Перформанс-рекламе обычно задают вполне конкретный вопрос: сколько она принесла покупок, качественных заявок или выручки? У медийной рекламы разговор часто начинается с другого: кого охватили, сколько раз показали сообщение и насколько точно попали в нужную аудиторию.
Такое разделение понятно. Человек может увидеть рекламу банка сегодня, изучить условия завтра, вернуться через неделю и оформить продукт ещё позже. Но из этого постепенно вырастает неудобная привычка: медийную рекламу считают важной, а слабую связь между её закупкой и будущими продажами принимают как неизбежность.
Предиктивная оптимизация позволяет сократить это ожидание. Когда пользователь приходит на сайт и начинает выбирать, уже можно оценить, насколько его путь приблизился к покупке. Рекламная кампания получает обратную связь до завершения сделки — и учится на тех контактах, которые помогают двигать человека к результату.
#Медийная реклама создаёт причины выбрать вас
Перформанс особенно удобен там, где человек уже сформулировал потребность: ищет кредитную карту, выбирает автомобиль, сравнивает предложения. Реклама помогает встретить этот спрос и довести его до действия.
Но в момент выбора у человека уже есть представления о брендах. Одни названия ему знакомы, другим он доверяет, третьи вообще не рассматривает. Эти представления сложились раньше, чем появился поисковый запрос.
Медийная реклама работает в том числе с этим более ранним этапом. Она знакомит с предложением, объясняет его ценность, даёт повод вернуться к вопросу и помогает бренду попасть в круг рассматриваемых вариантов. Банку бывает нужно сначала показать, чем его продукт отличается. Застройщику — познакомить с районом и образом жизни. Ритейлеру — стать местом, о котором вспомнят, когда возникнет потребность.
Поэтому в стратегии роста медийная реклама может быть критична: она расширяет будущий спрос, на который затем опирается перформанс. Если оценивать всю рекламу только по немедленной покупке, легко научиться хорошо собирать созревший спрос и плохо создавать следующий.
Яндекс предлагает медийные форматы для знакомства с брендом, привлечения внимания и роста целевых действий. Вопрос в том, как связать эти задачи с обучением конкретной кампании.
#Почему подходящий портрет аудитории ещё не означает эффективную закупку
Когда продажи приходят поздно, медиаплан естественным образом строится вокруг того, что можно определить заранее: географии, возраста, интересов, предполагаемого достатка, тематик площадок. Затем контролируют охват, частоту, CPM, видимость и просмотры видео.
Это разумные инструменты. География ограничивает рекламу местами, где доступен продукт. Частота помогает управлять давлением. Видимость показывает, было ли у человека вообще достаточно возможностей заметить сообщение.
Но даже очень подробный портрет отвечает прежде всего на вопрос «кому предложение может подойти». Для оптимизации нужен следующий: «какой контакт действительно помогает приблизить будущую сделку».
Внутри одного сегмента окажутся люди с совершенно разной реакцией. Один заметит предложение и начнёт его изучать. Второй уже решил купить и увидит рекламу на последнем этапе. Третий проигнорирует сообщение. Возраст, город и интересы могут совпадать, а ценность показов для бизнеса будет разной.
Без достаточно быстрой обратной связи эти различия трудно превратить в регулярное обучение закупки. Охват растёт, отчёты выглядят аккуратно, но остаётся неясным, какие именно показы стоит покупать чаще.
#Главное ограничение — время до результата
У медийной рекламы часто длинный путь до конверсии. Пользователь видит баннер или видео, продолжает заниматься своими делами, а позже возвращается через поиск, прямой заход или другой канал. Даже после первого визита покупка может потребовать нескольких сессий, разговора с менеджером и согласования решения.
Кампания уже потратила деньги, но обучение по конечному результату ещё ждёт. За это время меняются креативы, конкуренты, сезонность и сама аудитория. Если судить о новых показах слишком рано, полезные контакты выглядят безрезультатными. Если ждать всех продаж, решения приходится принимать по старой картине.
Директ позволяет смотреть post-view и post-click статистику. Post-view помогает учитывать визиты и конверсии после просмотра объявления без клика по нему. Это восстанавливает часть связи между медийной рекламой и последующим поведением.
Однако атрибуция и скорость обучения решают разные задачи. Можно корректно связать покупку с ранним показом, но получить эту информацию только через две недели. Чтобы учиться раньше, нужен сигнал, который появляется до самой покупки.
Покупка на четырнадцатый день; первый полезный обучающий сигнал появляется во время визита на следующий день
#Оценивать путь к покупке, пока он ещё продолжается
У пользователя может не быть ни заявки, ни заказа, но его поведение уже меняется. Он возвращается, изучает условия, сравнивает варианты, переходит к важным разделам. Отдельное действие бывает случайным. Последовательность действий в контексте предыдущих визитов говорит значительно больше.
В медийной оптимизации Sales Ninja мы учитываем доступную цепочку взаимодействий пользователя с сайтом. Модель оценивает, с какой вероятностью эта цепочка завершится выбранным бизнес-результатом, и обновляет оценку по мере появления новых данных.
Возьмём условный пример. Человек увидел медийное объявление, на следующий день пришёл на сайт и содержательно изучил предложение. Покупки пока нет; она может состояться через две недели. Но модель уже видит признаки того, что путь продвинулся к результату.
Допустим, базовая вероятность покупки оценивается в 10%, а сценарий с вкладом контакта — в 11,5%. Разница составляет 1,5 процентного пункта, или 15% относительно базовой вероятности. Такой прирост можно использовать как раннюю оценку полезности контакта.
Для этого не нужно угадать судьбу каждого человека. При вероятности 11,5% большинство пользователей всё равно не купит. Смысл прогноза раскрывается на совокупности контактов: если оценки откалиброваны, аудитория с более высоким ожидаемым вкладом должна приносить больше дополнительного результата.
Рекламе становится доступен новый источник обратной связи. Она может получать обучающие сигналы по содержательным изменениям в пути пользователя, пока фактические продажи ещё накапливаются. На этой же идее построены моделируемые конверсии: данные о поведении превращаются в ранний сигнал для рекламной системы.
#Важно учитывать, что человек мог купить и без рекламы
У прогноза есть ловушка. Если оптимизироваться только по высокой вероятности покупки, алгоритм может всё лучше находить людей, которые уже почти приняли решение. У такой аудитории хорошие конверсии — но дополнительный показ иногда мало что меняет.
Поэтому в медийной оптимизации важна оценка uplift — дополнительного эффекта контакта. Мы учитываем исходную готовность пользователя и стараемся отделять продвижение по пути к покупке от ситуации, в которой реклама просто встретила уже созревший спрос.
В условном сравнении это выглядит так:
Первый пользователь с гораздо большей вероятностью купит. Но во втором сценарии ожидаемый дополнительный вклад контакта втрое выше. При сопоставимых стоимости и ценности покупки это меняет приоритет закупки.
Высокая готовность купить и большой дополнительный эффект рекламы — разные основания для выбора аудитории
Есть и важная техническая граница: разница между прогнозом до визита и после него сама по себе ещё не доказывает причинный эффект рекламы. Человек мог приблизиться к покупке из-за другого контакта, изменения цены или собственного решения. Для оценки uplift нужен базовый сценарий — что ожидалось бы без рассматриваемого воздействия, — а качество такой оценки проверяют экспериментом.
Модель даёт оперативную оценку, на которой можно учиться сегодня. Контрольная группа позволяет проверить, превращается ли это обучение в дополнительные покупки позже. Эти два уровня поддерживают друг друга: скорость появляется в прогнозе, а достоверность результата — в сравнении фактических исходов.
#Как это работает в медийной кампании Директа
В Директе уже есть стратегия «Рост целевых действий на сайте». Она оптимизирует медийные показы с учётом вероятности последующих целевых действий. Предиктивная оптимизация усиливает этот механизм сигналом, который отражает развитие всей доступной цепочки сессий.
Sales Ninja оценивает поведение и формирует многосессионную моделируемую конверсию. Она передаётся через интеграцию как отдельная цель для обучения. Директ использует полученные события, чтобы уточнять выбор аудитории и закупку показов.
Показ может состояться сегодня, а сигнал появиться завтра — когда пользователь придёт на сайт и проявит содержательный интерес. В этот момент прогноз обновляется без ожидания покупки. Затем нужно время на передачу данных и реакцию автостратегии. Так обратная связь сокращается до появления наблюдаемого поведения, даже если сделка всё ещё далеко.
При этом распределены и роли систем. Sales Ninja видит подробное поведение на сайте и оценивает его будущую ценность. Директ располагает данными о показах и связывает поступившую цель с медийными контактами в рамках своих механизмов атрибуции. Связь показа и визита строится через рекламную платформу и настроенные интеграции: один только скрипт сайта не наблюдает все показы на внешних площадках.
Поведение и история сессий поступают в модель Sales Ninja; отдельная цель возвращается в Директ и помогает обучать медийную закупку
Для запуска важны четыре решения:
- Выбрать конечный результат. Покупка, оплата, качественная заявка, выдача продукта — модель должна двигаться к тому исходу, который имеет ценность для бизнеса.
- Собрать историю взаимодействий. Связать доступные сессии, цели сайта и, где требуется, результаты из CRM. Учитывать исходное состояние пользователя и задержку сделки.
- Подключить обучающий сигнал. Настроить отдельную моделируемую цель, проверить её получение и совместимость с выбранной медийной стратегией. Реальные результаты сохранить отдельными целями для проверки.
- Запустить сравнение. Оценивать оптимизированную закупку и контроль при сопоставимых условиях, дождавшись выбранного горизонта сделок.
В документации этой стратегии Яндекс также указывает подключение исследования Target Lift. Параметры запуска и доступность нужного формата проверяют до старта кампании по актуальной справке.
#Что меняется для рекламодателя
Прежде всего меняется скорость обратной связи. Кампания получает сведения о полезном контакте при появлении раннего поведения, а не только после финального события. Для длинного цикла сделки это позволяет раньше различать направления закупки.
Появляется и больше возможностей для обучения. Конечных покупок мало, а содержательных взаимодействий на пути к ним больше. Модель помогает извлечь из них сигнал и учесть его вес. Повторные визиты требуют аккуратного учёта: один пользователь с десятью сессиями не должен превращаться в десять независимых будущих покупателей.
Наконец, меняется содержание сигнала. Вместо одинаковой награды за любой длинный визит кампания получает оценку движения к конкретному результату, с учётом истории пользователя и его исходной готовности. Это создаёт возможность точнее выбирать контакты; насколько она реализовалась, видно по итогам пилота.
Для банка конечным ориентиром может быть выдача или активация продукта, для недвижимости — квалифицированное обращение и дальнейшая сделка, для ритейла — оплаченный и выкупленный заказ. Отмены, спам и другие отрицательные исходы помогают уточнять, какое поведение действительно предвещает полезный результат.
#Проверять нужно дополнительные результаты, когда они созреют
Увеличение числа моделируемых конверсий показывает, что кампания получает больше обучающих событий. Чтобы понять экономический эффект, нужно посмотреть на реальные исходы: качественные заявки, покупки, выручку и стоимость дополнительного результата.
Для оценки медийного воздействия Яндекс предлагает Target Lift. Отдельный эксперимент с оптимизированной и обычной закупкой отвечает на другой вопрос: что именно изменилось благодаря предиктивному сигналу. В обоих случаях важен достаточный срок наблюдения, чтобы поздние конверсии успели проявиться.
Практический смысл предиктивной оптимизации в том, что длинная сделка перестаёт означать длинное молчание рекламной системы. Медийная реклама сохраняет свою задачу — знакомить, объяснять, создавать будущий спрос, — и получает возможность учиться на движении к этому спросу гораздо раньше.
В Sales Ninja мы соединяем многосессионный прогноз, оценку дополнительного вклада и передачу обучающего сигнала в медийную кампанию. Покупка ещё впереди. Но решение о том, какие контакты стоит покупать чаще, уже можно принимать на более содержательных данных.
