Sostav.ru
Москва, ул. Полковая 3 стр.3, офис 120
© Sostav независимый проект брендингового агентства Depot
Использование опубликованных материалов доступно только при указании источника.

Дизайн сайта - Liqium

18+
30.04.2023 в 10:00

Кейс ФСК и Resonance: как с помощью скоринговой модели увеличить вовлеченность аудитории в 1,5 раза

Она позволила не только сравнивать блогеров на одной конкретной платформе, но и проводить кроссплатформенный анализ

1

При подготовке рекламной кампании с блогерами многие агентства и рекламодатели ориентируются на классические схемы и метрики, работают по CPP-модели, убирая из кампании каналы с накрученными подписчиками. Агентству Resonance (часть MGCom Group) и его клиентам не хватало инструмента, который еще до старта размещения помог бы определить эффективность блогера для каждого клиента в отдельности и задач его рекламной кампании. Чем наша скоринговая модель выгодно отличается, рассказываем в статье.

ФСК — одна из крупнейших строительных компаний России, входит в топ-3 девелоперов, специализирующихся на реализации жилой и коммерческой недвижимости. В рамках РК традиционным каналом коммуникации с аудиторией бренда остаются блогеры.

Сегодня на рекламном рынке большинство процессов подборки, закупки и оценки блогеров происходят в ручном режиме: команды клиента или агентства формируют лонг- и шорт-лист по брифу, лично списываются и согласовывают интеграции. Отсутствует единый математический алгоритм отбора авторов и их оценки, исходя из утвержденных ключевых параметров, размера аудитории и площадки. Ключевые решения принимают только люди, по имеющейся информации, полученной от автора или от площадок.

Детально изучив рынок, предлагаемые инструменты и способы, ФСК не смог найти подходящих для решения своих бизнес-задач. Поэтому решил разработать собственную скоринговую модель, которая поможет достигнуть поставленных целей.

Задача

Команда ФСК хотела увеличить эффективность блогерских интеграций:

  • снизить количество итераций при подборе;
  • увеличить скорость принятия решений;
  • увеличить кост-эффективность в 1,5 раза;
  • принимать финальное решение по блогерским интеграциям, базируясь на прогнозах эффективности размещений (основанных на понятной математической модели) у каждого конкретного блогера;
  • унифицировать подбор инфлюенсеров на разных площадках (YouTube, Telegram и VK).

Медийные задачи:

  • охват более 1 млн;
  • не менее 4 000 тыс. визитов на сайт;
  • среднее время, проведенное на лендинге, не менее 1,5 минут;
  • средний ER-рейт публикаций не менее 2,5%.

В этой ситуации команда агентства Resonance предложила использовать математический подход с долей экспертного участия инфлюенс-менеджера, реализованный через скоринговую модель. С ее помощью собирались оценить список блогеров и на основе набора показателей, каждый из которых имеет свой удельный вес в зависимости от площадки, объема аудитории, гео и т. д., предложить рекламодателю наиболее эффективные интеграции.

Целевая аудитория

Команда агентства разделила релевантную ЦА на два сегмента. Для продвижения квартир премиум-сегмента — жители Москвы старше 30 лет с высоким доходом, которым очень важны комфорт бизнес-класса и соответствующая инфраструктура ЖК. Для квартир комфорт-плюс — семейные пары с детьми и доходом выше среднего, которым важны расположение ЖК и инфраструктура, позволяющая закрывать потребности молодой семьи, с фокусом на детское развитие / образование.

Механика

За два месяца была разработана уникальная скоринговая модель по блогерам, которая учитывает потребности и особенности бизнеса ФСК. Модель позволила не только сравнивать блогеров на одной конкретной платформе, но и проводить кроссплатформенный анализ. Результаты каждого нового флайта дополнительно обучают модель и корректируют вес каждого отдельного параметра, что позволяет ей быть инструментом для построения долгосрочной стратегии и улучшать результаты от кампании к кампании.

Модель обучается на кейсах, в рамках которых была применена, а также учитывает расширение статистической выборки со смежных и параллельных блогерских размещений. Это позволяет обновлять средние бенчмарки, по которым оцениваются авторы, а в дальнейшем и оптимизировать значимость показателей, уточняя прогноз эффективности.

В рамках кампании модель подобрала и изучила более 100 блогеров, подходящих по верхнеуровневым параметрам (ЦА, платформа, категория). Из них 10 получили наивысший результат. Финальная оценка производилась по категориям CPU (стоимость за контакт в посте, стоимость за контакт в рилс и за контакт по геомаске).

Результаты

Благодаря работе со скоринговой моделью мы сумели оценить эффективность размещений у 10 блогеров, сократив затраты рабочего времени на 40%. По результатам кампании нам удалось:

  • охватить 55% всей ЦА;
  • перевыполнить план по реакциям в 1,5 раза;
  • увеличить CTR на 40% по сравнению с предыдущими размещениями;
  • получить +60% к плану по глубине просмотра;
  • в два раза перевыполнить план по времени, проведенному на сайте.

Выводы

  1. Отобранные моделью авторы показали результат в среднем на 35% выше ожидаемого;
  2. Наши гипотезы об удельных весах ряда показателей не подтвердились. Кост- показатели оказались не настолько значимыми, насколько мы изначально предполагали. Более важными оказались аудиторные факторы: какой процент аудитории блогера проживает в Москве, охват постов / сторис, активность и вовлеченность аудитории — их удельные веса мы увеличили. Обновления применили на другом проекте, получили результаты еще лучше (в среднем на 20% выше относительно ожидаемого результата с учетом прогноза плановых показателей, принимая во внимание кейс ФСК);
  3. Для клиентов из категории недвижимости ключевыми показателями для отбора блогеров оказались: релевантность тематике блогера, процент аудитории из Москвы, ERR, динамика по подписчикам и средний охват публикаций за последние 30 дней.

На данном этапе агентство разрабатывает аналитическую надстройку модели, позволяющую прогнозировать бизнес-результат в рамках категории рекламодателя (недвижимость, авто, e-com и т. д.), обучающуюся на информации по кейсам, где модель уже применялась, статистических данных с параллельных размещений без применения модели, а также данных с площадок-агрегаторов, содержащих статистику по блогерам (как по базовым показателям, так и по кастомным). Предикт-модель будет также учитывать особенности аудитории каждого блогера, проверяя подписчиков на роботность, активность, гео, релевантную заинтересованность в блогерах схожей тематики (и, как следствие, на уровень их заинтересованности в рамках конкретной сферы).

Команда проекта:

ФСК

  • Александр Лебедев — директор по маркетингу
  • Елена Рябова — Заместитель директора департамента по объектовому маркетингу
  • Павел Буткевич — Head of Digital

Resonance

  • Андрей Ивашко — Account Director
  • Виктория Бузина — Manager
  • Екатерина Степкова — Influence Director
  • Александр Филиппов — Senior Manager
Обсудить с другими читателями:
Ваш браузер устарел
На сайте Sostav.ru используются технологии, которые не доступны в вашем браузере, в связи с чем страница может отображаться некорректно.
Чтобы страница отображалась корректно, обновите ваш браузер.