Объединенная команда экспертов из «Столото» (входит в 
S8.Capital ), медийного агентства People & Screens, dentsu X (входят в 
Dentsu Russia ) и data-компании 
Weborama показала, как комплексная работа с customer journey reputation данными позволяет повысить эффективность рекламных кампаний.
Бэкграунд проекта
«Столото» — бренд крупнейшего распространителя государственных лотерей, а «Русское лото» — самая популярная лотерея среди россиян с долей в 58% на рынке. В преддверии Нового года «Столото» традиционно проводит одну из самых масштабных кампаний, приуроченных к специальному тиражу «Русского лото» — «Новогодний миллиард».
Для роста продаж «Столото» нужно было найти и привлечь целевую аудиторию, готовую купить лотерейный билет, а также вернуть «потерянных» клиентов. Обычно покупка лотерейных билетов — это спонтанное действие, но мотивация к приобретению может быть определена и особенностями поведения в сети. После просмотра рекламы потребители, как правило, изучают различные мнения и читают отзывы, что тоже зачастую становится барьером, требующим преодоления. В рамках кампании количество таких «потерянных» клиентов могло доходить до миллиона.
Для этого команда сфокусировалась на выявлении сегментов потребителей, которые сталкивались с негативными или позитивными отзывами в сети. Для этого были разработаны инструменты семантического анализа на базе машинного обучения. На основе полученных данных была обучена модель, определяющая среди пользователей, взаимодействующих с негативным контентом, тех, кто с большей долей вероятности откликнется на рекламное сообщение.
Впервые в ходе проекта удалось проверить гипотезу о том, как негативные и позитивные отзывы в интернете влияют на намерение потребителей приобретать лотерейные билеты.
Инструменты и механика
Для решения задачи эксперты «Столото» и People & Screens использовали целый пул технологических инструментов — DMP Weborama Audience Manager (WAM), Weborama BigFish для семантического анализа, а также MoonFish для построения кастомных сегментов.
Анализ аудитории строился по классической воронке продаж: от заинтересованности тематикой (потребление информации в интернете) до покупки (целевого действия на цифровых платформах компании).
Чтобы изучить и собрать аудиторию, которая потребляет в интернете контент про лотереи, использовались инструменты Weborama BigFish (для анализа текстовых корпусов тематики «Лотереи») и MoonFish (для создания кастомных аудиторных сегментов). Среди анализируемого контента были выделены веб-страницы с позитивным и негативным контентом о лотереях. Они послужили основой для создания двух разнополярных аудиторий с высоким уровнем вовлечения.
Для работы с данными об аудитории сайта «Столото» была использована DMP, позволяющая собирать обезличенные данные пользователей — тех, что совершали покупки и тех, кто не приобретал лотерейных билетов.
После сбора данных все аудитории были обогащены данными Weborama, что позволило сформировать типовые портреты потребителей и сравнить их с потребительскими профилями «Столото».
Статистический анализ позволил визуализировать в трехмерном пространстве разницу между сегментами аудиторий согласно их интересам. Расположение точек на карте демонстрирует это.
Исходя из соответствующего каждому сегменту набора поведенческих характеристик можно сделать вывод, что аудитории, связанные темой лотерей (читали позитивные, негативные отзывы, были на сайте или совершали покупки), отличаются от среднестатистического интернет-пользователя. Это говорит о неоднородности этих аудиторий и является основанием для применения таких сегментов при формировании таргетинга на основе предиктивного моделирования.
Для построения предиктивной модели Data Science команда Weborama использовала серию алгоритмов машинного обучения, включая нейронные сети, призванные определять аудиторию, обладающую высокой вероятностью отклика на предложение рекламодателя.
В качестве выборки для обучения модели были использованы сегменты аудитории, встречавшие в сети негативные и позитивные отзывы о лотереях. В результате были сформированы сегменты новой, максимально релевантной аудитории, готовой к совершению конверсионного действия.
Стратегическое и медийное планирование, координацию работы Weborama и «Столото», а также валидацию результатов кейса осуществило People & Screens. Закупкой медийного инвентаря занималось dentsu X.
Эльвира Сафаева, директор по дата-продуктам Weborama:
Знание рекламодателя о своих текущих клиентах, обогащенное сторонними данными, помогает строить модели для привлечения новой качественной аудитории. Для этой цели была разработана кастомная таксономия, сформированная на базе анализа всей аудитории интернета, что дало возможность экспертной группе People & Screens, dentsu X и Weborama более гранулярно профилировать аудиторию «Cтолото». Постоянная аналитика изменения пользовательского поведения и оптимизация сегментов в ходе рекламной кампании позволили нам показать высокие результаты на собственном инвентаре и масштабировать data-подход на все медиаканалы клиента.
Большая часть успеха проекта обусловлена прогрессивностью клиента «Столото» в подходе к работе с данными и открытостью к новым технологическим решениям, добавила Сафаева.
Результаты
Предиктивные и MoonFish-сегменты были активированы в сети Weborama Programmatic. Для оценки эффективности медийного размещения на сегментах Weborama показатели сравнивались со средними результатами по всей кампании.
Средний чек покупки на сегментах Weborama оказался вдвое выше, чем средний по кампании. CPA на сегментах Weborama в четыре раза ниже, чем средний по кампании. Неожиданными оказались высокие показатели эффективности размещения рекламы на те сегменты пользователей, которые по результатам исследования сталкиваются с негативом. Показатель ROMI у этого сегмента оказался на уровне 9600%.
Это позволяет сделать вывод о том, что даже люди, активно взаимодействующие с негативной информацией о лотереях, тем не менее относятся к аудитории, глубоко вовлеченной в данную тематику, и следят за лотерейными розыгрышами.
Александр Горбачев, директор по информационным продуктам и аналитике People & Screens:
В этом году в процессе совместной работы с коллегами из Weborama мы провели уникальное исследование аудитории лотерей. Впервые был создан цифровой портрет аудитории покупателей лотерей на основе анализа их поведения в интернете. Но что более важно, по инициативе клиента был сформирован и протестирован сегмент пользователей, которые сталкиваются с негативной информацией о лотереях в сети.
Результаты размещения рекламы показали впечатляющий результат: с этой аудиторией можно и нужно работать для повышения ROMI, отметил Горбачев.
Альберт Усманов, директор по цифровому маркетингу S8 Capital:
Этот кейс — отличное доказательство, что работать с репутацией в сети можно не только в рамках имиджевых подходов, но и performance-результатов. В этом проекте мы смогли выделить значимое количество потребителей, которые столкнулись с негативными коммуникациями о бренде и приняли решение отложить покупку лотерейных билетов. С помощью инструментов Weborama нам удалось выделить этих потребителей и совершить на них дополнительную коммуникацию, которая в итоге привела к росту ROMI всей кампании.
Результаты в цифрах относительно средних показателей по кампании:
Predictive segments:
- ROMI — 2969%;
- рост среднего чека — 356%;
- снижение CPA — 32,6%.
MoonFish segments:
- ROMI — 9600%;
- рост среднего чека — 5,4%;
- снижение CPA — 95,2%.