Как определить, какое касание в омниканальной кампании было решающим и сколько раз пользователь увидел рекламу перед тем, как совершить покупку? И как использовать данные о прошлых кампаниях для точного планирования бюджета в будущих? Александр Горбачев, директор продуктовой платформы OOM, на примере кейса МТС Travel рассказал редакции Sostav, как глубокая аналитика помогает решать эти вопросы.
Контекст
Измеримость результатов рекламных кампаний — одна из самых острых проблем, которые стоят перед маркетинговыми директорами российских компаний. Это следует из выступлений российских СМО на профильных конференциях 2023−2024 годов, которые группа 
Okkam обработала с помощью нейросетевых алгоритмов при подготовке «Мартех-Трендбука» — 2024.
Проблема особенно актуальна для крупных охватных кампаний, когда реклама одновременно идет в офлайне (ТВ, наружная реклама, радио) и онлайн-каналах (баннеры, OLV, соцсети, контекст, CPA и mobile). Основная валюта закупки в таких кампаниях — контакты с аудиторией. Реально ли определить, как эти контакты превращаются в трафик, продажи и влияют на прибыль?
Маркетологи уверены в перформанс-каналах: для них достаточно правильно настроить аналитические системы — в первую очередь, «Яндекс Метрику», — а затем отслеживать инвестиции, целевые действия по источникам трафика и считать, сколько денег благодаря этому заработал бизнес.
Однако не все так просто: аналитические системы обычно работают по принципу last click и присваивают рекламе ценность по последнему значимому переходу на сайт. В такой ситуации непонятно, как правильно учесть роль контактов с рекламой, которые предшествовали этому переходу. Неопределенности добавляют сезонность, действия конкурентов и другие внешние факторы — они мешают оценить чистый вклад перформанс-каналов и правильно распределить бюджет между ними.
Задача
С проблемой оценки эффективности рекламных инвестиций сталкиваются почти все клиенты OOM — в их числе сервис бронирования отелей МТС Travel.
Весной-летом 2024 года МТС Travel провел омниканальную кампанию на ТВ, в диджитале и наружной рекламе. Ее целью было повышение знания о бренде и увеличение числа бронирований, совершенных через сервис.
Медийные результаты кампании:
- 2 730 млн показов ТВ-рекламы целевой аудитории (Mediascope);
- 762 млн показов диджитал-рекламы (AdRiver);
- 10 млн кликов из перформанс-каналов («Яндекс Метрика»);
- 300 рекламных щитов в Москве и Санкт-Петербурге.
Все действия пользователей отслеживались через «Яндекс Метрику», а для мониторинга диджитал-рекламы компания использовала AdServing Adriver. Благодаря интеграции с данными «Ростелекома» у МТС была информация о том, кто из пользователей, которые видели рекламу МТС Travel в период с мая по август по IPTV этого провайдера, потом переходил на сайт travel.mts.ru. А еще — о пользователях, которые находились в радиусе 500 метров от наружной рекламы. В итоге получился набор данных по основным рекламным каналам, задействованным в кампании, связанный сквозным идентификатором.
Реализация
Чтобы оценить эффективность рекламной кампании клиента, задействовали платформу OOMSk (аналитический фреймворк, внутренняя разработка группы Okkam). Платформа использует алгоритмы для эффективной работы с маркетинговыми данными — это своего рода мостик между источниками данных и практическими рекомендациями: продукт помогает выстроить итеративную работу над оптимизацией рекламы с точки зрения рекламных носителей и креативов.
В качестве основного метода анализа платформа использует цепи Маркова — подход, который зарекомендовал себя в проектах диджитал-атрибуции и был перенесен на ТВ-атрибуцию.
Анализ массива данных через OOMSk позволил получить первые выводы спустя две недели после старта проекта. Причем данные, полученные на ограниченной выборке телеком-оператора, пересекли с результатами BLS-трекинга, который клиент проводил с OMI. Это помогло понять, как знание бренда соотносится с поведенческими особенностями аудитории и взаимодействием с рекламой.
Типичная строка данных выглядела так: мужчина 45 лет, который раньше пользовался Booking и Tripadvisor, а когда они ушли из России — перешел на «Тинькофф Путешествия». Затем он 10 раз посмотрел ролик МТС Travel по ТВ, пришел на сайт бренда, с мобильного телефона на Android поискал отель в Сочи и ушел с сайта. После этого в поиске Яндекса он увидел контекстную рекламу, вернулся на сайт и совершил первое бронирование. Затем он еще 7 раз увидел рекламу по ТВ, один раз увидел баннер в интернете и потом прошел опрос в рамках BLS.
Понимание CJM позволяет сделать интересные выводы о роли рекламы в процессе принятия решений. Например, обнаружить, сколько клиентов пришли дополнительно благодаря рекламе на каждом этапе воронки, или определить, какую роль по сравнению с медиа сыграли перформанс-каналы.
Следующий уровень погружения позволяет определить оптимальную частоту контакта с рекламой, которая влияет на конверсию, среднее время между показом рекламы и конверсией в разных инструментах. А ещё — оценить эффективность разных креативов и длительностей роликов, понять, когда креатив выгорает и его надо менять.
В частности, в случае с МТС Travel креативам требуется 21 день для выхода на пик эффективности, а после 28-го дня их следует ротировать. Для ТВ эффективная частота оказалась в районе восьми показов, а для диджитал-медиа — пяти показов. В диджитал-перформансе одного-двух кликов по рекламе достаточно для максимизации конверсий. Однако в подавляющем большинстве случаев в цепочках, которые заканчивались конверсией с перформанса, до этого были контакты с ТВ-рекламой на эффективной частоте. Другими словами, перформанс работал с прогретым ТВ спросом.
Впервые появилась возможность сравнивать поведение разных групп пользователей, отличающихся между собой частотой просмотра ТВ. Результат показал, что чем больше зритель смотрит телевизор (и чем чаще видит рекламу), тем больше ему надо контактов, чтобы совершить целевое действие. Следовательно, пик эффективности рекламы для этой группы смещается дальше во времени. В то же время поведение разных групп зрителей в интернете не отличается между собой: эффективная частота для конверсии в целевое действие остается постоянной.
По результатам анализа нам удалось атрибутировать 2,5 млн целевых действий, совершенных пользователями, к источникам трафика и дать рекомендации по оптимизации инвестиций в рекламные каналы в будущих кампаниях.
Следующий шаг в изучении поведения пользователей под воздействием рекламы — включить в анализ данных контакты аудитории с блогерами, то есть проанализировать интеграции МТС Travel у инфлюенсеров.
Заключение
Любой проект по глубокой оптимизации рекламных инвестиций опирается на два столпа: качественные данные и аналитическую экспертизу. На примере совместного кейса МТС Travel и OOM видно, как объединение экспертиз дает синергетический эффект, а data-driven-подход помогает получить инсайты, которые можно применять на практике в будущих кампаниях.
Подход может работать не только для крупных цифровых бизнесов уровня МТС, но и у брендов из разных категорий — как больших, так и средних. Основной критерий — цифровая зрелость, развитая инфраструктура для работы с данными или готовность инвестировать в ее построение.
«Мы видим большой потенциал в развитии платформы OOMSk как универсального инструмента для оптимизации эффективности рекламы и продолжим развивать её совместно с нашими клиентами», — добавляет Александр Горбачев, директор продуктовой платформы OOM.