Рано или поздно любой рекламодатель задается вопросом: как повысить продажи, желательно при этом не увеличивая бюджет? Одно из решений — таргетироваться на пользователей, которые по своим характеристикам похожи на тех, кто уже совершал конверсии на сайте, через запуск LAL-кампании в Директе. В статье рассмотрим модель look-alike (LAL) – именно она поможет привлечь новую потенциально конверсионную аудиторию.
Оглавление
Что такое look-alike и как он работает
У каждого рекламодателя есть данные клиентов, которые уже совершали конверсии. Они собраны в Метрике или в CRM. Скорее всего, в интернете бродит еще много пользователей, которые тоже могли бы совершить подобные конверсии, но они не знают о нашем рекламодателе. Дотянуться до них просто — создать сегмент похожих пользователей. Для этого существует технология look-alike — подбор аудитории по определенным критериям (соцдем, география, поведение и интересы). Она отчасти схожа с ретаргетингом, но решает другую задачу: ищет новых клиентов, похожих на старых.
Мы предоставляем системе данные о конверсионных клиентах, алгоритм сам определяет критерии схожести, находит в интернете похожих пользователей и формирует список look-alike — так работает технология.
Где взять исходные данные
Чтобы создать LAL-аудиторию, нужно иметь данные, на основе которых алгоритм сформирует список похожих пользователей. Откуда они берутся:
- Метрика: любые сегменты с пользователями, взаимодействие с которыми было выгодно для рекламодателя;
- AppMetrica: данные о пользователях мобильного приложения;
- CRM-сегмент: информация о клиентах, выгруженная из CRM;
- Директ: данные о пользователях из статистики сервиса.
Создание сегмента через Аудитории
Загружаем исходный сегмент в Аудитории через кнопку «Создать».
Сегмент в статусе «Готов» доступен для формирования по нему похожей аудитории. Справа от даты создания сегмента нажимаем на троеточие и выбираем «Сегмент похожих пользователей» — открывается окно с настройками.
Лучше оставить название, которое предлагает система, это поможет не запутаться при дальнейшей настройке кампании. Точность определяется с помощью бегунка: чем выше точность совпадения будущего сегмента с исходным, тем ниже его охват. Готовы ли мы пожертвовать точностью ради охвата или, наоборот, охватом ради точности? Каждый рекламодатель определяет это сам, исходя из конкретных задач, под которые создается сегмент.
Опции сохранения распределения по городам и устройствам также применяются в зависимости от целей, которые ставит перед собой рекламодатель. Сохраняем сегмент, ждем окончания его обработки (не менее двух часов до появления статуса «Готов»).
Какую аудиторию Яндекс соберет в сегмент
Данные пользователей анонимны, но можно посмотреть общие характеристики созданного сегмента, чтобы получить представление о потенциальной аудитории и при необходимости скорректировать ее. Справа от готового сегмента кликаем на значок графика и попадаем в сводную статистику по нему.
Здесь видим общие данные об охвате аудитории и ее распределение по социально-демографическим признакам.
Перейдя на следующую вкладку, получим представление о городах и устройствах пользователей, попавших в аудиторию.
Третья вкладка даст информацию об интересах пользователей и категориях, в которые они попадают.
Когда созданный сегмент добавим в кампанию, и он начнет работать, отслеживать статистику удобно будет через дашборд от экосистемы click.ru: он полностью бесплатен, прост в использовании, позволяет сегментировать данные и экономит время на аналитику.
Создание сегмента через Директ
Создать новый сегмент можно и в настройках группы, и на странице «Список условий подбора аудитории» (раздел Директа «Библиотека»). Принцип похожий, поэтому рассмотрим только первый вариант, как наиболее быстрый. Заходим в редактирование группы, переходим в раздел «Ретаргетинг и настройки аудитории», нажимаем «Добавить».
В выпадающем списке сначала обратим внимание на готовые сегменты: похожие на посетителей, покупателей и достигших целей. Если выбрать один из них (или несколько), настройку можно считать законченной: Директ сам создаст сегмент.
Если такие условия не подходят, создаем свои через кнопку «Создать новое условие».
Открывается окно с настройками, где задаем название условия, источник исходных данных (цели или сегменты Метрики, сегмент Аудиторий) и настройку «Только похожие пользователи».
Сохраняем и помним, что созданное условие в кампании начнет работать не сразу после запуска — Директу нужно время на обработку сегмента и активизацию изменений. Если же ранее у нас был создан LAL-сегмент в Аудиториях, то выбираем его в выпадающем списке и применяем в группе.
Примеры использования look-alike
Основная причина, по которой рекламодатели прибегают к таргетингу на похожих пользователей — стремление повысить продажи. Вот несколько примеров того, как можно его использовать:
1. Привлекать новых покупателей через настройку только на похожих пользователей
Например, интернет-магазин елочных игрушек перед Новым годом хочет привлечь новых покупателей. Формируют LAL-сегмент, и кампания в Директе показывается только тем, кто еще не заходил на сайт магазина, но похож на тех, кто прежде уже покупал игрушки.
2. Увеличить продажи конкретного товара
Например, нужно дотянуться до тех людей, которым будут интересны кроссовки Nike Air Max. Создаем сегмент на основе данных Метрики о тех, кто уже купил такую обувь на сайте.
3. Исключить людей, которые не совершат конверсию
Например, можно собрать исходный сегмент на основе посетителей, которые заходили на сайт, но закрывали его в течение 10 секунд. Затем настроить корректировку — 100% и на него, и на похожих пользователей. Это поможет сэкономить бюджет кампании.
Частые ошибки
Настройка действительно многообещающая, но нужно понимать, что применение LAL-сегмента не гарантирует ожидаемого поведения пользователей. Также есть пара ограничений: нельзя строить LAL по гостевым сегментам (к которым предоставили доступ в Аудиториях) и по Метрике, к которой гостевой доступ. Дополнительно рассмотрим, какие ошибки совершают рекламодатели при настройке.
- Не разделяют пользователей в исходном сегменте по категориям. Например, грузят CRM-файл со всеми пользователями, кто был на сайте. Не все из них будут целевыми, соответственно, и в похожий сегмент Директ наберет кого попало. Правильнее было бы сделать несколько файлов: кто купил товар А, кто купил товар B, кто переходил в мессенджер и т. д. И с каждой группой работать отдельно, в зависимости от того, на каком этапе воронки продаж они находятся.
- Используют сегменты со слишком малым или слишком большим количеством пользователей. Look-alike по малому сегменту тоже будет небольшим либо не совсем точным. А если клиентов в сегменте много, то системе будет трудно подобрать характеристики, которые их объединяют.
- Не исключают из показов тех, кто недавно совершил конверсию. Это правило актуально для дорогих товаров. Если клиент недавно купил автомобиль или даже ноутбук, то, скорее всего, в ближайшее время он не совершит еще одну такую же покупку.
Заключение
LAL-кампании в Директе — полезный инструмент для более точного таргетинга. При этом он не гарантирует 100% результата, и к этому надо быть готовым. Сегменты похожих пользователей настраиваются на основе данных Метрики, CRM-системы или Директа, но для более точного нацеливания нужно настраивать их параллельно с другими условиями ретаргетинга или дополнительными корректировками.
