В данном исследовании нами используется информация, полученная с рекламных аккаунтов компании HonMark. Материалом исследования является рекламная кампания «HM_Торт_Трафик», направленная на привлечение заказов на кондитерские изделия.
При создании рекламной акции огромное внимание стоит уделять разработке портрета типичного представителя ЦА. Чем больше он детализирован, тем уже группы пользователей возможно создать. В данной рекламной кампании сегментация ЦА делится на три основные портрета (исходя из возможности таргетирования платформы FacebookAdsи событий, на которых необходимы кондитерские изделия):
1) скоро свадьба:
- молодожены;
- друзья молодоженов;
- родители молодоженов;
2) скоро день рождения:
- именинник(-ца);
- друзья именинника(-цы);
3) любители сладостей:
- шоколад;
- мучное;
- кремовые десерты.
Далее приведем параметры, исходя из которых возможно делить данные портреты на ЦА:
- пол - так как привлечение клиентов на первом этапе происходит через визуальный захват, то нельзя объединять рекламные объявления для мужчин и женщин в единые;
- возраст - для каждой возрастной категории есть проверенные способы привлечения (например, маловероятно, что аудитория 45-50 лет хорошо отреагирует на рекламное объявление в стиле PopArtcнадписью “Псс... Скоро день рождения?» (см. рис. 1);
1) вовлеченность - Facebookпредлагает к выбору такой важный поведенческий критерий как «вовлеченность клиента». Таким образом, есть возможность оценить, нужна клиенту дополнительная информация о продукции или он готов получить информацию тут же заполнив лид-форму, пример которой представлен на рисунке 2;
Рис. 1. Скоро день рождения?
Figure 1. A birthday coming up?
Рис. 2. Пример лид-формы
Figure 2. An example of the lead form
2) редирект- исходя из портрета конкретной ЦА возможно оценить, куда необходимо перенаправить человека. Для аудитории возрастной категории 35+ лучше всего, например, срабатывает сайт-квиз, для аудитории 25-35 лет - быстрая форма захвата, для аудитории < 25 лет удобно использовать квиз в мессенджерах. Последний вариант редиректа удобен тем, что в момент окончания заполнения формы к чату может подключиться менеджер и сразу же ответить на вопросы, интересующие клиента;
3) время и локация - в зависимости от локации клиента возможно предполагать, находится он дома, в пробке или на работе. Благодаря этому появляется возможность создания рекламных объявлений, подходящих выбранной ЦА в конкретный отрезок времени.
Благодаря этому расширяются возможности привлечения клиентов. Помимо стандартных уникальных торговых предложений (далее - УТП) можно использовать шуточные. Например: «Собираешься провести очередной день рождения в пробке?».
Отталкиваясь только от этих 5 параметров, получается, как минимум 144 ЦА. Формируя «комплекты» критериев для таргетинга, логически можно отбросить часть из них. Например, «Клиенты мужского пола от 20 до 25 лет, стоящие утром в пробке, которые готовы приобрести мучные изделия». Допуская, что отпадает 50 % ЦА при охвате 800 тыс. чел., мы получаем 72 ЦА в среднем по 11,1 тыс. чел. При необходимости можно еще больше сузить аудиторию. После первичного тестирования отпадает еще 20 % ЦА.
В данном случае таргетинга, устанавливая такие критерии, как «Вскоре день рождения (7 дней)» или «Лучшие друзья людей, у которых день рождения в ближайшие 7-30 дней», нужно следить только за конверсией и с определенной периодичностью изменять рекламные объявления и иногда объединять несколько ЦА. Также этот метод дает возможность контролировать количество поступающих клиентов, так как повышение рекламного бюджета прямо пропорционально дает прирост заявок.
Используя узкий вход и выбирая целью рекламной кампании трафик или конверсии, мы получаем возможность форсирования рекламного бюджета, то есть при недостаточном для производства количестве заказов резким увеличением затрат на рекламу достигнуть необходимой цели, или добавить в эти ЦА объявления предзаказов, привлекая скидкой. Это мощный инструмент для бизнесов, зависящих от сезонности.
Исходя из составленных ранее портретов ЦА и используемых инструментов составим обобщенный дизайн пути клиента (рис. 3).
СоСоставленоавторамипоматериаламисследования / Compiled by the authors on the materials of the study
Рис. 3. Обобщенный дизайн пути клиента Figure 3. Generalizedcustomerpathdesign
В большинстве случаев используются стандартные логики привлечения, создание интереса и конечной продажи, но в связи с сильной нишевой конкуренцией возникают все более сложные. В данном примере рассматривается логика, не пользующаяся особой популярностью в связи со сложностью и ценой ее реализации. Сложность заключается в подключении множества платформ и модулей, необходимых для автоматизации процессов и сбора статистики для проведения аналитических работ. Список, применяемых инструментов:
- LeeLoo.ai- платформа, позволяющая реализовывать рекламные кампании в мессенджерах. Собирает статистику автоматически при правильной организации туннеля продаж;
- AmoCRM - CRM-система, позволяющая контролировать продажи от появления лида до совершения покупки;
- LPGenerator- платформа для создания посадочных страниц. От одноэкранных до огромных с множеством блоков. Имеет свою форму захвата и интегрируется с AmoCRM;
- Яндекс.Метрика - позволяет суммировать аналитическую информацию и показывает клик-зоны при интеграции модуля в лендинги.
Определяя предпочтения той или иной ЦА, потенциальный клиент отправляется в определенный «путь». По статистике 50 % аудитории > 40 лет отпадают, если им предложить выбор на сайте о предпочтительном варианте общения: e-mail-рассылка или мессенджер. Поэтому сотрудники с целью экономии рабочего времени приобретают продукт в мессенджере. Например, в вечернее время, таргетируясь на спальные районы, делая отсылки на поведенческие факторы, можно значительно повысить вовлеченность клиента. Исходя из данных результатов можно разрабатывать алгоритм взаимодействия с той или иной аудиторией.
Таким образом, согласно статистическим данным в процессе применения такой технологии электронного маркетинга, как детальное таргетирование на той же аудитории без сегментации по параметрам, конверсия возрастает примерно на 12 %, а рекламный бюджет сокращается до 50 % и более. Исходя из вышеизложенного можно заключить, что повышенный результат достигается прежде всего за счет применения технологии детализированного таргетирования, обеспечивающего возможность получения более релевантных клиентов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Аймалетдинова А.М., Иванова И.А. (2018). Digital-инструменты продвижения на рынке В2В//Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин: материалы II Международного научного форума. Вып. 1. Москва, 06-07 дек. 2018 г. М.: Издательский дом ГУУ. С. 6-12.
2. Алексунин В.А., Родигина В.В. (2007). Электронная коммерция и маркетинг в Интернете. М.: Дашков и Ко. 216 с.
3. Майер-Шенбергер В., Кукьер К. (2014). Большие данные. Революция, которая изменит то, как мы живём, работаем и мыслим / Пер. с англ. И. Гайдюк. М.: Манн, Иванов, Фербер. 240 с.
4. Черняк Л. (2011). Большие данные - новая теория и практика//Открытые системы. СУБД, № 10, с. 28-32.
5. Kendall Ch., Nannicini T., Trebbi F. (2013). How Do Voters Respond to Information? Evidence from a Randomized Campaign// NBER Working Paper, № 18986. Режимдоступа: https://www.nber.org/papers/w18986(датаобращения: 11.07.2019).
REFERENCES
1. AimaletdinovaA.M., Ivanova I.A. (2018), “Digital marketing tools for the B2B” [“Digital-instrumentyprodvizheniyana rynke B2B”], Step into the Future: Artificial Intelligence and Digital Economy. Revolution in management: a new digital economy or a new world of machines: materials of the II International Scientific Forum. I. 1. Moscow, Dec. 06-07, 2018 [Shag v budushchee: iskusstvennyiintellektitsifrovayaekonomika. Revolyutsiya v upravlenii: novayatsifrovayaekonomikailinovyimir mashin: materialyIIMezhdunarodnogonauchnogoforuma. Vyp. 1. Moskva, 06-07 dek. 2018 g.],Izdatel'skiidomGUU, Moscow, Russia, pp. 6-12. [in Russian].
2. Aleksunin V.A., Rodigina V.V. (2007), Electronic commerce and Internet marketing [Elektronnayakommertsiyai marketing v Internete], Dashkovi Ko, Moscow, Russia. 216 p. [in Russian].
3. Maier-ShenbergerV., Kuk'er K. (2014), Big data. Revolution that will change the way we live, work and think [Bol'shie dannye. Revolyutsiya, kotorayaizmenit to, kak my zhivem, rabotaemimyslim], per. s angl. I. Gaidyuk, Mann, Ivanov, Ferber, Moscow, Russia. 240 p. [in Russian].
4. Chernyak L. (2011), “Big data - new theory and practice” [“Bol'shiedannye - novayateoriyaipraktika”], Open systems. DBMS [Otkrytyesistemy. SUBD], no. 10, рp. 28-32.
5. Kendall Ch., Nannicini T., Trebbi F. (2013), “How Do Voters Respond to Information? Evidence from a Randomized Campaign”, NBER Working Paper, no. 18986. Available at: https://www.nber.org/papers/w18986 (accessed 11.07.2019).