Дмитрий Кирноценский Mail.Ru Group, myTarget

1. Performance marketing
– взгляд со стороны
площадки и
рекламной системы

2. «показ»-«клик»-«конверсия»
• показ – оплата по CPM
• клик - оплата по CPC
• конверсия – оплата по CPI
• Площадка – хочет продать показы за
фиксированный (высокий) CPM
• Рекламодатель – хочет купить конверсии
за фиксированный (низкий) CPI

3. Компромиссы – встретимся посредине
• CPC аукцион – классический вариант
покупки performance рекламы
• RTB – продаем по CPM?
• Арбитражные сети – покупаем
по CPI?
eCPM = CPC*CTR = CPI*CR*CTR

4. Неприятности
Фрод:
• со стороны площадок: «накрутки и скликивание»
• со стороны рекламодателей: «шейвинг»
Технические проблемы:
• потери трафика на редиректах (особенно в
мобильной рекламе)
• ограниченное время жизни куки (и вообще
запрет на 3rd-party cookies)
• AdBlock

5. Мобильные приложения

6. Задача оптимизации
min(eCPI) = CPC / CR = CPM / CTR / CR
max(eCPM) = CPC*CTR = CPI*CR*CTR

7. Куб таргетингов
демография
география
Результаты по eCPM, eCPC, а главное eCPI могут отличаться в 10 раз!

8. демография география образование занятость доход статус
ОС интересысеть устройство производитель ретаргетинг
телезрители
таргетингов МНОГО
аудитории

9. N-мертный гиперкуб
N=4
N=6

10. проклятие размерности
N=10
Нужно слишком
много кампаний!

11. проклятие 3σ
Нужно слишком много
показов!

12. Социальные
сети
Анкетирование
пользователей
Медийные
проекты
Посещаемые
сайты
Установленные
приложения
Технические
данные
Источники данных

13. задача «предсказания» CTR
• Пользователь – вектор фич
• Баннер – вектор фич
• Площадка – вектор фич
«потенциальный показ» - {u1,…,un,b1,…,bm,p1,…,pl}
событие клика C({u1,…,un,b1,…,bm,p1,…,p1…pl}) - {0,1}
размеченная обучающая выборка – история
показов в рекламной системе

14. симметричная задача «предсказания» CR
• Пользователь – вектор фич
• Баннер – вектор фич
• Площадка – вектор фич
«потенциальная конверсия» - {u1,…,un,b1,…,bm,p1,…,pl}
• событие клика C({u1,…,un,b1,…,bm,p1,…,p1…pl})
• событие конверсии CR({u1,…,un,b1,…,bm,p1,…,p1…pl})
размеченная обучающая выборка – история кликов в
рекламной системе + история установок приложений

15. задача рекомендации приложений
• пользователь характеризуется набором установленных приложений
{app1,…,appn}
• приложение характеризуется набором установивших его пользователей
«уровень интереса»
Iapp({app1,…,appn})

16. мы рекомендуем
Рекомендательный таргетинг – кампания показывается только на пользователей,
которым мы «рекомендуем» установить данное приложение.

17. результаты
Показы Клики Установки CTR CR
база 153591 1086 53 0.70% 4.88%
100% 36256 244 13 0.67% 5.32%
60% 28547 178 16 0.63% 8.98%
40% 27303 157 18 0.58% 11.46%
Показы падают, CTR остается примерно на том же уровне, конверсия растет в
разы

18. мы предсказываем
Ограничение CR – кампания показывается только на пользователей,
которые установят приложение с вероятностью выше заданной.
Может устанавливаться как для конверсии из клика, так и «сквозным образом»
для конверсии из показа.

19. результаты
Показы Клики Установки CTR CR
база 628975 10336 585 1.64% 5.65%
эксперимент 194732 3519 373 1.80% 10.59%
Показы падают примерно в 3 раза (как при любом таргетинге), CTR остается
примерно на том же уровне, конверсия растет в 2 раза

20. мы рекомендуем
• Покупать как удобно CPC или CPM.
• Доверять рекламной системе, у нас в конечном итоге общие интересы!
• При помощи таргетингов и креативов реализовывать выбранную стратегию
продвижения.
• Использовать встроенные средства оптимизации и рекомендательные
таргетинги.

21. Эффективной рекламы!