Способы повышения эффективности рекламных кампаний хорошо известны, но два популярных подхода — персонализацию и гиперсегментацию — часто путают. Оба метода направлены на достижение максимальной релевантности рекламы, но функционируют они по-разному. Александр Алимов (YAGLA) — автор концепции гиперсегментации трафика — рассказал Sostav, что представляет собой каждый из подходов, как они реализуются на практике, в чем их ограничения и какие преимущества дает их грамотное использование.
Персонализация, или индивидуальный подход к каждому пользователю
Персонализация — это адаптация содержания под конкретного человека. Осуществляется она на основе автоматизированных алгоритмов, которые постоянно учатся на новых данных. И одна из ключевых особенностей персонализации — использование больших массивов информации, как раз для создания уникального опыта.
Система анализирует имя, соцдем, интересы, гео и большое количество других данных:
- Можно подстраивать контент объявления в зависимости от географического положения, например, автоматически подставлять название города в оффер.
- Можно показывать товары на основе истории предыдущих покупок.
Если клиент выбирает определенный товар, то система подберет предложения в соответствующем сегменте, что повысит вероятность конверсии.
Примеры персонализации в реальной жизни
Алгоритмы «Яндекс Музыки» детально анализируют историю прослушиваний.
Лайки (добавление в плейлист) — один из сигналов для алгоритмов, на основе которого создается персонализированный плейлист, соответствующий вкусам конкретного пользователя. Чем точнее плейлист, тем сильнее растет вовлеченность пользователя.
Соцсети применяют алгоритмы персонализации для формирования индивидуальной ленты. Учитывается активность пользователя — лайки, комментарии, время, проведенное за просмотром постов и видео, — а также интересы его ближайшего окружения. Это повышает вовлеченность и заставляет пользователя проводить часы за скроллингом ленты.
Персонализация применяется и в email-маркетинге. Автоматизированные системы формируют письма с обращениями по имени, геолокационными данными, персональными предложениями, а также по интересам. Это создает ощущение индивидуального подхода и повышает доверие получателя.
Персонализация на основе истории запросов в поисковых системах позволяет выстроить индивидуальную страницу результатов поиска — с наиболее релевантными результатами для каждого пользователя. И сниппеты на такой странице будут более кликабельными, чем на стандартной.
Контекстная реклама на основе персональных данных показывается тем, кому она с большей вероятностью может быть интересна. На этом построены автотаргетинги.
Гиперсегментация — точное разделение аудитории для максимальной эффективности
Гиперсегментация — это разбиение целевой аудитории на узкие и «гиперузкие» сегменты.
В отличие от автоматизированного подхода при персонализации, этот процесс, как правило, требует не только автоматизированных ресурсов, но и экспертной оценки маркетологов.
Метод позволяет более точно попадать в потребность «гиперузкого» сегмента аудитории и увеличивать эффективность рекламы. Особенно он актуален в контекстной и в таргетированной рекламе.
Как выполнялась сегментация раньше
До появления автотаргетинга в рекламных системах настройка сегментации была сравнительно простой. Маркетологи выделяли ключевые запросы или другие параметры таргетинга для узких сегментов аудитории. По каждому создавалось уникальное предложение, которое максимально точно соответствовало интересам или потребностям сегмента. Такой подход позволял максимально точно управлять связкой: набор таргетингов и ключевых запросов, также точные объявления под них, плюс уникальное торговое предложение на посадочной странице. Это делалось вручную, чтобы обеспечивать высокую релевантность. Например, для запросов вроде «купить спортивную обувь для бега» можно было настроить таргет на группу бегунов, затем предложить рекламный текст под конкретный интерес и сделать, чтобы уникальное торговое предложение на посадочной странице соответствовало этим запросам и объявлениям.
Изменения с появлением автотаргетинга
Когда рекламные платформы внедрили технологии автотаргетинга, процесс сегментации стал менее прозрачным. Теперь система самостоятельно анализирует аудиторию и решает, кому показывать рекламу, основываясь на алгоритмах и Big Data. Такой подход лишил маркетологов полного контроля над сегментацией и заставил искать новые методы оптимизации, адаптированные к непрозрачной работе алгоритмов.
Новый подход к гиперсегментации в условиях автотаргетингов
Сегодня процесс запуска рекламных кампаний методом гиперсегментации стартует с запуска рекламы в режиме автотаргетинга. После этого проводится анализ данных, предоставляемых системой, чтобы понять, по каким запросам и в соответствии с какими условиями были показаны объявления. На следующем этапе маркетологи собирают реальные запросы, по которым были переходы на сайт, и группируют их по смысловым кластерам.
На основе этого создаются обновленные объявления и формируются УТП на посадочных страницах. Рекламные кампании перезапускаются с новыми настройками и посадочными страницами. Автотаргетинги видят новое уникальное торговое предложение на страницах и начинают гораздо лучше показывать объявления под новые гиперузкие сегменты. Этот подход сочетает персонализацию (автотаргетинги) и традиционные принципы сегментации, позволяя значительно повысить эффективность рекламных кампаний.
Ключевые критерии гиперсегментации
Для гиперсегментации и персонализации используются похожие данные, а именно:
- Запросы, которые вводил пользователь, его история покупок и поведение на сайте.
- Устройство, с которого пользователь зашел на сайт, его временные метки, тип браузера, разрешение экрана, ОС и личные предпочтения в поисковых запросах.
- Возраст, пол, уровень дохода и другие показатели — они позволяют делить аудиторию на более узкие группы.
- Источник трафика — он помогает точнее определить потребности ЦА и настроить контент объявления.
Практическое применение гиперсегментации
Рассмотрим два случая:
- При поисковом запросе «окна на дачу» можно предложить пользователю вариант с заголовком: «Окна, адаптированные под вашу дачу. Доставка за город бесплатно».
- При запросе «окна в кредит» рекламное сообщение может звучать так: «Окна. Гибкие условия кредитования без первоначального взноса».
Детализация объявления позволяет максимально точно отвечать на потребности конкретных групп пользователей.
Автообучение против ручного труда
Вот в чем отличия между персонализацией и гиперсегментацией:
- Персонализация базируется на алгоритмах автоматического самообучения. Система быстро масштабируется и может обрабатывать огромные объемы данных — от истории покупок до поведения на сайте. При этом роль маркетолога сводится к контрольной проверке результатов, а не к непосредственному управлению каждым сегментом.
- Гиперсегментация требует активного участия эксперта — обычно, маркетолога. Процесс разделения аудитории на узкие сегменты дает маркетологу полный контроль над настройкой рекламной кампании. Технология позволяет добиться высокой точности при подборе целевого сообщения для каждого сегмента. В свою очередь, последствия ручной работы заметны в эффективности рекламы, особенно в таргете и контексте.
Для большинства компаний оптимальным оказывается комбинированный подход, когда используется автоматическая персонализация для более детального понимания пользователя, а гиперсегментация — для тонкой настройки рекламы (целевая аудитория + текст объявления + уникальное торговое предложение на сайте) с целью повышения конверсии.
Что действительно работает
Объединение подходов, что дает возможность использовать сильные стороны каждого. Например, автоматизированная персонализация может выявить предпочтения пользователя, а маркетолог, применив гиперсегментацию, настроит рекламный текст так, чтобы он максимально соответствовал выявленным особенностям аудитории.
Даже в условиях «обязательного» автотаргетинга (как в «Директе», когда алгоритмы берут на себя основную нагрузку) ручная корректировка стратегии через гиперсегментацию позволяет добиться лучших результатов.
Именно детальная настройка позволяет исключить нерелевантные показы и значительно оптимизировать расходы.