Алгоритмы рекламных сервисов анализируют данные пользователей и используют их, чтобы повышать эффективность маркетинговых кампаний — показывать объявления нужной аудитории. Эксперт по цифровому маркетингу и веб-аналитике Денис Алексеев рассказал, как работают рекламные алгоритмы и как настроить алгоритм так, чтобы получить от маркетинговой кампании максимум.
Как устроен рекламный алгоритм?
Детали работы алгоритма зависят от конкретного сервиса, который предлагает его клиентам. В материале мы рассмотрим поисковые кампании в популярном у рекламодателей «Яндекс Директе».
Рекламный алгоритм «Яндекс Директа» работает по принципу аукциона. Каждый раз, когда пользователь вводит запрос в поисковую строку, показ разыгрывается между рекламодателями, которые зафиксировали ставки на ключевые слова. Рекламное объявление с наибольшей ставкой и самым высоким показателем качества (рассчитывается на основе релевантности объявления запросу, качества объявления, CTR) отобразится в верхней части списка результатов.
Какие компетенции нужны для обучения алгоритма?
Чтобы получить от рекламной кампании максимум, потребуется эффективная стратегия: набор настроек, которые позволяют решить определенную задачу. Например, привлечь трафик на сайт, получить больше полезных действий или оптимизировать рентабельность.
Оптимизировать стратегию можно с помощью автоматических алгоритмов, указав нужные параметры, или самостоятельно — вручную:
- При автоматическом управлении вы определяете, на какой результат должна быть нацелена стратегия. Это может быть привлечение посетителей на сайт, совершение полезных действий, целевая доля рекламных расходов. Исходя из задачи, вы выбираете параметр для оптимизации — клики, конверсии или долю рекламных расходов. Дополнительно можно задать условия для достижения цели, например указать бюджет или среднюю цену, которую вы готовы заплатить за результат.
- При ручном управлении вы самостоятельно назначаете ставку для каждого условия показа и, если необходимо, ограничиваете средний дневной бюджет.
Пример обучения — стратегия «Максимум конверсий»
Стратегия «Максимум конверсий» в «Яндекс Директе» направлена на получение максимального количества конверсий по выбранной цели. Для этого она автоматически подбирает ставки на ключевые фразы, исходя из вероятности того, что по ним будут совершены конверсии. Для использования стратегии необходимо настроить цели в «Яндекс Метрике» и передать их в «Яндекс Директ».
Принцип работы стратегии «Максимум конверсий»:
- стратегия собирает данные о конверсиях, совершенных по ключевым фразам;
- на основе этих данных рассчитывает вероятность совершения конверсий по каждой ключевой фразе;
- ставки на ключевые фразы устанавливаются таким образом, чтобы получить максимальное количество конверсий при заданных ограничениях.
Ограничения могут быть следующими:
- недельный бюджет. Стратегия не будет тратить больше указанного бюджета в неделю;
- средняя цена конверсии. Стратегия будет стремиться к тому, чтобы средняя цена конверсии не превышала заданную величину;
- доля рекламных расходов. Стратегия будет стремиться к тому, чтобы доля рекламных расходов в доходе от конверсий не превышала заданную величину.
Стратегия «Максимум конверсий» требует для обучения 7−14 дней. В течение этого времени она собирает данные о конверсиях и рассчитывает вероятности совершения конверсий по ключевым фразам. После обучения стратегия начинает показывать более эффективные результаты.
Для полноценного обучения в неделю необходимо получить 10 и более конверсий на кампанию. Но не всегда получается набрать такое количество макроконверсий (оплаченных заказов, заявок, звонков). В этом случае на помощь приходят микроконверсии.
Какие результаты можно получить с помощью обучения на микроконверсиях?
Микроконверсии — это небольшие действия, которые совершают пользователи на сайте или в приложении на пути к макроконверсии. Это может быть добавление товара в корзину, просмотр продукта, подписка на рассылку.
Обучение кампании на микроконверсиях позволяет:
- улучшить прогнозирование. Стратегия «Максимум конверсий» использует данные для прогнозирования вероятности совершения конверсий по ключевым фразам. Чем больше данных о конверсиях, тем точнее прогноз;
- сократить время обучения. Микроконверсии происходят чаще, чем макроконверсии. Для сбора достаточного количества данных потребуется меньше времени;
увеличить эффективность кампаний. Стратегия будет использовать более высокие ставки на ключевые фразы, по которым вероятность совершения конверсий выше.
Стратегия «Максимум конверсий» — пример рекламной кампании
Рассмотрим обучение алгоритма на примере рекламной кампании, нацеленной на сбор контактов взамен на лид-магнит.
При запуске кампании была использована стратегия «Максимум конверсий», оптимизация осуществлялась по макроцели: пользователи должны были пройти онлайн-квиз и заполнить контактные данные. Но за две недели кампания не смогла набрать достаточное количество конверсий — обучение остановилось.
Чтобы продолжить обучение кампании, было принято решение сменить цель оптимизации на микроконверсию — ответ на первый вопрос квиза. Результат — кампания стала получать достаточные объем конверсий для успешного обучения.
Рекламный алгоритм прошел обучение и стал эффективнее. В течение следующих 3 недель увеличилось количество макроконверсий — пользователи стали чаще проходить квиз и оставлять контактные данные. А стоимость конверсии снизилась.
Обучение рекламных кампаний: чек-лист
Чтобы рекламная кампания была эффективной, нужна продуманная стратегия: набор настроек, которые позволяют решить поставленную задачу. Например, привлечь на сайт трафик или получить больше полезных действий. Оптимизировать стратегию можно с помощью автоматических алгоритмов или вручную.
Пример стратегии — «Максимум конверсий» в «Яндекс Директе». Стратегия автоматически подбирает ставки на ключевые фразы, исходя из вероятности, что по ним будут совершены конверсии. Для обучения «Максимум конверсий» нужны 7−14 дней — и не менее 10 конверсий на кампанию в неделю.
Пользователи чаще совершают микроконверсии — небольшие действия на пути к главной цели, макроконверсии. Поэтому микроконверсии целесообразно использовать в обучении алгоритма — большое количество данных сделает обучение быстрым и эффективным.