Оптимизация программатик-кампаний

Ключевые показатели эффективности программатик-рекламы включают долю выигрышей (какую долю ставок Вы выигрываете), eCPM (эффективную стоимость тысячи показов), долю видимых показов, показатель кликабельности (CTR) и стоимость привлечения (CPA).

Эти показатели необходимо оценивать вместе: высокая доля выигрышей на инвентаре с низкой видимостью — тревожный сигнал, тогда как более низкая доля выигрышей на инвентаре с высокой видимостью и высокой конверсией может указывать на более продуманную кампанию.

Белый список — это тщательно отобранный список конкретных доменов или приложений, на которых Вы явно выбираете показывать рекламу, обеспечивая максимальный контроль над безопасностью бренда и качеством инвентаря.

Чёрный список исключает конкретные домены или приложения из показа Вашей рекламы. Большинство программатик-кампаний начинают с исключения категорий и формируют чёрные списки по мере необходимости на основе данных о результатах, оставляя белые списки для кампаний брендов премиум-класса.

Корректировка ставок — это практика подачи ставок ниже максимальной суммы, которую Вы готовы заплатить, в среде аукционов первой цены, позволяющая одновременно стремиться выиграть показ и не переплачивать.

DSP обычно предлагают автоматические алгоритмы корректировки ставок, которые используют исторические данные о ценах закрытия аукционов, чтобы установить ставку, достаточную для выигрыша, но не оставлять лишние средства неиспользованными, что является важным инструментом эффективности на торговых площадках с аукционами первой цены.

Усталость от рекламных материалов возникает, когда пользователи слишком часто видят одну и ту же рекламу и показатели вовлечённости снижаются — обычно это проявляется в падении CTR и росте показателей частоты на панелях управления кампаниями.

Управление усталостью от рекламных материалов требует чередовать несколько вариантов рекламы в каждой кампании, отслеживать частоту для каждого пользователя, регулярно обновлять рекламные материалы и использовать динамическую оптимизацию рекламных материалов (DCO), чтобы автоматически показывать каждому пользователю вариант с лучшими результатами.

Не все сегменты аудитории одинаково эффективны — анализ CPA, коэффициента конверсии и ROAS по сегментам показывает, какая аудитория действительно приносит бизнес-ценность, а какая лишь расходует бюджет, обеспечивая низкую стоимость привлечения, но не создавая ценности.

Регулярный анализ на уровне сегментов позволяет перераспределять бюджет в пользу эффективных сегментов, исключать неэффективные и использовать характеристики успешных сегментов при создании новых похожих аудиторий.

Оптимизация в ходе кампании означает внесение изменений в активную кампанию на основе первых данных об эффективности — перераспределение бюджета от неэффективных рекламных позиций к наиболее эффективным, исключение источников рекламного инвентаря низкого качества и корректировку ставок в зависимости от устройства или времени суток.

Главное — отличать случайные колебания показателей в первые 72 часа (до накопления статистически достоверных данных) от реальных сигналов, требующих действий, — слишком быстрые изменения на основе ранних данных могут нарушить работу алгоритмов обучения.

Программная медийная реклама работает преимущественно на верхнем и среднем этапах воронки, поэтому модели атрибуции по последнему клику сильно занижают её вклад — пользователи редко нажимают на медийное объявление и сразу совершают конверсию.

Атрибуция по просмотру, которая засчитывает программной рекламе конверсии, произошедшие после того, как пользователь увидел (но не нажал на) объявление, даёт более реалистичную картину, но ей можно манипулировать, и для неё требуется тщательно настраивать окно ретроспективного анализа.

Тестирование инкрементальности позволяет выделить истинное причинное влияние программной рекламы, сравнивая коэффициенты конверсии между группой, увидевшей рекламу, и контрольной группой, которой реклама не показывалась, — разница представляет собой инкрементальный прирост.

Без тестирования инкрементальности программные кампании часто приписывают себе конверсии, которые произошли бы и без них благодаря другим каналам или органическому поведению пользователей, завышая заявленный ROAS.

Современные DSP используют алгоритмы машинного обучения для нацеливания на аудиторию, оптимизации ставок и выбора рекламных материалов. Этим алгоритмам требуется период обучения — обычно 1–2 недели, — в течение которого они собирают данные для оптимизации показов.

Частые изменения бюджета, аудитории или ставок во время периода обучения могут перезапустить работу алгоритма, поэтому рекомендуется вносить существенные изменения обдуманно и давать накопиться достаточному объёму данных между корректировками.

Прямые закупки обеспечивают гарантированное размещение, прозрачный контекст и отношения с издателями — но обходятся дороже в пересчёте на тысячу показов и менее гибки, чем программная закупка.

Программная закупка обычно даёт более низкую стоимость тысячи показов и более точное нацеливание, но меньший контроль над точным контекстом размещения. Оптимальная стратегия сочетает эффективность программной рекламы для масштабирования с выборочными прямыми закупками премиальных и безопасных для бренда размещений, где контекст особенно важен.

Календарь оптимизации программной рекламы планирует регулярные контрольные точки для проверки и действий: ежедневные проверки темпа расходования бюджета, еженедельные проверки эффективности в середине недели, оптимизацию в середине периода кампании и итоговый разбор по её завершении, результаты которого используются при настройке следующей кампании.

Структурированный график предотвращает распространённую ошибку: настроить кампанию и не возвращаться к ней до конца периода размещения — за это время бюджет может расходоваться впустую на неэффективный инвентарь, аудитории или рекламные материалы без каких-либо корректировок.

Проверьте своё понимание оптимизации программных кампаний.

Эффективная оптимизация программной рекламы требует одновременно отслеживать долю выигранных аукционов, видимость, eCPM и CPA; управлять качеством рекламного предложения с помощью белых и чёрных списков; а также менять рекламные материалы, чтобы не допускать усталости аудитории.

Инкрементальность — золотой стандарт измерения истинного воздействия, а сотрудничество с алгоритмами машинного обучения DSP, а не противодействие им, — за счёт отказа от частых disruptive-изменений в период обучения — максимально повышает эффективность автоматической оптимизации.