Look-alike аудитории в Яндекс.Директ

Как работает подбор look-alike аудитории?

Подбор аудиторий основан на технологии Крипты. Т.к. сервисы Яндекса являются одними из лидеров по посещаемости в русскоязычном сегменте интернета, то происходит сбор огромного массива данных по построению профиля пользователей, в том числе. Сам массив представляет собой набор идентификаторов устройства, браузера, телефонного номера, геолокации и многого другого. В итоге, Крипта собирает воедино данные, выделяет конкретного пользователя и относит его к определенной группе, которой в последующем демонстрируются наиболее релевантные рекламные объявления.

В каких случаях использовать look-alike аудитории?

Машинное обучение не стоит на месте, и как показывает практика, с помощью него поведение человека можно предугадать. Казалось бы, идеальный вариант, показывать объявления исключительно на аудиторию, которая схожа с портретом среднестатистического потребителя товара/услуги. Но не все так просто, как кажется на первый взгляд.

Чтобы создать в Яндекс аудитории look-alike, необходимо загрузить в систему исходную информацию о пользователях, которая содержала бы особенности их поведения. Взять ее можно из следующих источников:

• Из данных CRM системы (телефоны, e-mail адреса).
• ID номера мобильных устройств.
• Собранная статистика по вашему сайту в Метрике.
• По геолокации.
• Из пикселя Я.Аудиторий.
• AppMetrica.

Создание сегмента

Поэтому для использования аудиторий look-alike от Яндекса, необходимо иметь накопленные данные о поведении пользователей, это одно из основных требований.

Также, работа с аудиториями оправдана, когда испробованы все методы по увеличению охвата.

Как работать с сегментами аудиторий?

К примеру, можно выделить пользователей, которые похожи на загруженную аудиторию на основе следующих признаков:

• Тех, которые пришли на ресурс из вашей контекстной рекламы.
• Покупателей, которые регулярно совершают покупки, их можно оповестить о текущих акциях.
• Посетителей, долго просматривающих коммерческие сайты, которые не могут определиться с выбором.

Импортируемые файлы должны соответствовать нижеперечисленным требованиям.

Данные CRM

Данные из CRM должны содержать в себе хотя бы одно поле: телефонные номера (phone) или e-mail-адреса. Телефонные номера не должны содержать пробелов и записываются в формате 79998880000. Опционально добавляется поле external_id, в которое записывается идентификатор пользователя в численно-буквенном значении.

Допустимый формат файла – CSV:

• размером до 1 ГБ,
• в кодировке Windows-1251 или UTF-8,
• от 1000 записей, меньше загрузить нельзя.

ID мобильных устройств

Для Android-устройств (GAID) – численно-буквенное значение в нижнем регистре: aaaaaaaa-bbbb-cccc-0000-888888888800.

Для iOS (IDFA), аналогичные требования, но в верхнем регистре: AAAAAAAA-BBBB-CCCC-0000-888888888800.

Формат файла – TXT/CSV:

• до 1ГБ,
• Windows-1251 или UTF-8,
• от 1000 записей.

Пример настройки на основе выгрузки телефонов из CRM

Файл выгрузки телефонов

Создание нового сегмента

Обработка информации

Время обработки файла занимает порядка двух часов, после чего станет доступна статистика по загруженным данным – будет показано сколько пользователей было найдено в базе.

Статистика по загруженным данным

После переходим в кабинет Яндекс Директ и приступаем к настройке рекламы. Работать можно как с существующими кампаниями, так и с только что созданными для аудиторий. Если второй вариант, то внутри кампании создаем группу объявлений, заполняем все необходимые поля. По сути, принципы настройки схожи с группами, предназначенными для ретаргетинга.

Добавление условия ретаргетинга

Рекомендуется в UTM-метках указать, что кампания настроена на определенную аудиторию.

В блоке «Ретаргетинг и подбор аудитории» добавляем условие.

Добавляем в правило «Выбранный сегмент и похожие пользователи»

В настройках выбираем «Сегмент аудиторий» и загруженную аудиторию, она станет доступной после обработки. В окне настройки ретаргетинга, можно выбрать несколько аудиторий из разных источников, таким образом увеличив охват и повысив точность подбора пользователей.

Для достижения лучших результатов, рекомендуется собрать разные аудитории и протестировать их. Однако, как показывает практика, чем меньше загруженных исходных данных о пользователях, тем выше вероятность получить «мусорный» трафик.