), которая, несмотря на более кропотливый процесс отбора трафика, позволяет точнее прогнозировать ROMI (коэффициент возврата инвестиций в маркетинг) и достигать поставленных перед маркетологом целей.
Мы в ИНСТАМ подошли к вопросу лидогенерации с точки зрения анализа огромного массива данных о пользователях, которые мы накопили за последние 10 лет, автоматизируя различные маркетинговые направления.
Ну а там, где есть большие данные об аудитории, должна работать Data Management Platform (DMP) — платформа управления данными. Она служит ядром для хранения и обработки массива информации в несколько сотен миллионов профилей.
Согласитесь, любому бизнесу важно знать как можно больше о своей аудитории. В идеале это почтовый адрес и телефон целевого лида, на каких сайтах и в соцсетях он чаще всего бывает (чтобы привлечь его оттуда), что и где покупает, какие услуги оплачивает банковской картой, куда ездит, какой моделью смартфона пользуется и т.д. до бесконечности. Чем более подробными и развернутыми данными мы располагаем о потенциальном клиенте, тем более релевантное предложение можем ему сделать, а значит, повысить вероятность клика или покупки за меньшие деньги. Но, по большому счету, пока пользователь не пришёл к нам на сайт, мало что о нём известно.
Задачу сбора и систематизации данных о пользователях и решают DMP-системы.
Data management platform не является рекламной биржей или кабинетом отдельной рекламной системы, хотя DMP может быть её частью. Говоря простым языком, DMP — это многофункциональная база данных, в которой собирается и обрабатывается информация из различных источников об одном и том же пользователе.
Источники делятся на три типа:
Данные первого и второго порядков для нашей DMP собраны из офлайн и онлайн-источников: из собственной базы данных, сформированной в процессе работы ИНСТАМ как SMS-агрегатора, и из открытых онлайн-источников, на которых установлен пиксель ИНСТАМ.
Преимущество DMP в том, что она решает задачу сопоставления данных. Если просто собирать данные из разных источников, то они будут обезличенные, и нельзя будет сопоставить, например, данные по покупкам пользователя и данные по тому, на каких сайтах он проводит своё свободное время, если только такая информация не хранится в доступной нам аналитике или CRM-системе.
Вся собранная в DMP информация детализируется и объединяется в комбинации, которые позволяют четче сегментировать целевую аудиторию на основе потребительских предпочтений в совершенно разных областях. Нерелевантная информация отсеивается. Таким образом строятся «портреты» пользователей с определенным набором свойств-атрибутов, например, поведением в соцсетях, историей браузера, информацией о покупках и участии в программах лояльности.
В частности, статистику в DMP собирает установленный на сайт заказчика пиксель (программный код), отслеживающий данные по посещениям и наиболее показываемым страницам сайта. Полученная информация обрабатывается, сопоставляется с уже имеющимися в базе данными и комбинируется в сегменты. На основе этого анализа легко проследить поведение пользователей и скорректировать показываемую им рекламу.
Здесь важно сразу оговориться, что релевантность данных по «портретам» клиентов в DMP не бывает на 100% полной.
Для детализации пользовательских профилей в рамках DMP можно применить скоринговую модель. Это возможность разделить очень похожую по составу, но не по своим намерениям массу аудитории, которую сложно отфильтровать при помощи других технологий. Например, риэлторы и желающие купить недвижимость. И те, и те будут посещать сайты с недвижимостью, но первая группа не будет заинтересована в ипотечном предложении, а вторая группа — да.
Также DMP-провайдер обязательно учитывает правовой аспект. Информация собирается, хранится и используется в соответствии с законодательством о персональных данных. «Портреты» в DMP обезличены и используются без привязки к конкретному человеку.
Допустим, данные собраны, правильно обработаны и хранятся в базе. Что дальше? Как заставить их работать на нас?
А дальше начинается самое интересное. Получив данные «повышенного уровня детализации», можно:
Пример: компания предоставляет кредитные продукты. Пользователь часто посещает сайты по продаже недвижимости. При следующем контакте компания может предложить клиенту выгодный процент по ипотеке, и, скорее всего, это предложение его зацепит.
Пример: потенциальный клиент компании — автомобилист и покупает детское питание. Можно показать ему рекламу детского автомобильного кресла.
Лид, который проанализирован и собран машинными методами, но не валидирован при помощи живой коммуникации — не лучшее вложение маркетингового бюджета. Затраты на обзвон непроверенных лидов — это дополнительные расходы времени и денег, которые затрачивает телемаркетинг компании-заказчика. К тому же иногда пользователи оставляют фейковые данные о себе, пополняя «мусорный» трафик.
Мы в ИНСТАМ считаем, что за такой лид клиент не должен платить, и решаем задачу валидации лидов усилиями собственного call-центра.
Операторы call-центра ИНСТАМ связываются с потенциальным покупателем и действуют по скрипту, утвержденному со стороны заказчика. Таким образом отсеиваются нецелевые контакты, и в отдел продаж или на электронный адрес заказчика поступают обработанные заявки только от тех клиентов, которые заинтересованы в сделке. Причем мы можем не только отдать данные пользователя, но и сразу соединить его с отделом продаж напрямую.
Резюмируя вышесказанное, чем больше у компании данных о своей ЦА, тем грамотнее она может анализировать свои действия, точнее настроить таргет и показать свои рекламные предложения готовым к сделке клиентам. При правильном использовании информации повышается CTR при меньшем охвате и снижается стоимость лида.
Мы уходим от модели CPA, где главным было побудить пользователя оставить свои данные для последующей перепродажи этой заявки, которая в дальнейшем слабо конвертируется. На первый план мы выводим поиск и охват рекламным показом именно того человека, который с наибольшей долей вероятности кликнет по рекламному объявлению и совершит целевое действие, потому что он увидел то, что ему нужно именно сейчас. Платформы управления данными DMP, на наш взгляд, наиболее перспективная технология для достижения этих целей.
DMP можно объединять с почти любыми рекламными биржами, системами и кабинетами. Таким образом получается действенный инструмент таргетинга, который ищет нужную целевую аудиторию по её актуальным параметрам и генерирует целевые заявки.
Доля рынка онлайн-рекламы продолжит расти вплоть до 2021 года по прогнозам PwC. Большинство организаций стараются выйти с маркетинговыми кампаниями в интернет.
Источник: PwC
Интернет-маркетинг неразрывно связан с IT-сферой. Развитие технологий позволяет работать с огромными массивами данных и получать выгоду от их анализа и использования в рекламе. Представители компании Zenitmedia (входит в Publicis Group) прогнозируют рост доли сегмента программатик (алгоритмической программируемой закупки рекламы на основе данных о целевых пользователях): он составит до 31% в 2017 году. Ручной метод закупки рекламы постепенно уступает свои позиции, как менее прозрачный и эффективный.
Программатик работает на так называемых больших данных. В интернет-маркетинге это накопленная статистика о причинно-следственных связях и поведенческих особенностях миллионов пользователей интернета. И чем лучше эти данные систематизированы и сегментированы, тем лучше программатик-технологии справляются с маркетинговыми задачами: увеличивают отдачу от рекламы и сокращают затраты на нее.
Поставка обработанных и грамотно детализированных данных в программатик влияет в том числе и на качество лидогенерации. Данные — ключевая составляющая удачной кампании в программатик-рекламе. Туманные предположения о целевом клиенте не сработают, ведь акцент в лидогенерации смещается с абстрактной заявки на конкретный образ «горячего» пользователя, готового к сделке, и конвертацию его в клиента.
Используя IT-разработки, можно учитывать сотни и тысячи разнообразных пользовательских параметров — от марки автомобиля до таких частных моментов, как любимый цвет одежды — и дотянуться до узкой целевой аудитории с адекватным предложением в нужный момент.
Качественные лиды — где их брать?
Почему так важно точно попасть в аудиторию со своим предложением?
На пользователей из интернета обрушился информационный шквал, и они стали избирательнее в потреблении контента. По этой причине инструменты пассивной лидогенерации все чаще предоставляют заказчикам нецелевой трафик. Старые модели закупки интернет-рекламы дают плохие результаты — отходят в прошлое модели СРМ (оплата за показы рекламы) и СРС (оплата за клики и переходы на сайт).
Долгое время на рынке интернет-рекламы была популярна модель СРА (оплата за оставленные пользователем заявки и звонки с сайта), в которой рекламодатель-заказчик получал оговоренное количество лидов. Под лидом в основном подразумевалось действие, которое должен осуществить пользователь: добровольно оставленный контакт, заявка или заполнение анкеты, участие в опросе, звонок и т.п.
Зачастую эта модель монетизировалась достаточно успешно. Однако в ряде случаев заказчик мог заплатить 400-600-1200 рублей за лид, который был настолько холодным, что при прямом контакте с ним отдел телемаркетинга покрывался слоем инея, а маркетологи вынуждены были нести последствия за невыполнение KPI.
Неудивительно, что подход к онлайн-рекламе становится всё более осознанным. Рекламодатели заинтересованы в оптимизации рекламного бюджета и предъявляют повышенные требования к получаемому трафику.
Приоритетной задачей 63% digital-специалистов, опрошенных компанией Hubspot, является генерация трафика и лидов на сайт. При этом на первый план выходит качество получаемого трафика: 70% специалистов, опрошенных Hubspot, указывают конверсионность лидов в числе основных приоритетов. То есть теперь недостаточно просто привести на площадку условно подходящую аудиторию и назвать «лидом» любое целевое действие. Важно, чтобы с повышенной вероятностью лид сконвертировался в реального клиента. Поиск целевых лидов и их конверсия позволяют быстрее отбивать бюджет на маркетинг и закрывать KPI.
Источник: State of Inbound
Теперь в приоритете модель работы CPL (оплата за лид), которая, несмотря на более кропотливый процесс отбора трафика, позволяет точнее прогнозировать ROMI (коэффициент возврата инвестиций в маркетинг) и достигать поставленных перед маркетологом целей.
Мы в ИНСТАМ подошли к вопросу лидогенерации с точки зрения анализа огромного массива данных о пользователях, которые мы накопили за последние 10 лет, автоматизируя различные маркетинговые направления.
Ну а там, где есть большие данные об аудитории, должна работать Data Management Platform (DMP) — платформа управления данными. Она служит ядром для хранения и обработки массива информации в несколько сотен миллионов профилей.
DMP: вся информация об аудитории в одном месте
Согласитесь, любому бизнесу важно знать как можно больше о своей аудитории. В идеале это почтовый адрес и телефон целевого лида, на каких сайтах и в соцсетях он чаще всего бывает (чтобы привлечь его оттуда), что и где покупает, какие услуги оплачивает банковской картой, куда ездит, какой моделью смартфона пользуется и т.д. до бесконечности. Чем более подробными и развернутыми данными мы располагаем о потенциальном клиенте, тем более релевантное предложение можем ему сделать, а значит, повысить вероятность клика или покупки за меньшие деньги. Но, по большому счету, пока пользователь не пришёл к нам на сайт, мало что о нём известно.
Задачу сбора и систематизации данных о пользователях и решают DMP-системы.
Data management platform не является рекламной биржей или кабинетом отдельной рекламной системы, хотя DMP может быть её частью. Говоря простым языком, DMP — это многофункциональная база данных, в которой собирается и обрабатывается информация из различных источников об одном и том же пользователе.
Источники делятся на три типа:
- Данные первого порядка или first-party data, которые берутся из собственной аналитики. Источником этих данных становится собственный ресурс, например, сайт и его статистика.
- Данные второго порядка или second-party data. Это косвенная информация, собранная из партнерских и конкурентных источников: данные по эффективности рекламных кампаний, прочтения, клики. Сюда же относятся лайки и просмотры в соцсетях.
- Данные третьего порядка или third-party data, приобретенные у третьих лиц, обладающих информацией о действиях пользователей. Источник: сторонние DMP и Data Exchanges, прочие поставщики данных, информация сайтов-партнеров.
Данные первого и второго порядков для нашей DMP собраны из офлайн и онлайн-источников: из собственной базы данных, сформированной в процессе работы ИНСТАМ как SMS-агрегатора, и из открытых онлайн-источников, на которых установлен пиксель ИНСТАМ.
Преимущество DMP в том, что она решает задачу сопоставления данных. Если просто собирать данные из разных источников, то они будут обезличенные, и нельзя будет сопоставить, например, данные по покупкам пользователя и данные по тому, на каких сайтах он проводит своё свободное время, если только такая информация не хранится в доступной нам аналитике или CRM-системе.
Вся собранная в DMP информация детализируется и объединяется в комбинации, которые позволяют четче сегментировать целевую аудиторию на основе потребительских предпочтений в совершенно разных областях. Нерелевантная информация отсеивается. Таким образом строятся «портреты» пользователей с определенным набором свойств-атрибутов, например, поведением в соцсетях, историей браузера, информацией о покупках и участии в программах лояльности.
В частности, статистику в DMP собирает установленный на сайт заказчика пиксель (программный код), отслеживающий данные по посещениям и наиболее показываемым страницам сайта. Полученная информация обрабатывается, сопоставляется с уже имеющимися в базе данными и комбинируется в сегменты. На основе этого анализа легко проследить поведение пользователей и скорректировать показываемую им рекламу.
Здесь важно сразу оговориться, что релевантность данных по «портретам» клиентов в DMP не бывает на 100% полной.
Для детализации пользовательских профилей в рамках DMP можно применить скоринговую модель. Это возможность разделить очень похожую по составу, но не по своим намерениям массу аудитории, которую сложно отфильтровать при помощи других технологий. Например, риэлторы и желающие купить недвижимость. И те, и те будут посещать сайты с недвижимостью, но первая группа не будет заинтересована в ипотечном предложении, а вторая группа — да.
Также DMP-провайдер обязательно учитывает правовой аспект. Информация собирается, хранится и используется в соответствии с законодательством о персональных данных. «Портреты» в DMP обезличены и используются без привязки к конкретному человеку.
Целевой маркетинг: лидогенерация при помощи DMP
Допустим, данные собраны, правильно обработаны и хранятся в базе. Что дальше? Как заставить их работать на нас?
А дальше начинается самое интересное. Получив данные «повышенного уровня детализации», можно:
- Отправить их в CRM-систему с целью обогатить данные по лидам и opportunities. Переосмыслив потребности аудитории и подвергнув ее дополнительному анализу, сейлзам и телемаркетингу заказчика легче будет «спускать» клиента по воронке продаж до заветной цели. Можно оптимизировать персональное предложение, основываясь на том, в чем пользователь нуждается именно сейчас, и оно с большой долей вероятности заинтересует пользователя.
Пример: компания предоставляет кредитные продукты. Пользователь часто посещает сайты по продаже недвижимости. При следующем контакте компания может предложить клиенту выгодный процент по ипотеке, и, скорее всего, это предложение его зацепит.
- Использовать данные для углубленного таргетирования в рекламных кампаниях: в то время как соцдем, гео, ключевые слова или интересы дают слишком широкий охват аудитории, настройка рекламной кампании по данным из DMP позволяет «бить прицельно», снижая количество показов, необходимых для совершения клика.
Пример: потенциальный клиент компании — автомобилист и покупает детское питание. Можно показать ему рекламу детского автомобильного кресла.
- Проводить эффективные ремаркетинговые кампании. «Вшивание» скрытых пикселей с JavaScript-кодом на сайт позволяет собирать и анализировать в DMP статистику по заинтересованности его посетителей в тех или иных услугах и товарах. В том числе можно разместить пиксель на постконверсионной странице и спрогнозировать, когда клиент, который уже совершал покупку, начнет снова интересоваться этим товаром и будет готов купить его еще раз. Можно спланировать, где и когда показывать потенциальному клиенту рекламное предложение, чтобы не отпугнуть, а, наоборот, снова привлечь его к сделке.
- Использовать данные для Look-alike моделирования. Когда Facebook создает look-alike аудиторию, это, конечно, очень ценно, но этот процесс абсолютно непрозрачный. Неизвестно, на каких данных формируется аудитория у сторонних платформ. DMP-система позволяет осознанно строить новую целевую аудиторию, по поведенческим характеристикам похожую на текущую аудиторию компании. Look-alike можно использовать в ремаркетинге, отслеживая поведение покупателей на сайте и приводя туда похожих пользователей.
Валидация и превращение лидов в заказы
Лид, который проанализирован и собран машинными методами, но не валидирован при помощи живой коммуникации — не лучшее вложение маркетингового бюджета. Затраты на обзвон непроверенных лидов — это дополнительные расходы времени и денег, которые затрачивает телемаркетинг компании-заказчика. К тому же иногда пользователи оставляют фейковые данные о себе, пополняя «мусорный» трафик.
Мы в ИНСТАМ считаем, что за такой лид клиент не должен платить, и решаем задачу валидации лидов усилиями собственного call-центра.
Операторы call-центра ИНСТАМ связываются с потенциальным покупателем и действуют по скрипту, утвержденному со стороны заказчика. Таким образом отсеиваются нецелевые контакты, и в отдел продаж или на электронный адрес заказчика поступают обработанные заявки только от тех клиентов, которые заинтересованы в сделке. Причем мы можем не только отдать данные пользователя, но и сразу соединить его с отделом продаж напрямую.
PROFIT
Резюмируя вышесказанное, чем больше у компании данных о своей ЦА, тем грамотнее она может анализировать свои действия, точнее настроить таргет и показать свои рекламные предложения готовым к сделке клиентам. При правильном использовании информации повышается CTR при меньшем охвате и снижается стоимость лида.
Мы уходим от модели CPA, где главным было побудить пользователя оставить свои данные для последующей перепродажи этой заявки, которая в дальнейшем слабо конвертируется. На первый план мы выводим поиск и охват рекламным показом именно того человека, который с наибольшей долей вероятности кликнет по рекламному объявлению и совершит целевое действие, потому что он увидел то, что ему нужно именно сейчас. Платформы управления данными DMP, на наш взгляд, наиболее перспективная технология для достижения этих целей.
DMP можно объединять с почти любыми рекламными биржами, системами и кабинетами. Таким образом получается действенный инструмент таргетинга, который ищет нужную целевую аудиторию по её актуальным параметрам и генерирует целевые заявки.
+12
~1900
комментарии (0)