Главная › Новости

Как работает новая модель закупки цифровой наружки по контактам: кейс Gallery и «Яндекса»

Опубликовано: 01.10.2018

В декабре 2016 года Gallery запустила продажу цифровой наружной рекламы по контактам на основе технологий Яндекса. В первом квартале аудиторные закупки «наружки» в Москве опробовали четыре крупных клиента. Напомню, что о разработке системы измерений, которая позволит для каждого уличного экрана и времени суток определять размер аудитории, ее социально-демографические характеристики, а также число просмотренных одним человеком рекламных спотов, «Яндекс» объявил осенью 2016 года. К декабрю технология была запущена в эксплуатацию. Сейчас данные собираются в режиме реального времени по каждой конструкции, что позволяет агентствам и клиентам оперировать фактическими показателями. До этого рынок работал только с усредненными среднесуточными охватами конструкции, которые обновлялись два раза в год.

К концу марта 2017 года по новой системе на щитах Gallery прошли четыре рекламных кампании коммерческих рекламодателей. Gallery готова поделиться первыми реальными возможностями медиапланирования в наружной рекламе. Наши наблюдения за реальным поведением аудитории основаны на накопленном опыте реализованных размещений и на фактических результатах тестовой кампании, которую мы провели в конце февраля под собственным брендом. 

Для тестовой кампании мы взяли креатив собственного промо. 

Этап планирования и прогнозирования 

При традиционном планировании бюджет в 20 млн рублей по прайс-листу — это, например, месяц размещения на 41 конструкции. Вот показатели кампании: 

Мы поставили себе задачу максимизировать охват, ведь рекламодателю важнее купить «людей», аудиторию, а не рекламные конструкции. Чтобы увеличить охват, оставаясь в рамках бюджета, придется чем-то пожертвовать. К счастью, нам есть чем жертвовать: мы можем срезать избыточную частоту до 10 контактов на человека и сократить длительность кампании, ведь наша цель – охватить как можно больше людей с эффективной частотой, неважно за какой срок. 

Если мы больше не обязаны покупать определенные конструкции целиком (сквозным статичным размещением), то на тот же бюджет мы можем взять теперь больше конструкций – всю сеть, и таким образом расширить охват.

Итак, тестовая кампания по контактам длилась 10 дней, прогнозируемый охват аудитории старше 18 лет составил 69% или свыше 7 млн людей. 

Контакты планировалось набирать равномерно по всей сети Gallery и равномерно по дням, при этом вторую половину кампании мы решили сделать более интенсивной. 

Фактические результаты 

Интересно отметить, что фактическое поведение аудитории в конце февраля отличалось от прогноза, который «Яндекс» делал на основании ретроспективных данных, что еще раз подтвердило тот факт, что для digital-кампаний в «наружке» оперативное обновление информации – необходимость. В рамках нашей кампании охват накапливался более плавно, чем мы планировали, а частота росла быстрее. «Яндекс» проанализировал реальное поведение аудитории и уточнил прогноз на базе уже полученных фактических данных; анализ показал, что несмотря на более плавную кривую набора охвата, к концу кампании мы должны были выйти на плановые показатели. И мы приняли решение не менять медиаплан. 

В результате кампании мы достигли плановых показателей, но данный опыт показал нам, насколько реальное поведение аудитории в каждый определенный момент времени отличается от средневзвешенных данных, которыми мы привыкли оперировать. 

Кривые фактического набора охвата с определенной частотой показывают, что около 66% охваченных людей были охвачены с достаточной, но не избыточной частотой (от 3 до 20 раз). И лишь для трети охваченных людей частота была либо недостаточна, либо избыточна. 

Равномерность набора охвата по дням иллюстрирует гистограмма ниже. Напоминаю, что мы сознательно сделали вторую часть кампании более интенсивной. 

И в завершение, чтобы удостовериться в равномерности набора охвата по сети, мы посмотрели распределение набранных контактов по конструкциям. Чем больше кружок, тем больше на этой конструкции было набрано контактов. 

Итак, новая система закупки контактов на уличных цифровых билбордах на основе данных «Яндекса» позволила нам: 

– оптимизировать рекламные инвестиции – в рамках одного бюджета увеличивать охват аудитории (людей) за счет уменьшения избыточной частоты и длительности кампании; 

– контролировать и регулировать достижение показателей эффективности кампании в ежедневном режиме в зависимости от ситуации; 

– четко видеть реальный ход кампании в реальном времени. 

Как «Яндекс» собирает и анализирует данные 

Илья Губарев, руководитель группы перспективных продуктов коммерческого департамента «Яндекса»

 Измерения аудитории цифровых outdoor-конструкций, строятся на геоинформационных и рекламных технологиях «Яндекса». У геосервисов компании есть данные о загруженности дорог и скорости потока, у «ЭСПАР-аналатик» –информация о зоне видимости экранов. Зная все эти вводные, «Яндекс» может вычислить аудиторию каждого из digital-щитов за любой период времени. Определить социально-демографические характеристики помогают технологии машинного обучения, которые лежат в основе «Яндекс.Крипты». Мы берем базовые данные о положении щитов относительно дороги и зоны видимости у компании «ЭСПАР-Аналитик» и рассчитываем время нахождения каждого пользователя в зоне обзора в зависимости от его скорости. Для определения аудитории мы анализируем обезличенные данные пользователей мобильных приложений, передающих информацию о своем перемещении. Далее применяем их в общепринятых формулах: A (Аудитория) = суточный поток в зоне видимости. N (Количество увиденных роликов) = время нахождения в зоне обзора + (продолжительность ролика - 1)/продолжительность ролика M (вероятность увидеть ролик в блоке) = N/n роликов в блоке OTS ролика = A*M*DFF (фактор динамической смены = 1.5 для конструкций больше 10 м2 и = 1.2 для конструкций меньше 10 м2) Понятно, что не все 100% потока покрыты нашими сервисами. Поэтому мы нашли интересный, на мой взгляд, способ достроить информацию об неохваченной аудитории. У нас есть данные о границах дорог и сигналы от устройств с нашими приложениями, чьи владельцы дали согласие на обработку обезличенных данных. Когда автомобили останавливаются на светофоре, они оказываются в условном прямоугольнике-выборке. Часть из них мы видим, и, ориентируясь на них, по неестественным пустотам восстанавливаем поток. 

Автор: Татьяна Беляева, консультант по маркетингу Gallery