В рамках Национального рекламного форума состоялась секция Комитета Big Data и Programmatic АРИР «Big Data: Игра на опережение». В ней участвовали: перформанс-директор 
i.com Ярослав Варзанов, руководитель отдела монетизации данных ADV Tech (группа 
АДВ ) Big Data Артем Захаров, руководитель направления по работе с данным «Юнилевер Русь» Юрий Киреенко, управляющий директор MI10 Дмитрий Егоров, директор по работе с клиентами Mediaminded (
Group4Media ) Наталья Панюшкина, менеджер по коммуникациям в цифровых медиа H&N Екатерина Чубарь, руководитель по развитию рекламных сервисов Platforma Анатолий Новожилов и ведущий менеджер отдела планирования и размещения рекламы в сети интернет департамента маркетинга и рекламы «ВТБ» Ирина Кузнецова. Модератором выступила гендиректор 
Weborama Анжела Федорченко.
Ярослав Варзанов: как удалось увеличить клиентскую базу «Дом.ру»
Продвижение монопродукта домашнего интернета от «Дом.ру» имеет барьер: ограничение монтируемой емкости. Это ведет к тому, что более 50% пользователей, которые начинают заполнять заявку, не видят свои адреса в списке. Ранее были использованы доступные рынку механики для улучшения качества целевого контакта: супер-гео, парсинг ЖК каналов
Поэтому мы решили использовать Stable ID с X5 Retail Group и протестировать, как улучшение точности целевого контакта повлияет на воронку, а также проверить гипотезу, что сильным паттерном для определения пользователя к конкретному дому могут служить покупки в магазинах у дома. Благодаря коллегам из «МТС» эта аудитория стала доступна для таргетирования в Telegram ads. То есть мы скрестили два типа данных и получили достойный процент мэтчинга — 38%.
Но Stable ID помог не только с точки зрения таргетирования. Была проблема — замерить отложенный эффект от рекламы в Telegram, где нельзя ставить на замер сторонние верификаторы. Когда пользователь проконтактировал с рекламой, чтобы понять, что он оформил договор, ему звонят с определенных номеров, ему приходят определенные SMS. Зная эту информацию, удалось построить вокруг Stable ID последовательную аналитику, где мы обнаружили важные инсайты:
- более 76% от всех пользователей, с кем мы проконтактировали в Telegram, в итоге получили звонок в первые 3 дня;
- более 2 тыс. пользователей получили звонок от менеджера;
- более 200 пользователей получили SMS с подтверждением заключенного договора.
При этом конверсия на всех этапах воронки была значительно выше средних бенчей клиента.
На наш взгляд, этот кейс интересен с точки зрения использования Stable ID для решения бизнес-задач, как через таргетирование, так и для точечного замера эффекта.
Анжела Федорченко: какие данные закупают рекламодатели
По данным Lotame — только 1% маркетологов в 2024 году не планируют внедрять новые технологии для работы с данными. В аналогичном исследовании двухлетней давности таких маркетологов было 11%.
Сейчас во всем мире все больше инвестируют в данные и технологии. Наш рынок немного отличается, но у брендов те же вызовы. Мы идем тем же путем, используем те же технологии, у нас одинаковые задачи. На нашем рынке самые актуальные задачи и причины, по которым рекламодатели инвестируют. Согласно опросу Комитета Big Data и Programmatic АРИР 89% указали, что на первом месте для них оптимизация перформанс-показателей. Именно этого они ждут от данных. Далее идет попадание в ЦА и следом — оптимизация медийных показателей. Какой вывод мы можем из этого сделать? Раньше годами выстраивалось диджитал-знание о бренде, а сейчас все процессы интенсифицируются, и одновременно со знанием о бренде решаются перформанс-задачи. Потому что на рынке происходят невероятные трансформации — только за этот год более 3 тыс. FMCG-брендов вышло на рынок (по данным Nielsen).
Мы спросили у рекламодателей, какие данные они более всего закупают:
- на первом месте (82%): данные о покупках в интернете;
- на втором месте: данные из социальных сетей;
- на третьем месте (59%): поведенческие геоданные;
- завершают список (35%): данные о покупках в офлайн-магазинах.
Артем Захаров: как продвигать FMCG-бренды в условиях быстрой трансформации
Аналитику по кампании приходится ждать долго. Месяц нужно подождать, пока соберутся данные, пока мы измерим бренд-хит индекс или что-то еще. Еще месяц — пока Nielsen выпустит свои данные о мониторинге рынка, а нам нужно построить или обновить нашу эконометрическую модель. Процесс занимает до трех месяцев, и все это время мы ждем новую кампанию. Чтобы делать это все быстрее, есть хороший источник — это данные FMCG-ретейлеров, X5 и «Магнита».
Что мы сейчас применяем, и что должно стать стандартом рынка, — это подход к планированию диджитал-активностей FMCG-брендов, аналогичный перфоманс-маркетингу. Во-первых, это обновление таргетингов. Каждый месяц обновляются таргетинги, оптимизируются сегменты. Мы видим, какие сегменты хорошо работают, а какие не очень. И каждый месяц их меняем для того, чтобы улучшать результаты.
Во-вторых, мы перерасчитываем бюджеты. Сейчас это происходит в нашем цикле раз в два месяца. Но хочется, чтобы происходило быстрее. Очень часто меняются креативы. Например, если начинается промо, логично об этом рассказывать на креативе. И главное — это регулярный трекинг эффективности. Мы отслеживаем эффективность рекламной кампании, смотрим, как растут продажи благодаря ей, и проверяем, окупается ли она прямо сейчас.
Наталья Панюшкина: Test&Learn подход для бренда «Село Зелёное»
Расскажу о кейсе, который мы реализовали совместно с нашим клиентом, брендом «Село Зелёное», на данных ретейлеров. Сегодня диджитал — это самый охватный медиаканал. Мы видим высокую эффективность размещений по компаниям, которые мы реализовывали с нашими клиентами. Мы видим ROI на уровне выше 20% по сравнению со стандартными сегментами, построенными по социально-диагностическим признакам.
С другой стороны, у нашего бренда все его многообразие заключается в том, что в разных географических регионах России, в рамках каждой категории, могут быть свои уникальные бизнес-вызовы и коммуникационные задачи. Поэтому рекламные кампании, которые мы строим для бренда, построены на уровне каждой категории, каждого региона.
Мы сформировали целую Test&Learn программу с гипотезами, с А/Б-тестами. Мы внедрили новый подход к процессу и аналитике конверсионности, который назвали Agile. И также мы протестировали новинку — сегмент, построенный с помощью искусственного интеллекта.
Екатерина Чубарь: данные для FMCG-бренда
Я работаю в компании Health & Nutrition, которой принадлежат такие бренды, как «Тёма», «Простоквашино», «Даниссимо» и др. В работе с ними хорошее решение для управления рекламой — Data driven подход.
У нас в компании довольно популярен так называемый precision (точный)-подход. Это когда мы работаем не только с широкой аудиторией бренда, с какой-то core-аудиторией, но нарезаем более узкие сегменты и даем им персонализированное сообщение на каждую отдельную группу. Делаем это мы в том числе с помощью семантик-AI от Weborama. У нас есть анализ точности попадания, кросс-канальные изменения, анализ продаж.
Юрий Киреенко: переход на customer-centric подход
Точка А, от которой мы отходили — бренд-центрик история. В центре стоит бренд, который собирает данные с медийки из брендового сайта, падает это все в DMP и в CRM, отдельные платформы, через которые мы пытаемся выцепить аудиторию посредством медиакоммуникации и директ-коммуникации. Абсолютно стандартная история, только сложность в том, что таких вселенных не одна, а множество. То есть каждый бренд, по сути, дублирует или дуплицирует эту систему многократно. И нам приходится поддерживать не только «Черный жемчуг» в плане этой системы, но и остальное множество брендов. Эта история сложная.
Мы перешли на customer-centric подход на примере категории «Красота и Здоровье» и сделали следующее. Мы поставили в центр потребителя, а не бренд, и стали максимально изучать его поведение для того, чтобы не выстраивать коммуникацию вокруг бренда, а готовить набор брендов, который будет адаптирован под интерес потребителя. Эта история для бизнеса крайне полезная и гибкая, поскольку позволяет нам менять набор брендов, исходя из того, что человека заинтересует.
Ирина Кузнецова и Анатолий Новожилов: как продвигать кредит наличными
Поделимся кейсом продукта «ВТБ: кредит наличными». Цель кампании — охват релевантной аудитории и увеличение трафика и конверсий.
Для решения задачи мы использовали два базовых принципа. Первый — Data Fusion: использовали данные из разных источников и разного типа. Первый тип данных основан был на медиапотреблении, на том, что люди делают в интернете, что они смотрят на цифровом телевидении, на какие сайты ходят, какими мобильными приложениями пользуются. Это данные основаны на данных телеком-провайдеров, телеком-операторов. У нас их много, более 45 млн человек. Тут мы формировали как раз аудиторные сегменты по интересам. Второй тип данных — это данные потребительские, что реально пользователи покупают, какой размер чека, какими банковскими продуктами пользуются, какой у них доход, какая закредитованность. Эти данные, основанные на банковских данных и на данных кредитных бюро, два больших стека, которые мы проанализировали и использовали.
Мы сделали аудиторию «черный список». Использовали ее, чтобы минусовать в показах рекламы. У нас есть три целевые аудитории, которым интересно получить кредит и есть аудитория, которой мы не хотим показывать рекламу и тратить на нее деньги.
Дмитрий Егоров: жизнь в эпоху cookieless
Что нас ждет в эпоху без кукис? В первую очередь нас ждут сложности с измерениями. Даже базовые метрики, охваты частот, базовые поствью — они сейчас измеряются на кукис, когда мы говорим про результаты кампаний.
Второй важный аспект негативный — падение точности таргетирования и даже ретаргетирования. Вся мобильная среда не содержит кукис, это означает, что там уже есть сложности с идентификацией, с измерениями, с трекингом. Safari, Opera, Firefox — там тоже нет кукис. Smart TV среда тоже не содержит обезличенных идентификаторов кукис. Уже сейчас больше 40% онлайн-трафика не поддается нормальной идентификации, измерениям, таргетированию.
Каков выход? Если мы говорим про таргетирование, искать поставщиков данных в Hard ID. А еще — использование собственной даты. Второе решение — внедрение централизованного подхода к управлению данными. То есть сейчас каждый бренд окружен большим количеством источников данных: сайты, мобильные приложения, рекламные кампании, программы лояльности. И все это можно интегрировать внутрь платформ управления данными, как раз таки задача которых приводить все к единому идентификатору.