Interpult Studio

Как маркетологи, мы привыкли позволять платформам социальных сетей (и, в частности, Facebook, он же Meta) делать нашу работу за нас.

Мы позволяем этим платформам отслеживать путь клиента от нашей рекламы до конверсии. Мы позволяем им смотреть. Мы позволяем им учиться, и мы позволяем алгоритму оптимизировать и ориентироваться на нужную аудиторию.

Алгоритм сделал все. Было удобно и легко.

В самом начале Facebook делился с нами этой информацией, и мы могли учиться одновременно с обучением алгоритма. Раньше мы могли анализировать нашу аудиторию, наших подписчиков, что им нравилось, какого они были возраста, какого пола, семейного положения, какие другие сайты они посещали и на какие другие страницы они подписывались. Мы знали столько же, сколько и алгоритм.

Но тогда этой информации уже не было. Но нас это не волновало, потому что алгоритм делал свое дело, и мы получали потрясающие результаты. Так что мы устроились поудобнее, слишком поудобнее.

Перенесемся в апрель 2021 года и выпуск iOS 14.5.

Мир для маркетологов, использующих Meta, немного рухнул.

Для некоторых это сильно взорвалось.

У пользователей нужно было запрашивать разрешение на отслеживание в приложениях и на веб-сайтах. 95% из них решили не давать такое разрешение в США (84% по всему миру).

С тех пор платформы социальных сетей плохо видят, что происходит с людьми, которые нажимают на рекламу. Как только они покинут Мету, все будет кончено!

Meta проделала некоторую работу, чтобы предоставить оценки. Но, по моему опыту, такие показатели, как переходы на целевую страницу или даже атрибуция конверсий, далеки от реальных цифр (спасибо Google Analytics и UTM за возможность резервного отслеживания).

Таргетинг на основе интересов — один из немногих инструментов, которые у нас остались.

Таким образом, теория состоит в том, чтобы кормить воронку холодными лидами на этапе узнаваемости бренда, чтобы они проходили через воронку и конвертировались без барьеров.

READ  10 самых горячих • Обслуживание и поддержка сайтов Web 2.0

Есть одна проблема: поскольку у алгоритмов все еще есть проблемы с определением положительного взаимодействия от отрицательного взаимодействия, и, если на то пошло, у них есть проблемы с пониманием контекста, вовлеченность и интерес к определенному бренду могут не означать, что они хотят, чтобы этот бренд обратился к ним.

Маркетинг на основе интересов — хорошая отправная точка, но он часто не достигает цели.

Исследователи проанализировано точность активности Facebook в их рекламе на основе интересов и обнаружил, что почти 30% интересов, перечисленных Facebook, не были реальными интересами. Это означает, что если ваше объявление основано на списке интересов, вы можете промахнуться примерно в 30% случаев.

Это исследование является первым в своем роде и имеет относительно небольшой набор данных, но, глядя на комментарии и вовлеченность в рекламу на основе интересов, которую я запускал, я вижу самый большой процент запутанных и недовольных комментариев в этой группе объявлений, поэтому штат Северная Каролина на что-то здесь.

Если вы дошли до этого пункта статьи, возможно, вы переосмыслили свой жизненный выбор в качестве платного маркетолога в социальных сетях.

Однако в платформах есть еще кое-что очень полезное:

Похожие аудитории

У Facebook может быть не так много информации о ваших конвертерах, как раньше, но у вас или ваших клиентов она есть!

Вместо того, чтобы скармливать эту теоретическую воронку холодной аудитории, давайте дойдем до конца воронки и найдем таких людей, как конвертеры.

Процесс одинаков на всех платформах:

  • Получите исходный список конвертеров.
  • Создайте собственную аудиторию с помощью этого списка, загрузив его на выбранную платформу социальных сетей.
  • Платформа будет сопоставлять информацию с тем, что они знают о каждом человеке на платформе (чаще всего адрес электронной почты или номер телефона).
  • Для того, чтобы этот список был действительным, необходимо минимальное количество совпадений, и каждая платформа имеет свои собственные правила для этого.
  • После того, как пользовательская аудитория создана и действительна, мы можем создать похожую аудиторию, где мы говорим платформе «найти людей с похожими профилями» людям из этого списка.
READ  Xiaomi представила телевизоры TV ES Pro с частотой обновления 120 Гц и поддержкой AMD FreeSync • Interpult Studio

Создавая похожие аудитории, мы берем воронку и переворачиваем ее с ног на голову. Мы начинаем снизу и создаем список холодных аудиторий, настолько похожих на наших нынешних конвертеров, что их можно считать почти теплыми аудиториями.

Теперь мы используем платформы социальных сетей, чтобы помочь нам создавать персоны на основе данных, которые, как мы знаем, являются точными, а затем ориентироваться на них.

Платформы многое знают о нашем поведении внутри платформы. Они не идеальны, но эти персонажи, созданные платформой, намного точнее, чем предполагаемые интересы.

Почему?

Поскольку вы не ориентируетесь на один интерес, один элемент, это будет неактуально в 30% случаев. Вы ориентируетесь на группу элементов, интересов или поведения платформы. Это существенно снижает погрешность.

После проведения A/B-тестов между аудиторией на основе интересов и похожей аудиторией я могу сказать, что мои результаты улучшились до 40% для некоторых похожих аудиторий. Иногда результаты составляют всего 15%, но я приму любые улучшения и эффективность, которые смогу получить при оптимизации своих объявлений.

Не даст ли это слишком много контроля алгоритмам?

Готовим ли мы себя к тому же сценарию, что и до iOS 14.5, позволяя алгоритмам запускать наши платные медиа? Да и нет.

  • Мы немного доверяем алгоритмам, но теперь мы знаем, что нельзя класть все яйца в одну корзину. Мы знаем, что интересы, определенные Facebook, по-прежнему точны на 60-70%, поэтому знание интересов вашей аудитории очень важно, даже если мы немного ошибаемся.
  • Меняются зрители, меняются их интересы, и мы должны двигаться вместе с ними. Можете ли вы сказать, что ваша аудитория сейчас выглядит так же, как и в 2019 году? Я рекомендую использовать похожие аудитории как можно чаще, но дополнять их рекламой на основе интересов и постоянно проводить A/B-тестирование их эффективности.

Учитывайте цель вашей кампании

Иногда похожие аудитории хорошо конвертируются, но не так хороши в плане вовлечения.

В одном сплит-тесте A/B, который я проводил, у аудитории на основе интересов цена за клик была на 30% выше, но уровень положительного взаимодействия был вдвое выше. Эта аудитория не конвертировала, они распространяли сообщение.

READ  Учёные придумали протонные резисторы для искусственного мозга — они в миллион раз быстрее нейронов в голове человека

Нам нужна не только аудитория, которая эффективно следует по воронке конверсии, но иногда нам также нужна аудитория, которая подбадривает нас и помогает нам распространять информацию.

Учтите это, прежде чем использовать двойников

Двойная аудитория основана на пользовательском списке (исходном списке), и этот список должен создаваться только с данными, которыми вы владеете и имеете разрешение на использование.

Ознакомьтесь с политиками каждой платформы в отношении настраиваемых списков, чтобы лучше понять это.

Обновляйте свои списки и политику конфиденциальности

Если люди отписываются от ваших рассылок, приготовьте план по обновлению похожих аудиторий.

Если люди не хотят получать от вас известия, то зачем вам рекламировать кого-то с таким же профилем?

Помните: платформы со временем меняются, поэтому мы должны развиваться вместе с ними, чтобы оставаться актуальными, а иногда это означает возвращение к основам. Удачи там.

Смотреть: Использование похожих аудиторий для реверсирования маркетинговой воронки и получения качественных лидов

Ниже представлено полное видео моей презентации SMX Advanced.


Мнения, выраженные в этой статье, принадлежат приглашенному автору, а не обязательно поисковой системе. Штатные авторы перечислены здесь.


Новое в поисковой системе

Об авторе

Наира Перес занимается маркетингом почти 20 лет. Она работала с клиентами из нескольких отраслей и брендов из списка Fortune 500. Она начала свою карьеру в рекламе прямого отклика, создавая бренды на телевидении, радио и в печати еще до того, как цифровые технологии стали чем-то особенным. В 2016 году она основала компанию SpringHill, которая специализировалась на разработке и реализации стратегий цифрового маркетинга, таких как платные медиа, интегрированный дизайн кампаний и определение моделей аудитории. В 2021 году она присоединилась к Portland Trail Blazers в качестве старшего менеджера по цифровому маркетингу, чтобы помочь развивать их инновационный и расширяющийся отдел цифрового маркетинга.

Using lookalike audiences to reverse the marketing funnel and generate quality leads

от admin

EnglishFrançaisDeutschРусский