Проблема оценки медийной рекламы
Оценить эффективность Digital Media в банковской сфере — задача с вызовом. 80% клиентов Банка ДОМ.РФ предпочитают открывать вклады не онлайн, а в отделениях, что разрывает привычную воронку конверсий.
Банки не могут раскрывать и передавать персональные данные клиентов третьим лицам.
Дополнительная сложность — аудитория старше 45 лет имеет высокое телесмотрение. Здесь эффективность интернет-рекламы сложнее доказать, а вероятность post-view конверсий минимальна: клиент редко оставляет заявку онлайн после просмотра рекламы, ведь его путь начинается в интернете, но завершается в офисе банка.
Как определить, какие рекламные каналы действительно приводят клиентов в офлайн?
Мы разработали Sales Lift — методику, которая измеряет, как медийная реклама реально влияет на рост числа вкладчиков с помощью исследования с использованием Stable ID и данных операторов связи.
Технология позволила связать данные о рекламных показах с реальными открытиями вклада в офисах банка, выявить наиболее эффективные источники трафика и получить портрет аудитории наших вкладчиков для точной оптимизации бюджетов в будущих рекламных кампаниях.
Как это работает
Вся реклама Банка ДОМ.РФ промечалась AdRiver и в рамках данного кейса использовалась технология AdRiver Bridge, которая умеет получать разрозненные идентификаторы (cookie, IDFA/GAID, операторский Stable ID и другие) в разных точках контакта с пользователем и связывать их друг с другом с помощью алгоритмов машинного обучения. В дальнейшем, при использовании любого из связанных идентификаторов в любой точке контакта — при показе, клике или конверсии — они в режиме реального времени приводятся к единому мастер-идентификатору, AdRiver ID, который и используется в аналитике.
Возможности операторского Stable ID давно используются во всех продуктах AdRiver, так как Stable ID одинаково хорошо работает как в web, так и в любых видах in-app трафика, что важно, например, для кросс-медийной атрибуции. При этом, поскольку возможности у операторов отличаются, мы разработали несколько схем интеграции, обеспечивающих единый подход к применению операторского Stable ID независимо от способа интеграции.
Что мы получили в итоге
1. Эффективность каналов:
Число новых клиентов, привлечённых с каждой площадки.
Для подсчёта количества клиентов использовали несколько моделей атрибуции — как к последнему источнику показа рекламы, так и к первому показу. В процессе — формирование собственной модели на основании различных весов каждого контакта.
На основании фактического количества клиентов, распознанных Операторами Сотовой связи, достроили экстраполяцию по числу клиентов, взаимодействовавших с Digital Media. Для экстраполяции использовали открытые данные по покрытию рынка операторами сотовой связи.
Для оценки конверсии вывели метрику CR-to-view, которая оценивает конверсию из показов в клиентов по каждому источнику показа рекламы.
Оценили CAC по распознанным клиентам от расходов на Digital Media. Стоимость привлечённого нового клиента сопоставима с Performance-каналами, а с учётом экстраполяции на других операторов — дешевле в 2 раза.
По итогам проведённых расчётов вывели рейтинг эффективности рекламных площадок, которые принесли реальный бизнес-результат:
| Рейтинг | Площадка | Попадание в ГЕО, % | Попадание в соцдем, % | CR to View | Клиенты, % | САС, к среднему |
|---|---|---|---|---|---|---|
| 1 | Источник 1 | 74% | 83% | 0,020% | 36,5% | 0,2х |
| 2 | Источник 2 | 82% | 83% | 0,019% | 13,5% | 0,6х |
| 3 | Источник 3 | 63% | 75% | 0,003% | 8,0% | 0,4х |
| 4 | Источник 4 | 90% | 86% | 0,007% | 6,9% | 0,5х |
| 5 | Источник 5 | 91% | 85% | 0,005% | 5,5% | 1,8х |
| 6 | Источник 6 | 59% | 70% | 0,006% | 5,2% | 0,7х |
| 7 | Источник 7 | 91% | 75% | 0,001% | 3,4% | 4х |
| 8 | Источник 8 | 90% | 83% | 0,009% | 3,0% | 0,7х |
| 9 | Источник 9 | 73% | 77% | 0,003% | 2,5% | 1,9х |
| 10 | Источник 10 | 46% | 69% | 0,010% | 1,9% | 0,2х |
| 11 | Источник 11 | 72% | 70% | 0,003% | 1,8% | 1х |
| 12 | Источник 12 | 65% | 61% | 0,002% | 1,6% | 2х |
| 13 | Источник 13 | 92% | 80% | 0,004% | 1,5% | 0,5х |
| 14 | Источник 14 | 90% | 81% | 0,003% | 1,4% | 1,6х |
| 15 | Источник 15 | 53% | 67% | 0,007% | 1,3% | 1,4х |
| 16 | Источник 16 | 82% | 82% | 0,004% | 1,1% | 2,2х |
| 17 | Источник 17 | 86% | 83% | 0,002% | 0,8% | 3х |
| 18 | Источник 18 | 68% | 80% | 0,005% | 0,7% | 1,1х |
| 19 | Источник 19 | 90% | 81% | 0,002% | 0,7% | 3,4х |
| 20 | Источник 20 | 90% | 65% | 0,002% | 0,6% | 3,3х |
| 21 | Источник 21 | 85% | 78% | 0,010% | 0,6% | 0,2х |
| 22 | Источник 22 | 24% | 76% | 0,003% | 0,4% | 5,4х |
| 23 | Источник 23 | 89% | 81% | 0,013% | 0,3% | 1,4х |
| 24 | Источник 24 | 89% | 82% | 0,004% | 0,3% | 4х |
| 25 | Источник 25 | 61% | 74% | 0,007% | 0,2% | 0,6х |
| 26 | Источник 26 | 84% | 83% | 0,021% | 0,1% | 0,5х |
| 27 | Источник 27 | 90% | 81% | 0,006% | 0,1% | 1,6х |
| 28 | Источник 28 | 70% | 81% | 0,019% | 0,0% | 4,8х |
| 29 | Источник 29 | 90% | 82% | 0,004% | 0,0% | 5х |
2. Реальный охват рекламы:
Точное число людей, видевших рекламную кампанию, с детализацией до каждой рекламной площадки.
Суммарное распознавание среди двух операторов составило 15,4% показов — 7 млн реальных абонентов.
3. Эффективная частота показа:
По итогу исследования определили, что нам достаточно 3 контактов пользователя с рекламой для совершения офлайн-конверсии. Рассчитали это значение, определив минимальную частоту, которая требуется абонентам для совершения большинства конверсий. С математической точки зрения — это медианная частота.
4. Точность таргетинга:
Основным ядром целевой аудитории рекламной кампании были мужчины и женщины 35+ лет, проживающие в Москве и Санкт-Петербурге и областях. С помощью исследования проверили портрет целевой аудитории на реальных абонентах, видевших рекламу. Подтвердили, что 76% показов было совершено на целевой соцдем, 73% — на целевое ГЕО.
5. Портрет аудитории:
Анализ поведения пользователей, которые открыли вклад, что помогло подтвердить целевой портрет клиента и узнать особенности их поведения в интернете.
К примеру, наиболее популярная марка телефонов — Xiaomi. 71% клиентов пользуются приложениями онлайн-доставки продуктов и лекарств, 45% — приложениями для чтения или прослушивания книг.
В итоге
Мы выяснили, что 30% всех открытий вкладов в офисах за период кампании были совершены клиентами, контактировавшими с медийной рекламой в интернете. Этот результат подчёркивает влияние Digital Media на бизнес-результат в условиях параллельной кампании на ТВ, т. к. большинство выбранных таргетингов в кампании были на LTV-аудиторию.
Определили эффективную частоту показа и выводы для более точного таргетинга в будущих рекламных кампаниях.
И самое главное — анализ позволяет глубже изучить эффективность отдельных площадок и нашей ЦА, что позволяет распределить бюджет с максимальной эффективностью для бизнеса.
Владимир Висков, руководитель цифрового маркетинга Банка ДОМ.РФ:
«Я, всегда работающий в Data Driven подходе, очень долго искал методологию подсчёта именно влияния Digital Media каналов на офлайн в условиях тех ограничений, которые есть в банках. Мы придумали совершенно новую механику, на основе перспективной технологии Stable ID.
Благодарим команду AdRiver и команды Операторов сотовой связи то, что решили сделать для нас такие кастомные отчёты.
В будущем, на основании аналитики Stable ID и подобного распознавания, планируем принимать большинство управленческих решений по использованию тех или иных площадок и каналов».
Роман Кохановский, коммерческий директор AdRiver:
«Кейс отлично демонстрирует, как современные технологии идентификации и атрибуции помогают преодолеть ключевые ограничения банковского сектора при оценке эффективности Digital Media. Использование Stable ID в связке с AdRiver Bridge позволило не только связать онлайн-рекламу с офлайн-конверсиями, но и глубже понять, какие площадки действительно приносят бизнес-результат.
Важно отметить, что такая методология не просто измеряет влияние digital-рекламы, но и предоставляет четкие инсайты для дальнейшей оптимизации медийных бюджетов.
Этот кейс доказывает, что digital-реклама в сочетании с продвинутыми технологиями верификации способна решать сложные бизнес-задачи, даже в сегментах, где её влияние традиционно воспринималось скептически. Прозрачность данных и возможность точного таргетинга обеспечивают уверенность в инвестициях в медийную рекламу, а подходы, использованные в этом исследовании, могут стать стандартом для оценки влияния digital на офлайн-конверсии».