Sostav.ru

Как привлечь высокодоходную ЦА с помощью персонализации и машинного обучения: кейс ВТБ

Команда банка совместно с MediaInstinct Group и Mail.ru Group использовала гиперсегментацию для продвижения продукта «ВТБ Мои инвестиции»

Партнёрский материал

Каждый день потребители сталкиваются с огромным количеством рекламы. Однако максимально персонализированная ждет пользователей именно в интернете, где это возможно благодаря использованию точных таргетингов. Эксперты ВТБ, Mail.ru Group и MediaInstinct Group рассказали об опыте их применения с учетом психотипов своих потенциальных клиентов.

Традиционно рекламу персонализируют по полу, возрасту и интересам пользователей, но быстро развивающиеся технологии работы с Big Data постоянно предлагают рынку что-то новое. Одна из таких новинок — возможность сегментировать аудиторию на основе ценностно-поведенческого профиля. Этот подход был применен при продвижении инвестиционного продукта банка — мобильного приложения «ВТБ Мои инвестиции».

Лариса Пономарева, руководитель департамента маркетинга и рекламы банка ВТБ:

Данный тип сегментации и таргетирования аудитории привлек прежде всего тем, что он позволяет оценить психологический портрет потенциального клиента, учесть его жизненные ценности и выявить барьеры, тормозящие принятие решения. Мы осознаем, что современному потребителю нужен индивидуальный подход, и использование различных инновационных решений — один из определяющих принципов нашей работы на сегодняшний день.

На данный момент аудитория «ВТБ Мои инвестиции» насчитывает более 1 млн пользователей и продолжает расти. Ежедневно через приложение совершают сделки свыше 250 тыс. клиентов, ежемесячный оборот по которым превышает 1 трлн руб.

Задачи

Цель рекламной кампании была в обеспечении охвата состоятельной аудитории с последующим ее привлечением в мобильное приложение. Инвестиционные продукты — одни из наиболее сложных в линейке банка с точки зрения продвижения и поиска ЦА. Помимо построения медийного охвата аудитории с определенным достатком, которая задумывается о приумножении средств, необходимо еще и развеять ее опасения относительно инвестиционных продуктов и риска работы с ними.

Такие задачи сложно решать общей коммуникацией и стандартными аудиторными настройками (таргетингами), доступными на стороне популярных рекламных платформ. Мы решили так настроить наши сложные аудиторные сегменты, чтобы точно описать аудиторию с точки зрения потенциального интереса к инвестированию.

Совместно с ВТБ в проекте приняли участие агентство MediaInstinct Group и команда Predict из Mail.ru Group, специализирующаяся на создании продуктов и сервисов клиентской аналитики и систем поддержки принятия решений на основе анализа данных и технологий машинного обучения.

Ольга Бородина, Digital Director MediaInstinct Group:

Сегодня рекламный рынок полон возможностей для рекламодателей как с точки зрения данных и технологий, так и способов оценки эффективности рекламных кампаний. Возможность предложить эффективные интегрированные решения для клиентов и их бизнеса, адаптированные под конкретную практическую задачу, становятся новой ценностью на рынке. Именно поэтому совместно с клиентом ВТБ и командой Predict из Mail.ru Group мы объединили технологию с внутренними данными клиента и аналитикой потребителя, разработав кампанию с персонализацией на основе ценностно-поведенческого профиля и систему оценки на всех уровнях воронки. Это позволило нам выявить правильные коммуникационные решения для каждого профиля пользователя, эффективно выстроить медиатактику и решить главные задачи клиента — привлечь внимание потребителя и раскрыть для него преимущества продукта.

Реализация

Проект был разделен на несколько этапов:

1) На основе анонимизированной обучающей выборки, сформированной департаментом анализа данных банка, была построена математическая модель, которая помогла выделить аудиторию пользователей, склонных к инвестированию.

2) В полученной аудитории были выделены сегменты по предполагаемому «уровню» инвестиций (ожидаемый размер инвестиционного портфеля): «Привилегия» и «Прайм». Для решения этой задачи была разработана модель-классификатор, которая на основании векторизованных представлений поведенческих признаков пользователей определяла вероятность их принадлежности к одному из сегментов.

Роман Стятюгин, директор по развитию бизнеса Predict, Mail.ru Group:

Результаты нашего совместного проекта с ВТБ в очередной раз подтвердили, что использование комплексного подхода и методов машинного обучения при разработке специализированных сегментов дает отличный результат. Модели, созданные нашими экспертами, позволяют выделять необходимый клиентский сегмент в режиме реального времени и выходить на новый уровень эффективности проводимых кампаний. Мы верим, что будущее за персонализированными коммуникациями, и каждый новый проект это доказывает.

3) Затем мы выделили более узкие сегменты для персонализации. Подход опирался на гипотезу, что пользователи с разными поведенческими профилями по-разному воспринимают информацию. Для формирования 10 сегментов была применена модель, производная от пятифакторной системы оценки личности (Big5/Ocean):

  • Экстраверсия — Интроверсия;
  • Естественность — Самоконтроль;
  • Отделенность — Привязанность;
  • Тревожность — Эмоциональная стабильность;
  • Экспрессивность — Практичность.

С технической точки зрения разделение на сегменты производилось с помощью имеющегося у команды Predict ансамбля предобученных ML-моделей, которые с достаточной степенью достоверности позволяют определить приоритеты в поведении и восприятии человека, что позволяет сформировать адресный адаптивный креатив с максимально релевантным описанием услуги — текст (в частности, ключевое сообщение), стиль и изображение.

Для каждого микросегмента был разработан собственный текст с call-to-action, уникальные креативы и посадочные страницы.

Для проведения сравнительного анализа отдельной группе пользователей показывали креатив с общим сообщением.

Кампания была запущена в myTarget. Регулярная оптимизация моделей позволила увеличить охват ЦА.

Результаты

Перед подведением итогов важно напомнить, что кампания была ориентирована на построение охвата высокодоходной аудитории, потенциально заинтересованной в инвестициях, которой важно было рассказать о продукте так, чтобы сообщение было услышано и понято. Данная кампания не предполагала принятия решения в момент контакта с рекламным сообщением, поэтому количество конверсий — это второстепенный KPI.

Для оценки эффективности нового подхода к коммуникации по окончании кампании мы провели серию онлайн-интервью. В них приняли участие 1 тыс. человек, которые относились к трем группам: видевшие только общий креатив, видевшие лишь персонализированный креатив и те, у кого не было контакта с рекламным сообщением.

Анализ результатов интервью позволил сделать следующие выводы:

1) Креативы с персонализированным сообщением реже путают с другими креативами:

  • их верно приписывают ВТБ 56% узнавших их;
  • среди обычных баннеров этот показатель ниже — 36%.

2) Сегментация на основе ценностно-поведенческого профиля позитивно повлияла на восприятие ВТБ как банка, с которым можно инвестировать в удобном для себя ритме (+13 п.п. среди заинтересованных в инвестициях).

3) Узнаваемость обоих типов креативов находится практически на одном уровне: знание дебрендированных раскадровок — 20%, брендированных баннеров — 27% в обеих группах.

4) Тем не менее персонализированный на основе психотипов креатив в большей степени, чем обычные баннеры, вызывает желание узнать дополнительную информацию об инвестициях с ВТБ.

5) Эффективность персонализированной коммуникации не была одинаковой для всех сегментов:

  • лучше всего рекламу запомнили в сегменте «Эмоциональная стабильность» (34%), хуже всего — в сегменте «Тревожность» (17%). Для других сегментов этот показатель находится на уровне 25−30%.
  • наибольшую готовность воспользоваться услугой «Инвестиций» после просмотра рекламы высказали в сегменте «Интроверсия», наименьшую — «Тревожные».

6) С точки зрения конверсий из визитов в скачивание мобильного приложения результаты выглядят несколько иначе:

  • если брать персонализированную коммуникацию в целом, то она дала более высокий уровень конверсии, чем группа, видевшая базовый креатив (2,6% против 1,8%).
  • спустившись на уровень сегментов, мы обнаружили, что самый низкий уровень конверсии показали «Эмоциональная стабильность» (1,1%) и «Отдельность» (1,2%)

7) Самыми конверсионными стали «Тревожность» (4,6%), «Экстраверсия» (3,6%) и «Экспрессивность» (3,4%)

Мария Шевцова, начальник отдела планирования и размещения рекламы в сети Интернет ВТБ:

Сегментация с фокусом на ценностно-поведенческий профиль и персонализацию — подходящий инструмент для рынка инвестиций и взаимодействия с высокодоходной аудиторией, так как мотивы ее представителей могут быть крайне разнообразны, что, в частности, подтверждается результатами отклика различных психотипов. В подобных проектах крайне важен комплексный подход к оценке результатов с применением всех возможных инструментов измерения, включая исследования Brand Lift и эконометрические модели. Только так можно оценить эффективность с точки зрения вложенных инвестиций. Последующие кампании ВТБ также будут направлены на персонализированную коммуникацию с сегментами аудитории.


Состав творческой группы:

Александр Черных — бизнес-психолог, специалист по персонализированным коммуникациям

ВТБ:

Мария Шевцова — начальник отдела планирования и размещения рекламы в сети Интернет

MediaInstinct Group:

Ольга Бородина — Digital Director
Елена Свидлова — Digital Group Account Director
Александра Рыжикова — Digital Group Head
Антон Михайлов — Digital Planning Group Head

Predict, Mail.ru Group:

Владимир Новосёлов — бизнес-архитектор комплексных решений
Максим Карпенко — руководитель отдела дескриптивной аналитики
Наталия Богородицкая — директор по маркетингу

Mail.ru Group:

Полина Климова — специалист по бренд-менеджменту

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.