Как с помощью таргетинга на кастомные сегменты вдвое увеличить CTR и уменьшить CPA

Мария Калинина

Performance Acquisition Lead «Фоксфорд»

О рекламодателе и объектах продвижения

«Фоксфорд» – онлайн-школа для учеников 1–11 классов. Обучение строится по индивидуальным траекториям: от базовой школьной программы до углубленного изучения профильных предметов.

В рамках рекламной кампании продвигали два основных направления:

1. Домашняя школа (семейное обучение) – флагманский продукт «Фоксфорда» для тех, кто хочет перейти на дистанционное обучение.
2. IT-направление (программирование) – углубленные курсы, интегрированные в «Домашнюю школу», которые помогают ученикам осваивать востребованные цифровые навыки параллельно с основной школьной программой.

Проблематика

Рынок онлайн-образования сегодня является одним из самых высококонкурентных в цифровой среде. Традиционные инструменты таргетированной рекламы позволяют быстро привлечь широкую аудиторию, что подходит для продуктов и услуг повседневного спроса.

Чтобы привлечь более узкую целевую аудиторию в продукт с высоким средним чеком, потребуется выделить время и бюджет на эксперименты – поиск оптимальных связок таргетинг+креатив. Команда онлайн-школы «Фоксфорд» нашла альтернативный способ быстро повысить эффективность рекламы: с помощью работы с данными и построения узких сегментов аудитории – пользователей, по своим поведенческим характеристикам максимально похожих на текущих клиентов рекламодателя.

Цель кампании

Главной целью было привлечение новых релевантных пользователей и получение заявок на бесплатные уроки.

Механика и тактика продвижения

Команда стремилась к усилению эффективности стандартных таргетингов, чтобы привести на сайт «Фоксфорда» пользователей, которые с наибольшей вероятностью совершат целевое действие.

Для поиска релевантной аудитории использовали кастомные сегменты, построенные с помощью ML-моделей на платформе VK CXhub.

Процесс формирования кастомных сегментов состоял из трех этапов:

1. Подготовка данных для обучения ML-модели – на основе обезличенной информации о целевых заявках учеников и их родителей.

2. Анализ данных и предиктивное моделирование. С помощью алгоритмов машинного обучения построили модели, которые проанализировали совокупность признаков и выявили скрытые закономерности в поведении аудитории. В результате сформировали два сегмента из пользователей, которые с максимальной вероятностью совершат целевые действия и потенциально станут клиентами школы, – «Домашняя школа» и «Программирование».

3. Запуск кампании и тестирование. Сформированные сегменты использовали для настройки кампаний в VK Рекламе. В качестве контрольной группы использовали базовые настройки аудитории: подписчиков сообществ основных конкурентов и соцдем (30–55). Это позволило объективно оценить прирост эффективности, который дают кастомные сегменты за счет сужения аудитории до пользователей, у которых с максимальной вероятностью уже сформирован спрос.

Все кампании оптимизировали на целевое действие – заявку на бесплатный урок на сайте «Фоксфорда».

Результаты

Сравнение эффективности тестовых и контрольных кампаний показало, что таргетирование рекламы на кастомные сегменты аудитории VK CXhub обеспечивает уменьшение средней стоимости целевого действия (CPA) и приток качественного трафика – пользователей, реально заинтересованных в образовательных продуктах.

В кампании по продвижению направления «Программирование» с таргетингом на кастомные сегменты VK CXhub объявления продемонстрировали кликабельность (CTR) на 52% выше, чем в контрольной (0,74% против 0,49%), а показатель CPA оказался меньше на 29%. При этом пользователи проводили на сайте рекламодателя в три раза больше времени, глубина просмотра была больше в два раза, а показатель отказов (bounce rate) – на 9-15% меньше.

В кампании по продвижению «Домашней школы» с таргетингом на кастомные сегменты VK CXhub CTR креативов был так же почти в два раза выше, чем в контрольной (0,86% против 0,45%), а показатель CPA – меньше на 48%. При этом пользователи проводили на сайте рекламодателя в три – четыре раза больше времени, а показатель отказов был меньше на 23-29%.

Мария Калинина, Performance Acquisition Lead, «Фоксфорд»:

Предиктивные модели помогли нам выделить аудиторию, которой обучение в онлайн-формате актуально именно сейчас. Итоговые качество трафика и выручка подтверждают, что работа с глубокими сегментами эффективнее стандартных методов и позволяет рациональнее распределять рекламный бюджет.

Илья Яковлев, руководитель стратегических проектов, VK:

Благодаря пониманию поведения покупателей реклама становится точнее и вызывает больше отклика. Это позволяет выстраивать глубокую вовлеченность на каждом этапе взаимодействия с пользователем. Эффект достигается за счет синергии знаний об аудитории и технологий машинного обучения.