Продвижение в VK Рекламе: ручной data-driven таргетинг или автоматические алгоритмы?

Несколько лет назад было много шума вокруг концепции data-driven коммуникаций.

Идея заключалась в том, что каждая компания должна накапливать свою BigData. А далее, основываясь на накопленной информации о пользователях, следует разделять аудиторию на сегменты и строить коммуникацию с каждым сегментом особенным образом. Так можно донести наиболее точное сообщение для каждого слоя выбранной аудитории.

Концепция звучит весьма убедительно, однако идея — ещё не результат. Мы проверили, как работает подход и для решения каких задач он подходит лучше всего:

• Этап 1. Тестируем алгоритмы VK Рекламы и data-driven подход для привлечения подписчиков

• Этап 2. Тестируем алгоритмы VK Рекламы и data-driven подход для получения социальных взаимодействий

• Когда использовать алгоритмы, а когда — data-driven: выводы и инсайты

Этап 1. Тестируем алгоритмы VK Рекламы и data-driven подход для привлечения подписчиков

Итак, суть эксперимента: мы сравнили два подхода для привлечения подписчиков в одно и то же сообщество ВКонтакте с идентичными бюджетами (по 5000 рублей), креативами и сроками.

Методика

Если говорить о методике проведения эксперимента, то в целом она представляла собой стандартный запуск рекламных кампаний с целью привлечения подписчиков в сообщество. Для реализации подхода с автоматическим таргетингом не нужно проводить никаких специальных действий в рекламном кабинете, нужно только включить ползунок «Автоматический выбор подписчиков сообществ» в разделе настроек аудитории.

Однако использование data-driven подхода требует особенных действий внутри рекламного кабинета. Чтобы получить аудитории для таргетинга, следует:

1. Зайти в раздел «Аудитории» в левом верхнем углу интерфейса кабинета и начать создание аудитории. Добавить источник «События в моих объявлениях».

2. Выбрать все рекламные кампании, которые подходят для сбора аудитории.

Для тестирования мы запускали два креатива.

Результаты

Коротко — в таблице.

Выводы и инсайты

Их четыре:

1. В первые два дня, сразу после запуска, кампания «Б» показывала более привлекательные результаты, чем кампания «А». Начиная с третьего дня эксперимента, ситуация переломилась.

2. При сопоставимом охвате алгоритмы VK Рекламы по итогу показали более высокую конверсию в подписки.

3. Конверсия из кликов в подписки у data-driven таргетинга оказалась ниже в полтора раза, а CPF — дороже практически вдвое.

4. Теплая, казалось бы, аудитория, уже знакомая с брендом, на деле показала меньшую готовность к подписке в сравнении с аудиторией, подобранной алгоритмами VK Рекламы.

Чем же это можно объяснить? Скорее всего, разницей емкости аудиторий:

1. Алгоритмы VK Рекламы в режиме реального времени могут подбирать наиболее релевантную аудиторию.

2. При data-driven подходе мы можем опираться только на накопленные исторические данные. Но они имеют свойство быстро устаревать: кто-то перестал интересоваться тематикой сообщества; кого-то привлек лишь определенный пост, а не вся тематика; кто-то и вовсе перестал пользоваться ВКонтакте.

Мы проверили эффективность встроенных инструментов платформы для роста аудитории сообществ. Возможно, для решения каких-либо других задач data-driven таргетинг и покажет себя лучше встроенных алгоритмов VK Рекламы. Однако в случае этой довольно типовой задачи более эффективны встроенные алгоритмы VK Рекламы.

Этап 2. Тестируем алгоритмы VK Рекламы и data-driven подход для получения социальных взаимодействий

Результаты предыдущего теста натолкнули нас на новый вопрос: «Каков будет итог эксперимента, если столкнуть два подхода в контексте, в котором собиралась data-driven аудитория?».

Аудитория для data-driven подхода собиралась из пользователей, которые ранее оставляли реакции на контент сообщества. Но цель первого теста — привлечение подписчиков. А на втором этапе мы сравнивали, как сработают подходы на продвижение постов с оптимизацией на социальные взаимодействия, то есть на территории data-driven подхода.

Наша цель: узнать, будет ли преимущество алгоритмов VK Рекламы столь же подавляющим, или накопленная аудитория покажет лучшие результаты на своей территории.

Методика

Суть эксперимента: в течение месяца мы сравнивали два подхода для продвижения постов с оптимизацией на вовлеченность (то есть на получение социальных взаимодействий с постами сообщества) по наименьшей цене.

Что делали: для эксперимента мы использовали восемь постов познавательного характера из паблика с 10 000+ подписчиков. Каждый пост продвигался с использованием обоих подходов на идентичный бюджет (5000 рублей) и на протяжении одинакового времени.

Результаты

Коротко — в таблице.

Выводы и инсайты

При анализе статистики мы увидели, что:

1. С помощью data-driven подхода удалось получить примерно на 8% больше социальных взаимодействий при идентичном бюджете.

2. Конверсия из просмотра поста в социальное взаимодействие также оказалась лучше у data-driven подхода — ~1,23% против ~1,07% у алгоритмов ВКонтакте.

3. Алгоритмы VK Рекламы показали лучший CPM, но в контексте продвижения постов с оптимизацией на социальные взаимодействия эта метрика не является решающей.

4. Data-driven подход показал большую эффективность с точки зрения цены за социальное взаимодействие: на ~7,88% лучше, чем у алгоритмов VK Рекламы.

Можно с уверенностью сказать, что в таких условиях data-driven подход оказался более эффективным.

В этом исследовании целью было продвижение постов для получения социальных взаимодействий, а не привлечение новых подписчиков в сообщество. Здесь data-driven таргетинг был направлен на аудиторию, которая уже контактировала с постами паблика. Подход оказался более продуктивным для повторного вовлечения в контент. Именно факт повторного вовлечения повлиял на результаты эксперимента.

Хотя разница в 59 копеек за социальное действие и не кажется значимой, при масштабировании кампаний она может дать существенную экономию бюджета и рост конверсии.

Когда использовать алгоритмы, а когда — data-driven: выводы и инсайты

Итак, data-driven подход показал себя эффективнее алгоритмов VK Рекламы при продвижении с оптимизацией на вовлеченность. Таргет на аудиторию, которая уже интересовалась контентом сообщества ранее, обеспечил более высокий отклик и лучший показатель цены за целевое действие (CPA).

Однако победа автоматических алгоритмов в первом эксперименте служит важным напоминанием: абсолютного лидера не существует. Эффективность того или иного подхода напрямую зависит от конкретной задачи и ее контекста:

• data-driven подход может показать большую эффективность в случае, если уже есть достаточно емкая аудитория пользователей, ранее совершавших те или иные целевые действия;

• автоматические настройки таргетинга VK Рекламы могут дать результат, когда накопленной ранее аудитории нет.

Фундаментальное правило таргетолога — постоянно тестировать гипотезы и сравнивать эффективность инструментов. Это помогает быстрее адаптировать рекламную стратегию и достигать максимальных результатов в рамках выделенного бюджета.

Возможно, вам будет интересно:

• Настройка таргетированной рекламы во ВКонтакте: пошаговая инструкция

• Ретаргетинг без раздражения: как вернуть клиентов и не надоесть им

• Как ВКонтакте и Одноклассники работают на продвижение бренда зоотоваров — кейс