Wykorzystanie lookalike audiences do odwrócenia ścieżki marketingowej i generowania wartościowych leadów

Opublikowany: 2022-08-04

Jako marketerzy przyzwyczailiśmy się do tego, że pozwalamy platformom społecznościowym (w szczególności Facebookowi, czyli Meta) wykonywać naszą pracę za nas.

Pozwalamy tym platformom śledzić drogę klienta od naszych reklam aż do konwersji. Pozwalamy im patrzeć. Pozwalamy im się uczyć, a algorytm optymalizujemy i docieramy do odpowiednich odbiorców.

Algorytm zrobił wszystko. To było wygodne i łatwe.

Na samym początku Facebook dzielił się z nami tymi informacjami, a my mogliśmy uczyć się w tym samym czasie, co uczył się algorytm. Kiedyś mogliśmy analizować naszych odbiorców, naszych obserwujących, co im się podobało, w jakim byli wieku, jakiej płci, stanu cywilnego, jakie inne strony odwiedzali i jakie inne strony obserwowali. Wiedzieliśmy tyle samo, co algorytm.

Ale wtedy te informacje nie były już dostępne. Nie obchodziło nas to jednak, ponieważ algorytm robił swoje i osiągaliśmy niesamowite wyniki. Więc czuliśmy się wygodnie, zbyt wygodnie.

Przewiń do kwietnia 2021 r. i wydania iOS 14.5

Świat marketerów używających Meta trochę się zawalił.

Dla niektórych implodował bardzo.

Użytkownicy musieli być pytani o zgodę na śledzenie w aplikacjach i witrynach internetowych, a 95% z nich zdecydowało się nie udzielić takiej zgody w USA (84% na całym świecie).

Od tego czasu platformy mediów społecznościowych mają okropny wgląd w to, co dzieje się z ludźmi, którzy klikają reklamę. Kiedy opuszczą Meta, to prawie wszystko!

Meta wykonała trochę pracy, aby przedstawić szacunki. Ale z mojego doświadczenia wynika, że ​​takie rzeczy jak wejścia na stronę docelową, a nawet atrybucje konwersji są dalekie od rzeczywistych liczb (dzięki Google Analytics i UTM za możliwość śledzenia kopii zapasowych).

Kierowanie na zainteresowania to jedno z niewielu narzędzi, które nam pozostały.

Tak więc teoria polega na zasilaniu lejka zimnymi leadami na etapie świadomości marki, aby przepływały przez lejek i konwertowały bez barier.

Jest jeden problem: ponieważ algorytmy wciąż mają problem z odróżnieniem interakcji pozytywnej od interakcji negatywnej, a także ze zrozumieniem kontekstu – zaangażowanie i zainteresowanie daną marką może nie oznaczać, że chcą, by ta marka się do nich zwróciła.

Marketing oparty na zainteresowaniach jest dobrym punktem wyjścia, ale wielokrotnie mija się z celem.

Badacze przeanalizowali dokładność aktywności Facebooka w ich reklamach opartych na zainteresowaniach i odkryli, że prawie 30% zainteresowań wymienionych przez Facebooka nie było prawdziwymi zainteresowaniami. Oznacza to, że jeśli Twoja reklama jest oparta na liście zainteresowań, możesz przegapić znak w około 30% przypadków.

To badanie jest pierwszym tego rodzaju i ma stosunkowo mały zbiór danych, ale patrząc na komentarze i zaangażowanie generowane w reklamach opartych na zainteresowaniach, które wyświetlałem, widzę największy procent zdezorientowanych i niezadowolonych komentarzy na temat tego zestawu reklam, więc NC State jest na czymś tutaj.

Jeśli dotarłeś do tego punktu artykułu, możesz ponownie przemyśleć swoje życiowe wybory jako płatny marketingowiec w mediach społecznościowych.

Jednak na platformach nadal jest coś bardzo przydatnego:

Podobni odbiorcy

Facebook może nie mieć tylu informacji o Twoich konwerterach, co wcześniej, ale Ty – lub Twoi klienci – masz!

Zamiast podawać tę teoretyczną ścieżkę do zimnych odbiorców, przejdźmy do końca ścieżki i znajdźmy ludzi takich jak konwertery.

Proces jest podobny na wszystkich platformach:

  • Pobierz listę początkowych konwerterów.
  • Utwórz niestandardową grupę odbiorców za pomocą tej listy, przesyłając ją na wybraną platformę mediów społecznościowych.
  • Platforma dopasuje informacje do tego, co wiedzą o każdej osobie na platformie (najczęściej e-mail lub numer telefonu).
  • Aby ta lista była ważna, wymagana jest minimalna liczba dopasowań, a każda platforma ma swoje własne zasady.
  • Po utworzeniu i zatwierdzeniu niestandardowych odbiorców możemy wygenerować podobnych odbiorców, w których mówimy platformie „znajdź osoby o podobnych profilach” osobom z tej listy.

Tworząc lookalike audiences, przenosimy ścieżkę i przewracamy ją do góry nogami. Zaczynamy od dołu i generujemy listę zimnych odbiorców, tak podobnych do naszych obecnych konwerterów, że można ich prawie uznać za ciepłych odbiorców.

Obecnie korzystamy z platform mediów społecznościowych, aby pomóc nam tworzyć persony na podstawie danych, o których wiemy, że są dokładne, a następnie ukierunkować je.

Platformy dużo wiedzą o naszym zachowaniu na platformie. Nie są idealne, ale te wygenerowane przez platformę persony są o wiele dokładniejsze niż wnioskowane zainteresowania.

Czemu?

Ponieważ nie kierujesz się na jedno zainteresowanie, jeden element, który będzie nieistotny w 30% przypadków. Celujesz w grupę elementów, zainteresowań lub zachowań platformy. To znacznie zmniejsza niedokładność.

Po wykonaniu testów A/B między odbiorcami opartymi na zainteresowaniach a odbiorcami podobnymi mogę stwierdzić, że moje wyniki poprawiły się nawet o 40% w przypadku niektórych odbiorców podobnych. Czasami wyniki są tak małe, jak 15%, ale podejmę wszelkie ulepszenia i wydajność, jakie mogę uzyskać przy optymalizacji moich reklam.

Czy to nie przywróciłoby zbyt dużej kontroli algorytmom?

Czy przygotowujemy się do tego samego scenariusza, który mieliśmy przed iOS 14.5, pozwalając algorytmom uruchamiać nasze płatne media? Tak i nie.

  • Jest trochę zaufania, które oddajemy algorytmom, ale teraz wiemy, że nie należy wkładać wszystkich naszych jajek do jednego koszyka. Wiemy, że zainteresowania zidentyfikowane przez Facebooka są nadal trafne w 60-70%, więc znajomość zainteresowania odbiorców jest bardzo ważna, nawet jeśli trochę mijamy się z celem.
  • Zmieniają się widzowie, zmieniają się ich zainteresowania, a my powinniśmy iść razem z nimi. Czy możesz mi powiedzieć, że twoja publiczność wygląda teraz tak samo, jak w 2019 roku? Moją rekomendacją jest jak najczęstsze korzystanie z podobnych odbiorców, ale uzupełnianie ich reklamami opartymi na zainteresowaniach i ciągłe testowanie A/B ich skuteczności.

Rozważ cel swojej kampanii

Czasami podobni odbiorcy są dobrzy w konwersji, ale mogą nie być tak dobrzy w zaangażowaniu.

W jednym z testów podziału A/B, który przeprowadziłem, grupa odbiorców oparta na zainteresowaniach miała o 30% wyższy koszt kliknięcia, ale wskaźnik pozytywnego zaangażowania był podwójny. Ta publiczność nie nawracała się, oni rozpowszechniali przesłanie.

Potrzebujemy nie tylko odbiorców, którzy skutecznie podążają ścieżką prowadzącą do konwersji, ale czasami potrzebujemy również odbiorców, którzy nas dopingują i pomagają nam szerzyć świadomość.

Rozważ to przed użyciem sobowtórów

Podobni odbiorcy opierają się na liście niestandardowej (listy początkowej), a ta lista powinna być tworzona tylko z danymi, które posiadasz i masz uprawnienia do używania.

Sprawdź zasady każdej platformy dotyczące list niestandardowych, aby lepiej to zrozumieć.

Aktualizuj swoje listy i politykę prywatności

Jeśli ludzie zrezygnują z subskrypcji Twoich wiadomości, zaplanuj aktualizację swoich podobnych odbiorców.

Jeśli ludzie nie chcą o Tobie słyszeć, dlaczego miałbyś reklamować się komuś o tym samym profilu?

Pamiętaj: platformy zmieniają się z czasem, więc musimy ewoluować wraz z nimi, aby pozostać na czasie, a czasami oznacza to powrót do podstaw. Powodzenia.

Obejrzyj: Wykorzystanie lookalike audiences do odwrócenia ścieżki marketingowej i generowania wartościowych leadów

Poniżej znajduje się pełny film z mojej prezentacji SMX Advanced.


Opinie wyrażone w tym artykule są opiniami gościa i niekoniecznie Search Engine Land. Lista autorów personelu znajduje się tutaj.