Традиционная сегментация начинается с гипотезы: женщины от двадцати пяти до сорока лет, владельцы малого бизнеса, люди, бросившие корзину. Это полезные ярлыки, но это также догадки, обычно унаследованные из документа о персонажах, написанного людьми, которые никогда не видели данных. Сегментация аудитории с помощью AI переворачивает процесс. Вы даете модели записанное вами поведение, и она возвращает группы, которые действительно существуют в нем, которые часто не соответствуют ни одной демографической линии, которую вы бы провели.
Результаты часто бывают неудобными. У одного розничного аккаунта, с которым мы работали, было три персонажа в бренд-деке и шесть четких поведенческих кластеров в данных о покупках, причем самый большой кластер не соответствовал ни одному из персонажей. Другой обнаружил, что его самая ценная группа определялась не тем, кем они были, а тем, когда они покупали: узкое окно в будние дни утром, которое пересекало все демографические показатели. Ни один из этих инсайтов не был доступен человеку, читающему дашборд, потому что оба они были взаимодействиями между переменными, а не свойствами одной.
Сегментация аудитории с помощью AI работает на основе поведения, а не атрибутов
Входные данные, которые создают полезные кластеры, почти всегда поведенческие: давность, частота, денежная стоимость, микс категорий, время до первой покупки, чувствительность к скидкам, канал первого контакта, глубина сессии до конверсии. Демографические поля могут быть включены, но они, как правило, доминируют в кластеризации по неинтересным причинам и вытесняют сигнал, который вы хотели получить. Начните с поведения, добавляйте атрибуты позже, только если они улучшают разделение.
На практике это означает, что работа происходит в вашем собственном хранилище данных или экспорте CRM, а не на рекламной платформе. Платформа знает, что произошло на ее собственной поверхности. Ваши собственные записи знают, что произошло потом, и это та часть, которая определяет ценность. Любая сегментация, построенная только на сигналах рекламной платформы, будет предвзята в сторону канала, который привел к клику.
Выбор количества групп
Алгоритмы кластеризации с радостью дадут вам три группы или тридцать. Правильное число — это операционный вопрос, а не статистический. Если вы не можете написать другое объявление, другое предложение или другую целевую страницу для сегмента, этот сегмент не должен существовать. На практике от четырех до семи используемых кластеров — это диапазон, на котором останавливается большинство аккаунтов среднего размера. Выше этого группы размываются, и у креативной команды заканчиваются действительно разные вещи, которые можно сказать.
Проверяйте перед тем, как что-то строить. Кластер реален, если он стабилен при повторном запуске в другом временном окне, если он достаточно велик, чтобы охватить его в кампании, и если он отличается по результату, который вас волнует, а не только по входным данным, использованным для его формирования. Кластеры, которые не проходят тест на стабильность, обычно являются артефактами акции или сезонного всплеска.
Превращение кластеров в то, на что можно таргетироваться
Кластер — это список клиентов. Рекламные платформы хотят либо загрузки этого списка в качестве аудитории соответствия, либо правила, описывающего его. Оба пути работают, и у них разные режимы сбоев.
- Загруженные списки дают точное членство, но устаревают: люди перемещаются между кластерами, и список, обновляемый ежеквартально, становится неверным к концу квартала.
- Приближения на основе правил остаются актуальными, но теряют точность, поскольку платформа может видеть только те переменные, которые она содержит.
- Расширение похожей аудитории из кластера работает хорошо, когда кластер поведенчески отличается, и плохо, когда он в основном является артефактом размера.
- Обновления аудитории на стороне сервера поддерживают списки в актуальном состоянии без ручного экспорта и стоят затраченного инженерного времени, как только у вас появляется более трех сегментов.
- Исключение часто ценнее, чем таргетинг: исключение низкоценного кластера часто повышает эффективность больше, чем погоня за высокоценным.
Этот последний пункт используется недостаточно. У большинства аккаунтов есть кластер, который легко конвертируется, часто возвращается и стоит в обслуживании больше, чем приносит. Найти его с помощью сегментации аудитории с помощью AI, а затем исключить из поиска — это изменение в одну строку с измеримым эффектом на смешанную маржу.
Дайте каждому сегменту разное сообщение
Сегментация без дифференцированного креатива — это дорогой способ запустить одну и ту же кампанию дважды. Как только кластеры подтверждены, следующая задача — описать каждый из них простым языком: что они покупают, когда, на что реагируют, чего никогда не делают. Это описание — креативный бриф. Если все описания читаются одинаково, ваши кластеры не были значимыми, и вам следует сделать шаг назад.
Мы обычно пишем профиль из одного абзаца на сегмент и тестируем его внутри компании: дайте его кому-то, кто не видел данных, и спросите, смог бы он выбрать этого клиента в комнате. Если не могут, значит, сегмент еще не готов к действию.
Запускайте его снова, по расписанию
Клиентские базы дрейфуют. Сегментация, построенная в январе, описывает бизнес, которого больше не существует в октябре, особенно после изменения цен, новой линейки продуктов или значительного сдвига каналов. Запускайте кластеризацию ежеквартально и сравнивайте: стабильные кластеры подтверждают модель, а кластеры, которые разделяются или объединяются, говорят вам, что что-то изменилось в бизнесе, часто до того, как это сделают отчеты о доходах.
Стратегическая ценность сегментации аудитории с помощью AI заключается не в лучших параметрах таргетинга. Это более точная картина того, кем на самом деле являются ваши клиенты, построенная на том, что они сделали, а не на том, кем, по решению семинара, они были. Таргетинг — это только первое, что вы делаете с этой картиной.
Читайте дальше: Оптимизация рекламы с помощью AI
Связанная услуга: Оптимизация рекламы с ИИ