Документ описывает стратегию построения ретаргетинговых и look-alike кампаний с использованием данных admitad и adsniper, с фокусом на сегментацию аудиторий и анализ поведенческих факторов. Успех кампаний иллюстрируется ростом продаж с 7,2 до 14+ млрд рублей в 2014 году. Основное внимание уделяется обогащению данных и оптимизации креативов для повышения эффективности рекламных кампаний.

1. Построение ретаргетинговой
и Look-alike компании с использованием
ReTag контейнера admitad

2. Угадайте оффер

3. 2013 год
продаж на 7,2 млрд рублей

4. 2014 год
продаж на 14+ млрд рублей

5. Как это у нас получилось?

7. клали в корзину
смотрели
покупали
Тривиальное разбиение на аудитории.
Распределение лидов по аудиториям.
Обычное разделение на три основных ретаргетинговые аудитории: купившие, корзина,
смотревшие. Большинство потенциальных лидов собраны в первой, поэтому большинство
игроков пренебрегает оставшимися. Что в свою очередь ведет к потере потенциальных лидов,
кроме того аудитория лояльных посетителей не увеличивается.
лиды

8. Обогащение ретаргетинговых данных
внешними данными
Используя внешние данные DMP AdSniper, мы насыщаем ретаргетинговые данные,
переданные нам Admitad, сопоставляя их между собой. Таким образом, данных для кампании
становится больше :)
ретаргетинговые данные admitad DMP. Внешние данные adsniper

9. Разбиение на ретаргетинговые аудитории
исходя из анализа поведенческих факторов.
В процессе ретаргетинговой кампании мы по различным факторам делим аудиторию клиента
на 16-24 аудитории по концентрации лидов, до тех пор, пока не будет выделена идеальная "анти-
аудитория", не содержащая лидов.
поведенческие аудитории
лиды
анти-аудитория
поведение на сайте
время попадания в аудиторию
данные user agent
средний чек
регулярность покупок
гео и т.д.
Факторы влияния:

10. Построенние трехмерной матрицы бидов
На основании данных о принадлежности к определенной ретаргетинговой аудитории и
времени попадания в нее, а так же исходя из источника траффика - строится трехмерная
матрица бидов, определяющая предельную цену за пользователя.
время попадания в аудиторию
источник траффика
аудитория X
Y
Z
X
Y
Z

11. Выбор креатива на основании
аудиторных интересов пользователя
Сопоставляя основные аудиторные интересы ядра пользователей магазина с основными
аудиторными интересами пользователя, мы выбираем для показа конкретный креатив. Данная
мера позволяет качественно увеличить CTR
Анализ аудиторных интересов
аудитории магазина
Анализ аудиторных интересов
конкретного пользователя

12. Построение профиля ядра пользователей
на основе внешних и внутренних данных
Сформировав профиль лояльного пользователя на основе внутренних и внешних данных
магазина мы ищем максимально похожих пользователей для показа им рекламы
Ядро аудитории магазина похожие пользователи по данным AdSniper Dsp

13. Схема работы retargeting admitad
Рекламодатель размещает контейнер admitad ReTag
на основные страницы своего сайте
Вебмастер, через admitad ReTag размещает свои коды
на сайте рекламодателя
Берет xml фид, собирает данные и зарабатывает деньги
Оплата только по CPA last click

14. Спасибо за внимание
Алексей Терехов admitad GmbH
Максим Кузнецов adsniper.ru