Программатик-реклама и супергео: как окупить рекламную кампанию в 3 раза

Совместно с рекламным агентством Media Connect платформа RTBSape выявила географию рекламной кампании: конкретные районы Московской области и находящиеся в них точки продаж. Целевая аудитория: женщины в возрасте 18-45 лет, интересующиеся женской обувью, одеждой и аксессуарами, модой — посетительницы салонов красоты, женских сайтов, форумов и социальных сетей, офисные сотрудницы, домохозяйки.

Как был достигнут результат:

1. Определение точек продаж и настройка таргетинга. Была проведена детальная аналитика расположения точек продаж продукции компании Kari. Для достижения максимальной эффективности была выбрана методология таргетинга, основанная на супергео — создание рекламных кампаний, ориентированных на конкретные географические области с высокой плотностью потенциальных клиентов (в нашем случае — конкретные магазины). В качестве инструмента использовалась программатик-реклама (RTBSape);
2. Запуск рекламных кампаний. Рекламные кампании запускались в строгом соответствии со стартовой стратегией супергео, что позволило сосредоточить усилия на регионах с наибольшим откликом. Этот подход обеспечил более целенаправленное воздействие на аудиторию и максимизацию возврата на инвестиции;
3. Фокус на отказах и показателях вовлеченности. Важно отметить, что значительное внимание уделялось анализу отказов, доходимости и времени пребывания пользователей на сайте. Был проведен анализ креативов и форматов баннеров, что позволило исключить менее вовлекающие варианты и сосредоточиться на тех, которые обеспечивают максимальную заинтересованность аудитории;
4. Тестирование сегментов и сбор LAL-аудитории. Параллельно проводилось тестирование различных сегментов целевой аудитории и сбор аудитории по технологиям Lookalike (LAL) на основе ключевых слов и запросов. Это позволило реализовать стратегию, основанную на интересах целевых групп, что значительно повысило эффективность рекламных мероприятий;
5. Обучение предиктивных моделей. Была проведена работа по обучению предиктивных моделей на основе собранных данных, что позволило прогнозировать поведение пользователей и оптимизировать дальнейшие рекламные стратегии;
6. Оптимизация на основе аналитических данных: Использование аналитических отчетов, в частности, данных Яндекс.Метрики, дало возможность проводить оптимизацию рекламных кампаний в реальном времени, адаптируя их под изменяющиеся условия и повышая результаты;
7. Формирование BL и WL доменов. В рамках повышения эффективности рекламных усилий были сформированы белые (BL) и черные (WL) списки доменов, что способствовало улучшению качества трафика и минимизации его потерь;
8. Зачистка роботного трафика от ботов с использованием технологии Cookies. Этот шаг помог исключить искаженные показатели, обеспечивая более точные результаты и реальное понимание поведения пользователей.