Таргетинги Mail.ru Group (2015)

1. РИФ+КИБ, апрель 2015
Варим целевую аудиторию –
индивидуальные решения,
универсальный подход

2. Актуальные направления
• Автоматизированные закупки рекламы
• Мобильная реклама
• Видеореклама
• Работа с данными

3. Mail.Ru Group сегодня
Почта
Главная
Портал
Одноклассники
Мой мир
ВКонтакте
Агент
ICQ
MMO,
социальные,
Мобильные,
браузерные
игры
Поиск
Товары
Деньги
5 БИЗНЕС-НАПРАВЛЕНИЙ
МЕЖДУНАРОДНОЕ НАПРАВЛЕНИЕ

4. Аудитория
Mail.Ru Group vs. холдинги рунета
Runet
Total audience: 69 067 000
Year-to-year increase: 6%
Mail.Ru + OK + VKontakte
Monthly reach: 66 068 000
Year-to-year increase: 8%
Yandex + Kinopoisk + Auto.Ru
Monthly reach: 62 996 000
Year-to-year increase: 7%
Google + Youtube
Monthly reach: 57 812 000
Year-to-year increase: 6%
Источник: TNS Web Index, Вся Россия, 12-64, Декабрь 2014

5. Мобильная аудитория
1 – Источник: Liveinternet, декабрь 2014
2 – Мобильные пользователи портала Mail.Ru
0%
10%
20%
30%
40%
50%
60%
50%
48%
19%2
Динамика пользования1

6. Просмотры видео в рунете
Источник ComScore, Total Unique Viewer, 15+, Вся Россия, декабрь 2014
Сервисы Mail.Ru Group vs. конкуренты
42 142 000
36 052 000
21 073 000
17 956 000
16 015 000
14 963 000
11 964 000
10 479 000
9 952 000
9 638 000
Google Sites
Mail.ru Group without VK
Gazprom Media
Maker Studios
Yandex Sites
MEGOGO.NET
KINOGO.NET
Vimeo
Fullscreen
TVIGLE.RU

7. Google Display Network, Adriver,
AdFox, Between Digital, Wamba;
240x400, 300x250, 728x90;
CPM – от 15 до 25 рублей;
Шаг – в зависимости от площадок;
Модерация – на стороне
сторонних крутилок и MRG;
Внутренний и внешний аукционы
1
2
3
4
1
2
3
4
Аукцион на внутреннем траффике
Сквозной слот – внутренние Почты,
Одноклассники, Мой Мир, Ответы;
Формат: 240x400;
CPM Floor – 7 рублей;
Шаг – 10 копеек;
Модерация – на стороне MRG;
Demand-side platform MRG
Programmatic buying
5 5

8. Сквозной слот myTarget
New! Медийные форматы в аукционе
Почта Mail.Ru Одноклассники
Мой Мир Ответы

9. Точные и вероятностные
таргетинги
Соцдем портрет
(в т. ч. образование, занятость, семейный статус и доход)
Таргетинг по интересам
Кастомные запросы,
«Look-alike»
Работа с данными

10. Калькулятор таргетингов
http://sales.mail.ru/ru/russia/main/latest/calculator/

11. Таргетинги по интересам
http://sales.mail.ru/ru/targeting/
Более 270 таргетингов

12. С использованием Machine Learning
Наличие образования TNS
• Есть высшее
• Нет высшего
Занятость TNS
• Работает
• Не работает
Семейное положение TNS
• В браке
• Холост
Индивидуальный доход
• A – ниже среднего
• B – средний
• C – выше среднего
• D – высокий
• E – премиум
TNS - совместимы с данными WebIndex
Телесмотрение TNS
• LTV – мало смотрят ТВ
• MTV – среднее телесмотрение
• HTV – много смотрят ТВ
Средний семейный доход TNS
• A – ниже среднего
• B – средний
• C – выше среднего
Наличие детей разного возраста
• Новорожденных до 1 года
• Малышей от 1 до 3 лет
• Дошкольников от 3 до 7 лет
• Школьников начальных классов
• Школьников средних и старших классов
Профессиональные области hh.ru

13. С использованием Machine Learning
Наличие детей до 16 лет TNS
• Есть дети
• Нет детей
B2B или B2C
• B2B - работаете не на конечного потребителя, а на компании
(юридические лица)
• B2C - работаете на конечного потребителя (частные, физические
лица)
Род занятий TNS
• Руководители
• Специалисты
• Рабочие
• Учащиеся
• Домохозяйки
• Другие неработающие
Новые таргетинги – ожидаются во втором полугодии 2015

14. Таргетинг по уровню доходов
Как делается?
Размер выборки – более полутора миллионов человек,
зарегистрированных на Headhunter.ru, с учетом их зарплатных ожиданий
(редакции анкет соискателей не ранее 2012 года и не находящихся в активном поиске работы
в настоящий момент).
Для сопоставления с реальными доходами используется коэффициент 0.85
от зарплатных ожиданий.
Выборка строится пропорционально количеству пользователей интернета
по регионам с учетом данных Web Index.
Выборка является базовой для построения математической модели с
помощью алгоритмов машинного обучения. Выделяются паттерны
поведения в сети, относящиеся к определенной категории пользователей.
Получаемый таргетинг увеличивает вероятность попадания в аудиторию с
тем или иным уровнем дохода.

15. Таргетинг по уровню доходов
Что получается?
Группы индивидуальных доходов:
• A – Доход ниже среднего
20 000 рублей и менее*
• B – Средний доход
Более 20 000 до 40 000 рублей
• C – Доход выше среднего
Более 40 000 до 60 000 рублей
• D – Высокий доход
Более 60 000 до 100 000 рублей
• E – Премиум
Более 100 000 рублей
* - Данные о доходах не позднее сентября 2014 год

16. Расширенный соцдем таргетинг
Как делается?
Организация опросов аудитории в интернете.
Проведенная волна охватила порядка 250 тысяч пользователей из России,
Украины, Беларуси и Казахстана.
Содержание анкеты с вопросами, в зависимости от разновидности таргетинга:
Образование – Начальное / Среднее / Среднее специальное / Незаконченное высшее /
Высшее
Занятость – Работает / Работает на дому / Не работает
Семейный статус – В браке / Холост
Выборка является базовой для построения математической модели с помощью
алгоритмов машинного обучения. Выделяются паттерны поведения в сети,
относящиеся к определенной категории пользователей. Получаемый таргетинг
увеличивает вероятность попадания в аудиторию с той или иной соцдем
характеристикой.

17. Расширенный соцдем таргетинг
Что получается?
Опции таргетинга при расчете емкости в Калькуляторе
на сайте sales.mail.ru

18. Регулярное проведение опросов аудитории на проектах Mail.ru Group.
Последняя проведенная волна охватила порядка 200 тысяч пользователей из России, Украины, Беларуси и Казахстана
Выборка является базовой для построения математической модели с помощью
алгоритмов машинного обучения. Выделяются паттерны поведения в сети, относящиеся
к определенной категории пользователей. Получаемый таргетинг увеличивает
вероятность попадания в аудиторию с тем или иным уровнем телесмотрения.
Таргетинг по уровню телесмотрения
Как делается
# Ответ
1 Каждый день, почти все время
2 Более 3 часов в день, почти каждый день
3 От 1 до 3 часов в день, почти каждый день
4 Почти каждый день около 1 часа
5 3 – 5 раз в неделю
6 1 – 2 раза в неделю
7 Несколько раз в месяц
8 Раз в месяц и реже
9 За последние полгода ни разу
Содержание анкеты с вопросом
«Как часто вы смотрите телевизор?»

19. Выборка является базовой для построения математической модели с помощью алгоритмов
машинного обучения. Выделяются паттерны поведения в сети, относящиеся к
определенной категории пользователей. Получаемый таргетинг увеличивает вероятность
попадания в аудиторию с тем или иным уровнем телесмотрения
Таргетинг по уровню телесмотрения
Что получается
Группы по уровню телесмотрения,
в зависимости от выбранных ответов в анкете:
LTV
мало смотрят
(ответы 7, 6, 9)
MTV
средняя
продолжительность
(ответы 4, 5, 6)
HTV
много смотрят
телевизор
(ответы 1, 2, 3)

20. Период: осень 2013 г.
Место размещения: Главная страница,
Мой Мир – раздел Видео;
Задача: увеличение ТВ-охвата
за счет аудитории, потребление
телевидения которой
не так активно;
Площадка Доля LTV
Mail.ru
Главная страница
26%
Mail.ru
Главная страница / LTV
48%
Мой Мир
Видео
20%
Мой Мир
Видео / LTV 56%
Билайн на Главной + Мой Мир
Дополнение ТВ рекламы размещением в Интернет на LTV-аудиторию

21. Lookalike таргетинг
“Обычная” классификация
(доход, LTV, и т.д.)
“Lookalike” классификация
Пользователи с известной категорией
(обучающая выборка)
Пользователи с неизвестной категорией
(которую нужно предсказать)
?
+ — + —
• Дана небольшая выборка из “положительных” пользователей, то есть таких, которые достигли
определенной цели на сайте. Необходимо найти похожих.
• Для того, чтобы воспользоваться обычным подходом, то есть построить статистическую модель для
предсказания, необходимо иметь выборку как из “положительных”, так и “отрицательных”
пользователей.
• Задача: разработать алгоритм, умеющий достоверно определять“отрицательных”
пользователей на основании имеющихся данных.

22. 22
Lookalike таргетинг
?
Для нахождения достоверно “отрицательных” пользователей применяется подход,
основанный на машинном обучении
Обучающая выборка из “положительных” и “отрицательных” пользователей используется
для обучения модели
С помощью полученной модели определяем категорию “неизвестных”
пользователей. Таргетируем только “положительных”
target

23. Lookalike таргетинг:
исходные выборки
• Установка счетчика Рейтинг@Мэйл.Ру позволит собрать информацию о
пользователях, посетивших "важные" страницы (например кредитный
калькулятор, запись на тест драйв)
• Также есть возможность сконфигурировать и использовать уже
настроенные цели (такие как посещение определенной страницы или
действие пользователя)
• Установка пикселя конверсии
• Использование данных предыдущих кампаний (но они должны быть
"большими")
• Использование данных вашей CRM (лучше подходит для сегментации,
но годится и для lookalike)

24. Использование данных CRM
Данные, необходимые для точной привязки:
• Мобильный телефон / почтовый адрес / аккаунт
• Пол
• День рождения
Дополнительные данные:
• Имя
• Фамилия
• Город или регион
Действие в offline:
• Достижение конверсии / действие / последний контакт / опрос
• Время достижения конверсии / свершения действия / контакта
Результат:
• Таргетинг на выбранный сегмент / Look-alike
• Тригер / рекомендация / score

25. СПАСИБО ЗА ВНИМАНИЕ
Михаил Фирулик
Руководитель отдела анализа данных
m.firulik@corp.mail.ru
Николай Анохин
Руководитель группы машинного обучения
n.anokhin@corp.mail.ru