Forum IAB 2014 – największa konferencja o marketingu internetowym - odbyła się 4-5 czerwca w Warszawie. Artur Banach, prezes Netsprint, wystąpił w bloku performance marketing z prezentacją "Audience targeting - tips & tricks".

1. artur.banach@netsprint.eu 1
Audience Targeting
Tips & Tricks

2. artur.banach@netsprint.eu 2
Prawdziwy Klient – podobieństwa i różnice

3. artur.banach@netsprint.eu 3
1,22% vs 98,78%
uśredniony poziom konwersji w sklepach
na platformie RTB Adfocus
Prawdziwy Klient występuje rzadko
Źródło: Dane własne, kwiecień 2014

4. artur.banach@netsprint.eu 4
Priorytety polskich marketerów (agencje)
Źródło: Rynek Reklamy Kontekstowej 2013 w Polsce – raport Adkontekst

5. artur.banach@netsprint.eu 5
Pomysł # 1:
Retargeting
Prawdziwy Klient występuje rzadko

6. artur.banach@netsprint.eu 6
Dobór właściwej powierzchni emisyjnej
Źródło: Adform, dane uśrednione dla rynku polskiego, kwiecień 2014

7. artur.banach@netsprint.eu 7
Nie tylko post click
Kampania Chocolissimo na platformie RTB Adfocus
Zestawienie konwersji post views, post engagement, post click
Źródło: Dane własne, Luty 2014

8. artur.banach@netsprint.eu 8
Wpływ „lookback window” na konwersje
Kampania sklepu odzieżowego z użyciem Adkontekst eCommerce
retargeting spersonalizowany w modelu CPC
Źródło: Dane własne, kwiecień-maj 2014

9. artur.banach@netsprint.eu 9
Reklamodawcy: potrzeby i wyzwania
Kim właściwie są moi klienci?
Kto odwiedza moje witryny,
a kto dokonuje zakupu?
Gdzie i jak ich mam szukać
w sieci?
Retargeting? Ok., ale ja
chcę pozyskiwać nowych
klientów!

10. artur.banach@netsprint.eu 10
Pomysł # 2:
Kim właściwie
jest mój Klient
Prawdziwy Klient występuje rzadko

11. artur.banach@netsprint.eu 11
Ostatnie 12 godzin
Dodał 5 produktów do koszyka, ale nie kupił
Ostatnie 3 dni
Interesują go: motoryzacja, auta rodzinne, Skoda
Ostatnie 28 dni
Interesują go: nieruchomości, wynajem, Warszawa
Ścieżka akcji użytkownika

12. artur.banach@netsprint.eu 12
Ulubione tematy
(na bazie analizy przeglądanych
treści i wpisywanych zapytań)
• Zachowania dzieci
• Przedszkole
• Fitness
Jak zrozumieć użytkownika?
• Kobieta
• 25-40 lat
• 2 dzieci
• Mieszka w dużym
mieście
• Zdrowie dzieci
• Moda i uroda
• Urządzanie wnętrz
• Turystyka
Szuka akcesoriów turystycznych
dla dzieci w wielu do 2 lat
(łóżeczka turystyczne, lekkie
wózki spacerowe)
ANNA, 26 lat, 2 dzieci

13. artur.banach@netsprint.eu 13
Czy widzowie Klanu oglądają Spartakusa?
Źródło: Badanie własne zachowań użytkowników serwisu VOD.Onet.pl z użyciem platformy NetSprint Audience, maj 2014

14. artur.banach@netsprint.eu 14
Kto ogląda Kubusia Puchatka?
Źródło: Badanie własne zachowań użytkowników serwisu VOD.Onet.pl z użyciem platformy NetSprint Audience, maj 2014

15. artur.banach@netsprint.eu 16
Kto się interesuje sportem?
Źródło: Badanie własne zachowań użytkowników
serwisów sportowych sieci Adkontekt z użyciem
platformy NetSprint Audience, maj 2014

16. artur.banach@netsprint.eu 17
A kto motoryzacją?
Źródło: Badanie własne zachowań użytkowników serwisów motoryzacyjnych
sieci Adkontekt z użyciem platformy NetSprint Audience, maj 2014

17. artur.banach@netsprint.eu 18
Siła serwisów wertykalnych
Źródło: Badanie własne zachowań użytkowników serwisu kobieta.onet.pl/uroda
z użyciem platformy NetSprint Audience, maj 2014

18. artur.banach@netsprint.eu 19
A co z moimi
Klientami…?
Prawdziwy Klient występuje rzadko

19. artur.banach@netsprint.eu 20
Kim są moi klienci?
Źródło: Dane z kampanii marketu budowlanego w sieci Adkontekst

20. artur.banach@netsprint.eu 21
Kim są moi klienci?
Źródło: Dane z kampanii suplementu diet w sieci Adkontekst

21. artur.banach@netsprint.eu 22
Wpływ profili użytkowników na CTR
Źródło: Dane z kampanii operatora telekomunikacyjnego w sieci Adkontekst, kwiecień 2014
Kampania operatora telekomunikacyjnego w sieci Adkontekst

22. artur.banach@netsprint.eu 23
Jakie sposoby
na nowych klientów
mają inni?
Przykłady użycia

23. artur.banach@netsprint.eu 24
Źródło: Online Advertising Survey, Econsultancy&Rubicon
Jakie dane wykorzystują inni?
Jaka część kampanii reklamowych bazuje na danych

24. artur.banach@netsprint.eu 25
• Grupa docelowa: użytkownicy czytający artykuły
i odwiedzający strony produktów zawierające
wskazane słowa kluczowe
• Produkt: wycieczki Stena Line
• Efekt: 33% wzrost współczynnika konwersji
kampanii targetowanych behawioralnie i 86%
wyższa konwersja dla kampanii retargetingowych
% nowych wizyt współczynnik konwersji
Targetowanie kontekstowe 88.26% 5.37%
Targetowanie behawioralne 93.65% 7.14%
Retargeting 0% 10%
Reklama w sieci kontekstowo-behawioralnej
Źródło: Dane z kampanii Stena Line w sieci Adkontekst

25. artur.banach@netsprint.eu 26
• Grupy docelowe: użytkownicy o różnych
profilach zainteresowań dla różnych
kategorii gier
• Produkt: Produkty płatne Onet – VOD oraz
gry on-line
• Efekt: średni wzrost CTR o 48% w
rekomendacjach opartych o zachowania
użytkowników
Rekomendacja gier on-line na Onet.pl
Źródło: Dane z kampanii Onet w sieci Adkontekst

26. artur.banach@netsprint.eu 27
Rekomendacja artykułów na portalu
Średni CTR w przedziale
4,5% - 8%
w zależności od kategorii
Źródło: Dane własne sieci content marketingowej ContentStream

27. artur.banach@netsprint.eu 28
Content Marketing – Kampania Austria.info
Źródło: Google Analytics

28. artur.banach@netsprint.eu 29
1. Adkontekst Audience Report
2. Spółdzielnia Danych
Co dalej?

29. artur.banach@netsprint.eu 303
0
Adkontekst Audience Report
Adkontekst Audience Report to kompleksowy raport zainteresowań
użytkowników konkretnego serwisu.
Odpowiada na pytania:
1. Co charakteryzuje Twoich klientów?
2. Jak możesz ich segmentować?
3. Jak się z nimi komunikować?
4. Gdzie ich znajdziesz w sieci?
5. Jacy użytkownicy najchętniej angażują się na Twoim serwisie?
Ale też: którzy użytkownicy nie angażują się i nie kupują u Ciebie na serwisie?
W efekcie:
• Wiesz, jak przygotować treści reklamowe .
• Lepiej planujesz kampanię reklamową.
• Lepiej dostosujesz ofertę do zainteresowań użytkowników.

30. artur.banach@netsprint.eu 31
Jak działa Spółdzielnia Danych?

31. artur.banach@netsprint.eu 32
Informacje o użytkownikach
Typy profili użytkowników
3 grupy danych
Profil
demograficzny
Profile
zainteresowań
Intencje
zakupowe
Dane demograficzne
zgromadzone przez
dostawców danych
np. przy zakładaniu
konta pocztowego
przez użytkownika
Zachowania
użytkowników
na serwisach
internetowych
(czytane artykuły,
przeglądane kategorie,
wyszukiwane hasła)
Zapytania
użytkowników
do wyszukiwarek
eCommerce oraz
przeglądane kategorie
produktów

32. artur.banach@netsprint.eu 33
Korzyści Dostawców Danych
 Atrakcyjny produkt reklamowy umożliwiający korzystanie z profili we
własnym adserwerze na preferencyjnych warunkach (dot. większych
partnerów)
 Dodatkowe źródło przychodu (przychód ze sprzedaży danych rozliczany
proporcjonalnie do wkładu dostawcy w dany silos)
 Kupujący dane mają silny bodziec cenowy do emitowania kampanii
reklamowych tylko na stronach dostawców
 Wzrost przychodów z RTB
 Brak długofalowych zobowiązań - każdy dostawca
może wystąpić/przystąpić do Spółdzielni bez
podejmowania kroków formalnych i konieczności
prowadzenia poważnych prac IT
 Gwarancja bezpieczeństwa danych i przejrzystości działań

33. Na wynos:
1. Gromadź wszystkie możliwe dane
o klientach. Kim są? Czym się różnią
od niekupujących? Jak i gdzie
funkcjonują w sieci?
2. Eksperymentuj z retargetingiem:
nie tylko PC, look-back .window,
ATF/BTF, domeny/exchanges.
3. Opieraj się na danych, a na nie
intuicji.
4. Oprzyj media plan i kreacje
o zrozumienie danych z pkt 1.
Podsumowanie

34. Na wynos:
5. Szukając nowych klientów –
rozważ prowadzenie optymalizacji
w oparciu o wyniki segmentów
użytkowników, a nie tylko
poszczególnych źródeł ruchu
6. Przełam podział na silosy – dane
wykorzystuj nie tylko w kampaniach
reklamowych
Podsumowanie – cd.

35. artur.banach@netsprint.eu 36
Dziękuję
artur.banach@netsprint.eu