Похожие аудитории (Lookalike Audiences) — это простой и при этом мощный инструмент. Возьмите хорошо зарекомендовавшую себя группу аудитории, а затем с помощью таких платформ как Facebook или Google найдите пользователей, демонстрирующих схожие модели поведения. Вот какое определение дает поисковый гигант:
«Похожие аудитории — это функция таргетинга на основе собственных списков (как правило, списков ремаркетинга). С ее помощью вы можете расширить охват наиболее эффективных аудиторий, показывая рекламу пользователям, похожим на посетителей вашего сайта».
Это отличный способ найти новую аудиторию и масштабировать успешную продуктовую компанию. Однако данный подход не универсален, и чаще всего эффективная при одном сценарии тактика может оказаться совершенно неэффективной при другом.
Пример от Google
Многие руководства дают общие рекомендации по настройке похожих аудиторий, но лишь немногие раскрывают стоящие за каждым шагом тактики. В этой статье мы рассмотрим 7 источников похожих аудиторий, которые используют маркетологи, и то, как добиться успеха с ними.
Содержание статьи
1. Жизненный цикл клиента
2. Бывшие покупатели
3. Наибольшая стоимость корзины
4. Добавление в корзину
5. Просмотры целевой страницы
6. Вовлеченность на сайте
7. Вовлеченность и Data science
Бонусный совет: похожие аудитории Facebook — 1% против 10%
1. Жизненный цикл клиента
- Требуется много данных о покупках за длительный период времени
- Отлично подходит для вывода признанного продукта/услуги на новый рынок
Для компании, имеющей большое количество продаж и покупателей, жизненный цикл клиента, пожалуй, является наилучшей метрикой при создании похожих аудиторий. Данная тактика предполагает выбор лучших клиентов с точки зрения их жизненного цикла и использование их для поиска похожих аудиторий.
Facebook теперь предлагает такую индивидуализированную аудиторию изначально. А чтобы создать нечто похожее в Google Ads, загрузите CSV-файл с данными о 20% лучших клиентах с точки зрения жизненного цикла.
Добавляйте клиентов/подписчиков из CSV-файла или списка данных
2. Бывшие покупатели
- Требуются постоянные данные о покупках
- Отлично подходит для расширения существующей клиентской базы
Это очень распространенная практика среди компаний, особенно эффективная для тех из них, кто имеет большой объем продаж и предлагает несколько продуктов, ориентированных на определенное пользовательское путешествие (user journey). К примеру, музыкальная группа, торгующая сувенирной продукцией.
В ситуациях, когда «под одной крышей» продаются несовместимые друг с другом товары, важно разделить аудиторию по категориям товаров, по крайней мере, чтобы каждая аудитория разделяла определенное покупательское намерение (purchase intent). Например, в случае с аптекой, в которой продаются как подгузники, так и пищевые добавки для бодибилдеров, лучше всего будет разделить эти категории продуктов на отдельные похожие аудитории, по одной для каждой категории и для каждой из них сделать свою рекламу товаров, представляющих собой естественное продолжение пользовательского путешествия.
3. Наибольшая стоимость корзины
- Требуется много данных о покупках для достижения разницы в стоимости корзин
- Отлично подходит для поиска наиболее прибыльных клиентов
Другим вариантом для компаний с большим количеством заказов является концентрация внимания на покупателях, сделавших наиболее крупные заказы, и использование их в качестве источника для похожих аудиторий. Такие похожие аудитории с большой вероятностью повторят этот покупательский паттерн. Особенно эффективна эта тактика во время праздников.
4. Добавление в корзину
- Для эффективности требуются данные, но меньше, чем в случае фактических покупок
- Тактика, используемая многими eCommerce-компаниями
В ремаркетинге факт добавления товара в корзину четко указывает на намерение покупки, а также на ощущение срочности, что делает такие аудитории одним из самых качественных источников для похожих аудиторий. Это приемлемая альтернатива аудиториям, основанным на ранее совершенных покупках, для компаний, работающих в меньших масштабах или разрабатывающих новый продукт.
5. Просмотры целевой страницы
- Не требует большого количества данных за длительный период времени
- Может быть эффективным для недавно выпущенных товаров
Использование посетителей, просмотревших товарную или посадочную страницу, в качестве источника похожих аудиторий — идея отличная, но требует навыков для успешного осуществления. Проблема заключается в том, что люди могут перейти на страницу случайно, кликнув не по той ссылке или иным образом попав на страницу без намерения совершить покупку. В итоге весь ваш медиабюджет может быть потрачен впустую на таких посетителей. Вот почему очень важно найти способы исключить их из ваших кампаний.
6. Вовлеченность на сайте
- Это отличный показатель покупательского намерения, не требующий большого количества данных
- Может создать значительные накладные расходы, если не использовать внешнее решение
Хотя вовлеченность, как известно, трудно измерить, она является отличным индикатором покупательского намерения. Базовые метрики вовлеченности, такие как время на сайте (time on site) и глубина прокрутки (scroll depth), довольно просто создать с помощью Диспетчера тегов Google. Facebook же в своей рекламной платформе предлагает такие метрики, как, например, максимальный процент времени проведенного на сайте, что позволяет маркетологам создавать кампании на основе паттернов вовлеченности конкретного сайта. Установив пороговое значение, отсеивающее невовлеченные аудитории, такая метрика, как Просмотры страниц (Page views), может стать жизнеспособной аудиторией.
В некоторых случаях вовлеченность — единственная доступная метрика. Например, для контент-ориентированной страницы, такой как блог или журнал. Для этих платформ понимание вовлеченности является ключом к эффективному использованию похожих аудиторий и ремаркетинга в целом.
7. Вовлеченность и Data science
Хотя вы можете настроить отслеживание событий вручную через Менеджер тегов Google, вы также можете автоматизировать это и улучшить похожие аудитории, основанные на вовлеченности, используя технологию plug and play.
1. Умные списки Google
Google предлагает оптимизацию конверсии для веб-сайтов, имеющих от 500 онлайн-транзакций в месяц и 10 000 просмотров страниц ежедневно. Для сайтов, чьи показатели не столь велики, оптимизация выполняется на основе статистических данных аналогичных сайтов.
2. Процентные данные Facebook
Facebook позволяет настраивать таргетинг на тот процент посетителей, которые больше всего провели времени на вашем сайте. Например, «Сортировать посетителей по: Затраченное время — Лучшие 25% — Время на сайте» и другие комбинации.
3. Оценка посетителей сайта в Fixel
Fixel использует машинное обучение (machine learning), охватывающее более 60 точек данных для создания уникальной модели для каждого веб-сайта и предоставления наиболее вовлеченных аудиторий. Доступна прямая синхронизация с большинством рекламных платформ.
Бонусный совет: похожие аудитории Facebook — 1% против 10%
Вопрос, который довольно часто обсуждается — это какой процент схожести аудиторий является оптимальным. Необходимо найти компромисс между размером аудитории и схожестью. Проще говоря, вы можете выбрать либо небольшую аудиторию, которая даст отличные результаты, либо большую аудиторию, которая обеспечит «нормальные» результаты.
К счастью, в этом вопросе вам не нужно полагаться на шестое чувство. AdEspresso провел эксперимент на эту тему, и выводы оказались следующими:
- 1% lookalike аудитория превзошла 5% и 10% в сплит-тесте
- При таргетинге на большую аудиторию кампании будут работать хорошо даже спустя две недели
- Оптимально таргетировать 1-2%-ю lookalike аудиторию и не более
Высоких вам конверсий!
По материалам: blog.ladder.io
