Score Powered Audiences w kampanii remarketingowej Renault

Koncepcja kampanii

W kampanii wykorzystaliśmy algorytmiczny scoring on-site do działań off-site, który w Polsce jest nadal mało popularnym rozwiązaniem. Przeprowadzone działania wykazały się wysoką efektywnością, szczególnie oczekiwaną w trudnym dla branży, inflacyjnym okresie.

Cele kampanii

Celem kampanii było zwiększenie głębokich konwersji – w tym wypełnienie formularza online – w kampanii remarketingowej o 10%.

Wyzwanie

Rok 2022 i 2023 to okres  galopującej inflacji, który spowodował drastyczne zmiany na rynku motoryzacyjnym. Osoby planujące zakup auta podchodziły do tej decyzji jeszcze ostrożniej niż zwykle – sprawdzały jednocześnie wiele różnych ofert i marek samochodów. W związku z powyższym użytkownicy, którzy wyrazili wstępne zainteresowanie marką Renault, chociażby poprzez wejście na stronę www, nabrali dla nas jeszcze większego znaczenia. Nie mogliśmy ich stracić.

Dodatkowo był to okres trwającej dyskusji o cookieless. Renault jako marka zaawansowana digitalowo i reprezentująca kategorię, w której dane stanowią podstawę komunikacji (szczególnie te z dołu lejka), musiała postawić na efektywne i nowoczesne rozwiązanie, które będzie dopasowane do potrzeb potencjalnych klientów oraz pozwoli skutecznie przenieść własne dane na poziom kampanii reklamowej.

Strategia

Skupiliśmy się na działaniach remarketingowych i zadziałaliśmy w najbardziej zaawansowany, dostępny na rynku sposób. Wykorzystaliśmy scoring do segmentacji first-party data, czyli punktację użytkowników opartą na sygnałach pozostawianych przez nich na stronie www.renault.pl. Ponadto użyliśmy scoringu użytkowników zbieranych on-site i możliwości targetowania innych narzędzi, co miało zwiększyć prawdopodobieństwo konwersji z działań off-site.

Większość podejść scoringowych opartych na regułach wykorzystuje skalę nominalną. Scoring ZETA GLOBAL, oparty na ogromnym, zastrzeżonym zbiorze danych i opatentowanej sztucznej inteligencji, wykorzystuje skalę ilorazową, która dostarcza informacji o kolejności, dokładnej wartości między punktami danych oraz zera bezwzględnego, co pozwala na zastosowanie szerokiego zakresu statystyk. Po przypisaniu oceny algorytm punktacji tworzy first-party data segmenty użytkowników na podstawie oceny poziomu ich zaangażowania w serwisie www marki – Low, Medium i High.

Co więcej, działania z wykorzystaniem scoringu są najczęściej wykorzystywane jedynie do optymalizacji on-site’owego customer journey. My poszliśmy o krok dalej i wykorzystaliśmy go w działaniach off-site w takich narzędziach jak: programmatic, search, social media.

Sposób realizacji

1. Kreacja

Zastosowane w kampanii kreacje uwzględniały dopasowanie do customer journey na dole lejka konwersji. Prezentowały one pojedyncze modele. Pozwoliło to docierać z dopasowaną komunikacją remarketingową do osób wykazujących zainteresowanie poszczególnymi modelami Renault.

W kampanii dysponowaliśmy trzema rodzajami kreacji zróżnicowanymi pod kątem etapu na ścieżce decyzyjnej. Każda z reklam była optymalizowana pod konwersje rozumiane jako wykonanie głębokiej akcji – zakończenie konfiguracji, pobranie broszury itp. bądź wysłanie formularza z zapytaniem o ofertę lub jazdę próbną.

2. Media mix 

Ze względu na wykorzystane rozwiązania technologiczne w działaniach mediowych skupiliśmy się na remarketingu w ekosystemie digitalowym. Zrealizowaliśmy wdrożenie, w którym nie poziom budżetu ani kreacje, a efektywność grup docelowych była kluczową zmienną badaną. Wykorzystanie segmentów scoringowych first-party data w podziale na: Low, Medium i High pierwotnie zaplanowane było dla kanału programmatic. Jednak ze względu na obiecujące wstępne wyniki, zakres ich użycia został rozszerzony i dopasowany do wymagań kanałów: Programmatic, Search, Social.

Optymalizacja części analizowanych kampanii pod głębsze konwersje na stronie www (leady) dodatkowo powodowało przyrosty bazy danych (efekt kuli śnieżnej), co było i jest kluczowe w kontekście wyzwania cookielessowego. Jednocześnie,  tam gdzie było to możliwe, skracaliśmy ścieżkę konwersji, wykorzystując np. format leadowy w ekosystemie Mety, co dodatkowo zasilało jakościowymi danymi algorytmy w tym środowisku.

Wykorzystanie segmentów Low, Medium i High pozwoliło rozbudować consumer journey użytkowników serwisu marki pochodzących zarówno ze źródeł paid media, jak i non-paid media, a następnie dotrzeć do najbardziej zainteresowanych interakcją z marką w kanale online, przy korzystnych stawkach.

3. Innowacje

Innowacje, których nie używaliśmy do tej pory standardowo w kampaniach reklamowych – scoring ZETA GLOBAL do segmentacji first-party data wykorzystujący skalę ilorazową, która dostarcza informacji o kolejności, dokładnej wartości między punktami danych oraz zera bezwzględnego, co pozwala na zastosowanie szerokiego zakresu statystyk. Po przypisaniu oceny algorytm punktacji tworzy segmenty użytkowników na podstawie oceny poziomu ich zaangażowania w serwisie www marki: Low, Medium i High.

Rezultaty

Całościowy monitoring wyników, bieżąca optymalizacja dzięki kompleksowemu pomiarowi od wyświetlenia reklamy przez pozostawienie leada i konwersję na sprzedaż, były możliwe dzięki bliskiej współpracy dostawcy technologii, domu mediowego i klienta. Wykorzystanie segmentów ZETA GLOBAL przez OMD Group przełożyło się średnio (vs inne historyczne dane własne) na:

• o 14% wyższy CR,
• o 28% niższy CPCR,
• o 17% niższy CPC.

Tym samym osiągnęliśmy o 41% lepszy efekt niż pierwotnie estymowane CR na poziomie 10%. 

Podsumowanie

Wykorzystanie danych już posiadanych przez klienta (first-party data) i wysegmentowanych przez partnera technologicznego (scoring ZETA GLOBAL) pozwoliło prowadzić efektywnościową komunikację online do użytkowników, którzy wykazywali już (duże) zainteresowanie produktem, jednak nie ignorując przy tym potencjalnych klientów z niskimi wynikami scoringowymi. Zrealizowaliśmy wdrożenie, w którym skupienie się nie na kreacji, a na efektywności grup docelowych przyniosło wyższy niż zakładany wynik. Sięgnięcie po dane first-party, wykorzystywane do tej pory jedynie do optymalizacji on-site’owego customer journey, w działaniach off-site przyczyniło się do zmniejszenia luki pomiędzy posiadanymi i wykorzystywanymi danymi, a także zwiększyło gotowość marki do działań w post-cookie’sowym otoczeniu reklamowym.