От блогера к транзакции: как соединить influence-маркетинг и performance-маркетинг в единую систему роста продаж

Если бы статья писалась как сценарий к фильму, то называлась бы «Целевая аудитория и где она обитает». Нет-нет, мы не откатились на 10 лет назад. Наоборот, хотим подчеркнуть то, как быстро меняются тренды и рекламные стратегии. 

Сегодня маркетинг работает так, что недостаточно просто знать портрет целевой аудитории и встраивать рекламу в контент по её интересам. Борьба за миллионные просмотры у блогеров и за первые строчки в Яндексе, к сожалению, не всегда приводит к желаемому результату. Поэтому influence и performance-маркетинг требуют новых подходов. 

О них мы подробно рассказываем, ссылаясь на спикеров вебинара от WhoIsBlogger и First Data «От блогера к транзакции: как соединить influence-маркетинг и performance-маркетинг в единую систему роста продаж». 

Эксперты: 

Александр Старостин — генеральный директор, сооснователь компании First Data. 
Ольга Буркина — Account Group Head WIB. 

Вы узнаете об анализе транзакций и возможности выстраивать рекламные кампании на данных о покупках. А ещё о новых подходах в influence-маркетинге и способах измерять результаты и влияние на продажи. 

Содержание статьи: 

1. Транзакционные данные и их влияние на успех рекламных кампаний
2. Подход First Data, основанный на данных о покупках
3. Инсайты про маркетинг
4. Кампании, которые сработали на данных о транзакциях 
5. Influence-маркетинг по правилам таргета
6. Почему «как раньше» influence уже не работает
7. Как данные о покупках делают рекламу у блогеров более таргетированной
8. Как проследить связь influence-маркетинга с продажамиКак проследить связь influence-маркетинга с продажами
9. Выводы

Транзакционные данные и их влияние на успех рекламных кампаний

Influence и performance-маркетинг — рабочие инструменты в бизнесе. Но пользоваться ими так, как раньше или как конкуренты, становится неэффективно и очень дорого. Бренды привыкли работать на охваты и ориентироваться на попадание в интересы ЦА. Вот только траты на размещения в популярных каналах растут, а новые клиенты не приходят.  

Ярким примером высокобюджетной, но по факту неоправданной рекламы можно назвать сайт автопроизводителя Ferrari. Красивые ролики досматривают до конца, но продаж с сайта — ноль.  

Александр Старостин

Генеральный директор, сооснователь компании First Data

Если вы зашли на сайт Ferrari, следующие полгода вам будут предлагать недвижку в Дубае. Так работает вся система, которая основана на суперслое под названием "интерес".

Как First Data работает с данными о покупках и как они меняют маркетинг, разбираем в следующем разделе.   

Подход First Data, основанный на данных о покупках 

Рынок диктует новые правила. Чтобы влиять на продажи, лучше ориентироваться не только на запросы ЦА, но и опираться на цифры. А где их взять? 

Команда First Data работает не с интересами человека, а с реальными покупками, которые он совершал. Простое объяснение от Александра: 

«Если человек покупает корм для кошки, значит у него есть кошка». 

Тот факт, что кто-то смотрит контент про котиков и подписан на каналы о домашних животных, не делает его обладателем кошки и потенциальным покупателем корма. А факт покупки корма на прошлой неделе сигнализирует, что скоро человек снова отправится за продуктом. 

Из анализа транзакций складывается уникальная картинка про каждого пользователя: кто-то делает ремонт, у кого-то родился ребёнок, а кто-то собирается в путешествие. Сбор данных позволяет выделять тех, кто максимально близок к покупке, а не просто интересуется. И адресовать рекламу именно этой аудитории. 

Сегментирование ЦА на примере с кормом для кошки

Сервис First Data не только агрегирует данные, то есть хранит и даёт возможность доступа к каждому пользователю, а ещё и категоризирует (по транзакциям можно выделять нужные параметры) и предиктирует (находит для пользователей следующие покупки на базе циклов потребления, триггеров первой покупки и других технологий). 

Александр Старостин

Генеральный директор, сооснователь компании First Data

По каждой категории покупок есть понимание связанных покупок и цикловых, то есть тех, которые предшествуют.

Эти данные позволяют выделять ЦА и более эффективно настраивать:   

1. Онлайн-рекламу 
2. Connected TV 
3. Opinion leaders (размещения у блогеров)

Инсайты про маркетинг 

Для понимания, как данные о покупках помогают настраивать рекламу, делимся инсайтами от Александра Старостина. 

Инсайт №1: Как только пользователь в Яндекс — мы проиграли 

Выдачу по запросу определяет поисковая система. Если в рынке более трёх игроков, бренд не всегда попадает в TOP выдачи. 

First Data старается сделать так, чтобы люди увидели рекламу раньше, чем вбили запрос в Яндекс. Вот здесь и подключается знание связанных и цикловых покупок. 

Видим, что у пользователя заканчивается полис Осаго — стараемся прийти с рекламой раньше.

Инсайт №2: Клиенты (ЦА) не всегда те, кому мы хотим продать

Брифы отделов маркетинга часто сводятся к обобщению характеристик целевой аудитории. Если определять ЦА как «мужчины и женщины 20-45 лет», то найти реальных покупателей в этом огромном пласте сложно. 

Когда в First Data пришла сеть фитнес-клубов с запросом на поиск новых клиентов, очевидной категорией для рассмотрения стали спортсмены. Казалось, покупать абонементы в первую очередь должны они, но конверсий не было. 

Тогда специалисты First Data предложили посмотреть историю покупок 100 реальных клиентов сети. И среди них не оказалось спортсменов. Были покупатели фастфуда, подписок на онлайн-кинотеатры, но не беговых кроссовок и спорттоваров. 

Данные о покупках подсказали, что новыми клиентами фитнес-клуба с наибольшей вероятностью станут те, кто купит абонемент после праздников. А не те, кто уже активно занимается спортом. 

Александр Старостин

Генеральный директор, сооснователь компании First Data

Аудитория и необходимость выйти с предложением раньше всех максимально влияют на конверсионность при использовании данных. То же самое происходит и при оценке Opinion leaders, и при поиске человека в Smart TV, и в онлайн-рекламе.

Кампании, которые сработали на данных о транзакциях  

Собрали кейсы, которые подтверждают актуальность сбора данных для продвижения продуктов и брендов. 

В First Data обратилась сеть магазинов парфюмерии и косметики «РИВ ГОШ» с запросом выйти на CPO (стоимость привлечения покупателя) в 750 рублей. 

На основе данных о транзакциях команда First Data выделила тех людей, чьи траты на косметику и парфюмерию выше, чем в среднем по категории. Тех, кто конвертируется в новых клиентов с очень высокой эффективностью. 

Демонстрация кейса из вебинара от WIB и First Data

После сегментации аудитории под каждую категорию товаров проработали персонализированные креативы. Затем проанализировали связки сегментов с продвигаемой категорией, и наиболее конверсионные масштабировали.  

Этот подход позволил снизить CPO на 45% от планового — до 410 рублей. 

Другой кейс из практики First Data — продвижение сорбента «Полисорб». 

Кажется, это классика, где ЦА должна быть МЖ 20-45 лет. Кто покупает "Полисорб"? Все покупают "Полисроб"! Но так не работает.

Аналитики First Data смотрели на покупателей «Полисорба» и то, что они приобретали накануне или за пару дней. Условно на то, чем они могли отравиться. 

Демонстрация кейса из вебинара от WIB и First Data

Стало понятно, при покупке каких товаров с высокой вероятностью последует покупка «Полисорба» в течение нескольких дней. 

Рекламу направили на покупателей этих товаров, что дало бренду максимально высокие показатели досматриваемости роликов. 

Ещё одна успешная кампания реализована для S7. 

В России всего два направления, которые продаются сами: Москва – Сочи и Москва – Санкт-Петербург.

Поэтому команда First Data работала на дозагрузку рейсов региональных направлений. 

Здесь было важно выстроить понимание покупательского поведения конкретных людей в конкретное время. В какие месяцы они обычно летают в отпуск с семьёй, когда едут в гости к родственникам или в командировки. 

Демонстрация кейса из вебинара от WIB и First Data

Отслеживание момента предыдущих покупок помогло настроить таргет — рекламу запускали именно в этот момент. 

В результате рекламной кампании CR (коэффициент конверсии) вырос в три раза, а CTR (коэффициент кликабельности) увеличился на 47%. 

Знание данных о покупках полезно как для performance-маркетинга, так и для influence. Со вторым разбираемся ниже. 

Influence-маркетинг по правилам таргета 

Текущее восприятие бизнесом influence-маркетинга выглядит примерно так: есть понимание, что он может быть эффективнее, но сейчас тяжело. Многие компании сокращают или выводят бюджеты, отдавая предпочтение другим каналам. 

Ольга Буркина

Account Group Head, WIB

Здесь важно подчеркнуть, что influence — очень классный канал, мы видим это на наших многочисленных кейсах. Но ему не доверяют как инструменту продаж.

Доверие и бюджеты уходят в сторону performance-каналов, потому что отследить их эффективность и измерить конкретные показатели там легче.  

Что мешает развиваться в influence: 

1. Неразбериха с площадками (замедления, блокировки)
2. Медиаинфляция (блогеры не стоят дешевле)
3. Охват ≠ конверсии (низкий CPV сложно связать с ROI)

Получается, что маркетинг есть, а контроля над ним нет.

Почему «как раньше» influence уже не работает

При выборе блогеров маркетологи привыкли ориентироваться на такие критерии: 

1. Хороший ли показатель ER (вовлечённости) и другие похожие индексы; 
2. Насколько большие охваты и как они коррелируются со стоимостью рекламы; 
3. Look and Feel (понимание, удобный ли блогер для взаимодействия с ним). 

Правда в том, что эти параметры вообще не связаны с покупками. Привычный подход перестал работать так же эффективно, как раньше.  

Ольга Буркина

Account Group Head, WIB

Важно понимать, что сейчас правит потребитель. Нужно учитывать информацию о данных по покупкам из предыдущего раздела и использовать её дальше, в том числе в influence-маркетинге.

Пока это всё слова, давайте смотреть, что на деле. 

Предположите, у кого из блогеров больше аудитории, покупавшей одежду, обувь и аксессуары за последние три месяца? 

Сравнение блогеров на вебинаре от WIB и First Data

Ответ может вас удивить. Сразу отметим, что он не зависит от общего количества подписчиков, потому что аффинитивность измеряют относительно всех блогеров. 

Аффинитивность показывает, насколько концентрация целевой аудитории среди подписчиков блогера выше, чем в среднем в социальной сети. 

Реальность такова: 

Сравнение аудитории блогеров на вебинаре от WIB и First Data

В данном случае больше всего ЦА сосредоточено среди подписчиков Кати Конасовой. 

Это вообще неочевидно без данных. То есть интуиция не равно реальность. 

Если к привычным критериям выбора блогеров добавить опору на данные (например, аффинитивность), можно сильнее влиять на продажи и другие важные метрики, которые бренд хочет усилить influence-маркетингом. 

Как данные о покупках делают рекламу у блогеров более таргетированной 

Проблему осознали, важность обработки данных тоже. Но как это выглядит на практике? 

Платформа WIB работает в связке с базой First Data. Здесь можно определить аудиторию на основе данных о покупках и подобрать аффинитивных блогеров. 

Примеры параметров, которые позволяют выделить нужный сегмент ЦА и подобрать блогеров под неё: 

1. Купила продукты определённого бренда

Возвращаясь к кейсу «Полисорба», можно проследить: аудитория каких блогеров покупала конкретные препараты («Полисорб» или похожие) в какой-то период времени. 

Это уже прогретая аудитория, которая показывает, что среди подписчиков данного блогера есть определённый паттерн поведения. И его можно использовать для рекламы. 

1. Покупала комбинации категорий продуктов

Пример из бьюти-сферы: выделяем аудиторию, которая покупает не один продукт, а серию (шампунь + кондиционер или тональный крем + консилер). 

Собрали нужный сегмент аудитории на платформе WhoIsBlogger → увидели, у каких блогеров концентрируется данная аудитория → сделали с ними интеграции на продажу продуктов серии. 

1. Совершала покупки с определённой частотой и на определённую сумму

Для продажи авиабилетов можно выделить сегмент аудитории бизнес-класса как более платёжеспособной. Посмотреть, у каких блогеров она концентрируется, и делать для неё рекламное предложение через интеграции.

Как проследить связь influence-маркетинга с продажами 

Главным вопросом остаётся, как же отследить влияние рекламы у блогеров на продажи. 

Использование промокода имеет риск, что он распространится за пределы канала. Покупатели могут увидеть его не у конкретного блогера, а в других источниках, куда слили промокод. Тогда отделить эффект интеграций не получится. 

UTM-метки работают только онлайн и не для всех продуктов — тоже ощутимое ограничение, которое может исказить понимание. 

Оценить чистый эффект от блогеров на продажи помогает Sales lift исследование. 

Команда WhoIsBlogger строит исследование на сравнении двух групп: 

1. Тестовой — тех, кто подписан на блогеров из рекламной кампании и соответствует портрету ЦА. 

1. Контрольной — максимально похожих по соцдему и медиапредпочтениям людей, подписанных на подобных блогеров, но не из рекламной кампании. 

Разница между двумя группами и является эффектом от блогеров. 

Sales lift исследование даёт понимание: 

1. прироста продаж;
2. влияния блогеров;
3. ROI кампании (коэффициент окупаемости);
4. какие блогеры продают лучше. 

Influence в таком случае становится более управляемым каналом. Все озвученные выше проблемы решаются цифрами.

Influence способен системно давать performance эффект, если одновременно учитывать: аффинити подбор блогеров →  размещения рекламных предложений у блогеров → Sales lift исследование. 

Разберёмся на примерах. 

«Т2» обратились в WIB с запросом: нужно найти клиентов для B2B продуктов в Telegram. 

Логично пойти за новыми клиентами в бизнес-каналы, но решили проверить, где ещё сосредоточена целевая аудитория. Обработка данных показала, что на один бизнес-канал приходится три канала других тематик: маркетинг, PR и городские сообщества. То есть рекламу можно запускать в новых каналах, снижая расходы и увеличивая конверсию. 

Результаты рекламной кампании: 

1. CPV (стоимость просмотра) ниже на 41%
2. CPL (стоимость лида) меньше на 76%CR (конверсия) выше в 8 раз
3. CR (конверсия) выше в 8 раз

Аффинитивный анализ позволил найти специфичную аудиторию даже в такой перегруженной рекламой площадке как Telegram. 

Рекламная кампания производителя «Папа может» эффективно отработала только у аффинитивных блогеров. 

Как измеряли результат? 

На базе данных сначала сформировали сегмент тех, кто регулярно приобретал продукцию бренда. Затем оценили, среди каких блогеров из предыдущих рекламных кампаний концентрация лояльных бренду потребителей выше. Эти блогеры попали в группу аффинитивных. 

При сравнении двух групп блогеров оказалось, что аффинитивные показали рост совокупной выручки на 8,5 п.п и пенетрации бренда на 4,5 п.п. А другие блогеры (не аффинитивные) не повлияли на продажи. 

Ольга Буркина

Account Group Head, WIB

Важно знать, где находится ваша целевая аудитория. А чтобы видеть реальную картину и понимать, куда двигаться дальше, нужно замерять продажи.

Influence становится более прогнозируемым и оцифрованным, если пользоваться данными о транзакциях и проводить Sales lift исследования. 

Выводы 

1. Анализ транзакций позволяет составить уникальный портрет каждого пользователя и вовремя сделать предложение тем, кто максимально близок к покупке, а не просто интересуется продуктом. 

1. Знание связанных и цикловых покупок даёт рекламе возможность быть замеченной и воспринятой нужной целевой аудиторией вне зависимости от настроек Яндекса и других факторов. 

1. Если при выборе блогеров опираться на аффинитивность, получится сделать influence более управляемым, контролируемым и эффективным. 

1. Благодаря Sales lift исследованию можно проследить и измерить реальное влияние блогеров на продажи. Результаты помогут скорректировать или выстроить другую стратегию рекламных кампаний.