Éppen szörföltem a globális interweben, amikor a Dynamic Logic oldalán belefutottam egy az online hirdetések célzásával kapcsolatos dokumentumba (pdf), amely rövid, de informatív és tanulságos összefoglalót ad a különböző targetálási opciókról.
Az online hirdetés sokat hangoztatott előnye a pontos célozhatóság, ugyanakkor a hirdetők a célcsoportjuk szélesebb elérése érdekében gyakran lemondanak erről, s nagy látogatottságú felületeket, pl. portál nyitó oldalakat választanak. (Ilyenkor legtöbb esetben a nagyobb meddőszórás ellenére is alacsonyabb fajlagos költségekkel lehet számolni.) A targetálásnál az jelenti a kihívást, hogy megtaláljuk azt a megoldást, amely úgy használja ki a rendelkezésre álló lehetőségeket, hogy költséghatékony is marad: azaz a lehető legjobb eredményt éri el a legkisebb veszteség mellett. (A targetálási felárakkal együtt a hirdetés költséghatékonyabban teljesít, mint kevesebb – és olcsóbb – targetálási opcióval.)
A dokumentum az alábbi targetálási típusokat sorolja fel:
- attitudinális (érdeklődés, értékek)
- viselkedés alapú (böngészési és keresési előzmények)
- kikövetkeztetett érdeklődés (pl. érdeklődik az autók iránt)
- megjósolt válasz (pl. hajlamos autóhirdetésekre kattintani)
- impulzus (pl. autós aktivitás az elmúlt fél órában)
- kontextuális (site-szintű, rovat-szintű, tartalom-szintű: kulcsszó, cimke)
- napszak szerinti
- demográfiai (kor, nem, tartózkodási hely, jövedelem stb.)
- run-of-network (targetálás nélküli network megjelenések)
- újratargetálás (hirdetés sorozat vagy egy felhasználó ismételt site-látogatása esetén)
- technológiai (számítógép típus)
A demográfiai célzás legtöbb esetben korra, nemre és lakóhelyre szűrt hirdetéseket jelent. Ez a fajta célzás általános demográfiai profilokon, illetve a site-on a felhasználók által megadott információkon alapulhat. A földrajzi szűrés alapulhat az IP címen (amennyiben az IP tartományok kiosztása megfeleltethető régióknak és városoknak; ez Magyarországon – mint ismeretes – nincs így), illetve a felhasználók által megadott adatokon.
Az attitudinális célzás ugyancsak a felhasználók által – pl. közösségi oldalakon – megadott adatokon alapszik. A kihívást itt az jelenti, hogy ezeket az információkat következetes és használható targetálási opcióvá alakítsák a szolgáltatók.
A kontextuálisan célzott hirdetés site-, rovat- vagy tartalom-szintű lehet, és azon alapszik, hogy a hirdetés témájához hasonló tematikájú felületeken épp a megfelelő tudatállapotban éri a reklám a felhasználót. Az előbbi két esetben a hirdetés témája szerint választunk releváns site-ot, rovatot, míg a tartalom-szintű targetálás esetében az adott cikk tartalma (kulcsszó, cimke) alapján jelenik meg a hirdetés (pl. Google tartalmi hálózat, ETARGET). A site-, rovat- vagy tartalom-szintű célzás kombinálható is. A kontextuális hirdetés hátulütője, hogy a hirdetés jó eséllyel azonos kategóriába tartozó egyéb hirdetésekkel fog versenyezni az oldalon. A kontextushoz nem illeszkedő hirdetések jobban kiemelkedhetnek, de nem biztos, hogy a megfelelő embereket érik el, vagy éppen a megfelelő felhasználókat, de nem a megfelelő tudatállapotban.
A viselkedés alapú targetálás a felhasználó korábbi online aktivitásain alapul, és abban az esetben használható, ha a hirdetési networkben számos különböző website található, ahol különböző típusú viselkedések figyelhetők meg. A viselkedés alapú targetálás leggyakrabban a böngészési és keresési előzmények alapján kikövetkeztetett érdeklődésen alapul. A viselkedési profilok friss volta egy image kampány esetén kisebb jelentőségű, más kategóriáknál viszont – pl. utazás vagy kereskedelem, ahol a kereséstől a vásárlásig való eljutás viszonylag rövid idő alatt történik meg – fontos a viselkedési profilok gyakori frissítése. A viselkedés alapú targetálás jól jöhet abban az esetben is, amikor a kontextuális hirdetési helyek foglaltak, ill. túlságosan drágák.
Itthon a viselkedés alapú targetálás teszt-szinten működik, várva várjuk az első hazai esettanulmányokat! A hirdetések célzásával kapcsolatban lásd még az Onlinemarketing blog vonatkozó bejegyzéseit.
A dokumentum megerősíti az egyik kedvenc vesszőparipámat, hogy ti. lehet bármilyen jó a targetálás, rengeteg múlik a kreatív minőségén és üzenetén. A célcsoport szegmentálása, és az egyes alszegmenseknek szóló, akár a profiljuk alapján dinamikusan változó ajánlatok jelentősen javítják a hatékonyságot. Sajnos a legtöbb esetben a szegmentáció megreked a célcsoport alszegmenseinek felderítésénél, amit azután egyenüzenet kommunikálása követ, így korántsem egyértelmű (a felhasználó számára), hogy az adott hirdetés miért éppen az adott helyen ül.
A különböző targetálási opciók persze össze is kapcsolhatók. Hasznos kombinációt jelenthet a demográfiai és kontextuális targetálás összekapcsolása (pl. pénzügyi szolgáltatást hirdetünk gazdasági oldalon 18+ nőknek), illetve a demográfiai és viselkedés alapú célzás kombinálása (pl. családi autót hirdetünk középkorú közönségnek). Kevésbé releváns viszont a kontextus és viselkedés alapú célzás összekapcsolása. Ajánlott tesztelni, hogy melyik az a megoldás, amely a célok szempontjából leg(költség)hatékonyabban működik.
A Dynamic Logic MarketNorms adatbázisa szerint a különböző targetálási opciók általánosan az alábbi kategóriákban működnek hatékonyan:
- demográfiai célzás – CPG (consumer packaged goods),
- kontextuális célzás – tartós fogyasztási cikkek és szolgáltatások,
- viselkedés alapú célzás – speciális termékek, elektronikai cikkek.
A profilok használata persze nem csupán a hirdetések kiszolgálása esetén jöhet jól, hanem az adott webhelyen is. A napokban hallgattam meg egy Omniture webinart (Best practices in online B2B marketing from the Omniture team), amely a saját site-on gyűjthető profil adatokkal, valamint azzal foglalkozott, hogy ezek hogyan hasznosíthatók a site-konverzió javítására és a különböző online aktivitások – display hirdetés, keresőhirdetés, SEO, email kampány, közösségi média, mobil – optimalizációjához. Először egy konkrét B2B példán vezették végig a viselkedési és demográfiai profil kialakítását, attól kezdve, hogy a felhasználó milyen forrásból érkezett, milyen tartalmakat nézett meg és milyen kereséseket indított az oldalon (viselkedési profil), egészen addig, amíg a regisztrációjával a teljes demográfiai profilját is “feltöltötte”.
Az Omniture egyik célcsoportja, az online marketinges (egyéb célcsoportok: marketing vezető, webanalitika szakértő)
Egyszerű targetálás: érkezési oldal testre szabása referer (jelen esetben: keresőszó) alapján és az oldalon végzett keresés szerint kiszolgált banner (kattintásra megnő)
A demográfiai és viselkedési profilok összekapcsolásával pedig rangsorolhatók a látogatók abból a szempontból, hogy mennyire értékesek a cég számára. Az alábbi példában “A” minősítést kapnak azok a cégek, amelyek a legvonzóbb célcsoportját jelentik a szolgáltatásnak (nagyvállalatok forgalmas website-tal), 1-es minősítést pedig azok, akiknek a viselkedési profilja a legkedvezőbb (olyan oldalakat néztek meg, amik vásárlási hajlandóságra utalnak).
Profil pontozás
A különböző szegmensek így fontosságuknak megfelelően kezelhetők (follow-up email, telesales, személyre szabott ajánlatok a site-on stb.).
Profilra szabott üzenetek emailben és a site-on (kattintásra megnő)
A profil adatok – az analitika és az adserver összekapcsolásával – felhasználhatók más site-okon a hirdetések targetálásához, azaz az adott profilú felhasználó a számára releváns hirdetéseket fogja látni egy másik oldalon. Ezen felül az egyes szegmenseknek szóló különböző hirdetések tesztelésével a konverziós arány tovább javítható.
Profil alapján targetált bannerek külső oldalon
Ha tetszett a bejegyzés, nyomj egy lájkot!
Kövesd a Rabbitblogot Facebookon, vagy iratkozz fel az rss/email értesítőre!