Performance marketing – взгляд со стороны площадки и рекламной системы

«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

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

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

Мобильные приложения

Задача оптимизации

min(eCPI) = CPC / CR = CPM / CTR / CR

max(eCPM) = CPC*CTR = CPI*CR*CTR

Куб таргетингов

демография

география

Результаты по eCPM, eCPC, а главное eCPI могут отличаться в 10 раз!

демография география образование занятость доход статус

ОС интересы сеть устройство производитель ретаргетинг

телезрители

таргетингов МНОГО

аудитории

N-мертный гиперкуб

N=4

N=6

проклятие размерности

N=10

Нужно слишком много кампаний!

проклятие 3σ

Нужно слишком много показов!

Социальные

сети

Анкетирование

пользователей

Медийные

проекты

Посещаемые

сайты

Установленные

приложения

Технические

данные

Источники данных

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

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

задача рекомендации приложений

• пользователь характеризуется набором установленных приложений {app1,…,appn} • приложение характеризуется набором установивших его пользователей

«уровень интереса» Iapp({app1,…,appn})

мы рекомендуем

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

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

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.

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

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.

Эффективной рекламы!