Гибридная интеллектуальная система рекламы
Идея автоматизации труда человека кажется утопичной и крайне привлекательной одновременно. Ведь это может дать возможность существенно снизить стоимость услуг, что сделает их доступными для большего количества потребителей.
Нам эта идея близка. И мы создали автоматизированную систему управления рекламными кампаниями, которая имитирует интеллектуальную деятельность человека и существенно сокращает затраты материальных и человеческих ресурсов.
Система представляет собой симбиоз портфельного и прогнозного подходов. Эти аналитические модели в процессе работы оптимально дополняют друг друга, что позволяет добиться максимальной эффективности.
Прогнозный подход позволяет собрать наиболее полную статистику и на ее основе сделать выводы об успешности ( «кликабельности») запросов, а также проанализировать аналогичные показатели конкурирующих фирм. Суть портфельного подхода – составление такого пула запросов, чтобы затраты и прибыль при его использовании были сбалансированы. Вообще этот подход был впервые применен на бирже. Одной из основных идей портфельного подхода является утверждение о том, что в основу принятия инвестиционного решения должна быть положена не максимизация прибыли, а выбор оптимального сочетания риска и доходности. Для снижения риска в портфель следует включать не все ценные бумаги, а лишь бумаги с наилучшим показателем риск/доходность. По этому же принципу система отбирает запросы и формирует их пул.
Как это работает?
Работа системы начинается с анализа и прогнозирования. По определенному ряду параметров, выбранных пользователем, анализируются стратегии рекламных кампаний конкурентов в Яндексе и Google. Для начала изучается история запросов и формируется их пул. Далее рассматривается динамика цен за определенный период, чаще всего за целый год.
После запуска нашей рекламной кампании изучаются изменения, произошедшие за час, сутки, неделю, месяц. На основании этого можно понять, какие ставки делают конкуренты, каков их бюджет и стратегия.
Далее, получив статистику, начинает действовать портфельный подход. Производится анализ поступивших заявок и звонков. Появляется понимание, какие запросы хорошо работают на конкретном сайте. Предложения на рынке различны, и реклама по одинаковым запросам на разных площадках для одного сайта может быть эффективна, а для другого – уже нет. Таким образом, системе важно выявить работающие запросы. Однако в любой момент времени ситуация может измениться. И в этом случае снова начинается прогнозирование.
Система самостоятельно переключается между портфельным и прогнозным подходом, выбирая подход, по которому будет работать для каждого ключевого слова.
Немного истории
Первый сервис контекстной рекламы, появившийся на просторах Рунета в 2001 году – Яндекс.Директ. В первые годы существования системы, по аналогии с другими медиа-носителями, рекламодатели оплачивали определенное количество показов, т.е. система работала по принципу CPM. CPM (cost per mille) – модель оплаты рекламы, при которой рекламодатель платит за определенное количество показов своей рекламы (цена назначается за 1000 показов). Со временем все большее распространение стала получать модель оплаты CPC. CPC (cost per click) – модель оплаты рекламы за клик пользователя по рекламному блоку рекламодателя. Важное отличие этой системы от предшественников – аукционный принцип формирования цены. При таком подходе цена не назначается рекламной площадкой, а управляется самим рекламодателем в процессе конкурентной борьбы с другими клиентами системы.
Стоимость лида
Лид (lead, целевой лид) — потенциальный клиент, тем или иным образом отреагировавший на маркетинговую коммуникацию. Термином лид стало принято обозначать потенциального покупателя, контакт с ним (звонок или заявку), полученный для последующей менеджерской работы с клиентом.
Система автоматизации контекстной рекламы вычисляет по запросам и их производным стоимость лида. Для успешного и эффективного ведения рекламной кампании необходимо, чтобы стоимость лида всегда не превышала стоимости рекламируемого товара, и существовала тенденция к максимальному снижению цены лида. Так, если система находит слишком дорогой лид, она выдаст предупреждение пользователю, что этот запрос необходимо отключить. Особенность системы в том, что даже если в соответствии с портфельным или прогнозным подходом дорогой запрос необходимо применять, система его отключит. Главная цель работы – при заданном бюджете получить наилучшую стоимость лида. Поэтому система постоянно работает над ее снижением.
В основу работы системы положен ряд алгоритмов оптимизации рекламных кампаний. Подробнее о них мы расскажем в следующей статье.