Как увеличить количество заявок в сегменте недвижимости вдвое

Подход к работе с аудиторией и роль SmartBid оптимизации

В течение трех месяцев команда Hybrid тестировала различные сегменты аудитории, анализируя их эффективность и выявляя наилучшие комбинации для показа рекламы.

Была использована SmartBid оптимизация для ретаргетинга и поиска наиболее релевантных пользователей. Анализируя данные о поведении пользователей, ML-модели помогали предсказать, какие аудитории с большей вероятностью совершат целевое действие.

После этапа тестирования и первых результатов было сделано следующее:

• Использованы аудиторные и кастомные сегменты, контекстный таргетинг и Look-alike (LAL) модели на основе репрезентативного среза целевых данных.
• Детально проработаны профитные связки, выявленные в ходе тестирования, с помощью узкоцелевых ML-моделей.
• Увеличено количество post-view конверсий за счет вовлечения пользователей в продукт на всех этапах воронки продаж. Сначала подбирались сегменты аудитории, которые изначально проявляли больший интерес к продукту (оценивались постклик показатели и количество второстепенных конверсий на сайте). Затем таргетировались на людей, которые проявили интерес к продукту, взаимодействовали с сайтом, но не совершили целевого действия. После этого была обучена ML-модель на конверсионных действиях. Это позволило уже на первых этапах воронки находить более заинтересованных пользователей, что также увеличило количество post-view конверсий.

Эффективные сегменты имели пересечения с «Высоким уровнем дохода», что позволило точнее таргетировать платежеспособную аудиторию.

Результаты по количеству post-view конверсий:

• Сентябрь — 42.
• Октябрь — 74.
• Ноябрь — 137.

Таким образом, общее число конверсий увеличилось более чем вдвое при тех же охватах.

Для оценки результативности была подключена платформа Smartis

Smartis — это платформа аналитических решений для эффективного маркетинга застройщиков.

В нашей рекламной кампании Smartis позволяла отследить взаимодействие пользователей с рекламными материалами и долю их влияния на конверсии.

• Система анализировала, сколько раз пользователь контактировал с рекламой перед совершением целевого действия.
• Определялась роль каждого канала в финальном принятии решения клиентом.
• Отдельное внимание уделялось пост-кликовым метрикам: сколько времени пользователь провел на сайте, какие действия совершил, процент отказов и другие показатели.

Кроме того, использовались дополнительные инструменты аналитики, такие как Яндекс.Метрика и медиаметрика, что позволило собирать данные о поведении пользователей и корректировать стратегию на основе фактических результатов.

Рассмотрим конкретный пример пользовательского поведения и взаимодействия с рекламой на базе анализа CJM в Smartis. Берем для разбора показатель целевых обращений. То есть, пользователей, которых мы уже довели до нужного нам результата.

Смотрим вес касания и проваливаемся в конкретные целевые обращения, чтобы посмотреть все точки взаимодействия пользователя с рекламой 

Выбираем один из CJM для анализа и углубляемся в пользовательский путь. Видим, что сначала он посетил сайт с Яндекс.Поиска, затем с контекста в Яндекс.Директ. Далее мы зацепили его ретаргетом и показывали рекламу в течение 4 дней по 1 разу в день. После этого пользователь вернулся опять с Яндекс.Директа и совершил конверсию. Таким образом мы получаем «вес» цели в 0,43.

После изучения предложения от Vertical клиент отложил сделку на какой-то срок. Но мы продолжаем периодически напоминать о себе, показывая ему нашу рекламу.