Yleisön kohdentaminen ja uudelleenkohdentaminen

Meta Pixel seuraa kävijöiden käyttäytymistä verkkosivustolla ja mahdollistaa kohderyhmien muodostamisen tiettyjen vierailtujen sivujen, sivustolla vietetyn ajan tai tehtyjen toimien perusteella. Mukautettu verkkosivustokohderyhmä, joka koostuu hinnoittelusivua katsoneista mutta ostamatta jättäneistä ihmisistä, on ostoaikeinen uudelleenmarkkinointisegmentti, joka kannattaa asettaa etusijalle.

Meta mahdollistaa kohderyhmien muodostamisen ihmisistä, jotka ovat olleet vuorovaikutuksessa sisällön kanssa alustalla: videon katsoneista, Instagram- tai Facebook-sivuun sitoutuneista, liidilomakkeen avanneista ja tapahtumaan reagoineista. Näistä lämpimistä kohderyhmistä on usein halvempaa hankkia konversioita kuin kylmistä kohderyhmistä, koska niillä on jo jonkin verran tuntemusta brändistä.

Ihmiset, jotka ovat katsoneet videosta merkittävän osan — yleisesti käytettyjä katselukynnyksiä ovat 25, 50 ja 75 prosenttia — ovat kiinnostuksensa osoittaneita lämpimiä potentiaalisia asiakkaita. Uudelleenmarkkinointikohderyhmän muodostaminen videon vähintään 75 prosenttia katsoneista ja sen jälkeen esitettävä suora tarjous tuottavat usein hyvän konversioasteen pienemmällä tuloskohtaisella hinnalla.

Samankaltaiset kohderyhmät ohjaavat Metaa etsimään uusia käyttäjiä, joilla on samanlaisia ominaisuuksia kuin määritetyllä lähdekohderyhmällä — yleensä parhailla asiakkailla tai verkkosivuston arvokkaimmilla kävijöillä. Yhden prosentin samankaltainen kohderyhmä vastaa eniten lähdekohderyhmää, kun taas kymmenen prosentin kohderyhmä on laajempi. Tarkassa uusasiakashankinnassa kannattaa aloittaa 1–2 prosentista.

Kun uudelleenmarkkinointia varten muodostetaan verkkosivuston mukautettuja kohderyhmiä, valitaan, kuinka äskettäin käyttäjä on vieraillut sivustolla: 7 päivää tavoittaa ostoaikeiset viimeaikaiset kävijät, 14 päivää muodostaa laajemman kohderyhmän ja 30 päivää tavoittaa suuremman joukon, mutta samalla käynnin tuoreus vähenee. Ikkuna kannattaa suhteuttaa tuotteen tyypilliseen harkinta-aikaan.

Pinoamisessa mukautetun tai samankaltaisen kohderyhmän päälle lisätään kiinnostuksen kohteisiin tai käyttäytymiseen perustuvia kerroksia kohderyhmän rajaamiseksi entisestään. Esimerkiksi samankaltaiseen kohderyhmään kuuluvien asiakkaiden kohdentaminen niin, että lisäksi edellytetään kiinnostusta aiheeseen "entrepreneurship", rajaa kylmän kohderyhmän niihin, jotka todennäköisimmin reagoivat tiettyyn tarjoukseen.

Poissuljettavat kohderyhmät kertovat Metalle, kenelle mainoksia EI näytetä. Äskettäin ostaneiden poissulkeminen uusasiakashankintakampanjasta estää budjetin tuhlaamista, ja koko asiakasluettelon poissulkeminen ensimmäisen ostoksen tarjouksesta auttaa säilyttämään kannattavuuden. Hyvin määritetyt poissulkemiset ovat usein Meta-tilin tehokkain optimointikeino.

Erittäin tarkasti määritetty kohderyhmä tekee viestistä osuvamman, mutta rajoittaa Metan mahdollisuuksia löytää riittävästi käyttäjiä budjetin tehokkaaseen kuluttamiseen. Hyvin laaja kohderyhmä antaa Metalle enemmän optimointiin tarvittavaa dataa, mutta heikentää osuvuutta. Useimpien kampanjoiden kannalta optimaalinen kohderyhmän koko on 500 000–3 miljoonaa käyttäjää.

Kun saman kampanjan useat mainosjoukot kohdistetaan osittain samoihin kohderyhmiin, ne kilpailevat keskenään huutokaupassa ja nostavat omia kustannuksia. Meta-tilin Audience Overlap -työkalulla kannattaa tarkistaa tärkeimpien kohderyhmien päällekkäisyys ennen käynnistämistä. Suuri päällekkäisyys on peruste mainosjoukkojen yhdistämiselle tai niiden välisten poissulkemisten käyttämiselle.

Tehokas Metan kohdentaminen yhdistää kylmään uusasiakashankintaan käytettävät ydinkohderyhmät, asiakasluetteloista muodostetut mukautetut kohderyhmät, Pixelin tuottaman verkkosivustodatan, sitoutumiseen perustuvat lämpimät kohderyhmät, skaalautuvaan laajentamiseen tarkoitetut samankaltaiset kohderyhmät sekä harkitut uudelleenmarkkinointi-ikkunat. Kohderyhmien pinoaminen lisää tarkkuutta, poissulkemiset estävät hukkaa, Audience Overlap -työkalu poistaa sisäisen kilpailun ja koon tasapainottaminen tarkkuuden kanssa varmistaa, että algoritmi pystyy optimoimaan tehokkaasti.