Как с помощью programmatic-рекламы получить 255 000 новых и 370 000 повторных покупок: кейс Bidease и «Додо Пицца»

Главное о кейсе

Результаты:

за время сотрудничества с мая 2023 по март 2024 включительно клиент получил:
- iOS: 205 000 новых покупок;
- Android: 55 000 новых и 370 000 повторных покупок.

Как проект изменил жизнь пользователей

Рекламодатель освоил дополнительный источник трафика в виде in-app-рекламы, повысил конверсию и ROI кампаний.

Бизнес-задача и ее решение

Задачи:

— Привлечение релевантной и лояльной аудитории с соблюдением KPI клиента по стоимости первой покупки.


— Ретаргетинг с соблюдением KPI клиента по стоимости повторной покупки.

ГЕО: Россия
Источники: Bidease
Платформы: iOS, Android
Трекер: AppsFlyer
Период: май 2023 — март 2024 включительно.

Решение:

Команда проекта запускала РК максимально широко, поэтому специалисты задействовали практически все биржи: «Яндекс», ironSource, Vungle, AppLovin, TaurusX, Unity, Mintegral, Fyber, BidMachine, Chartboost, BIGO Ads.


User Acquisition на iOS

Распространенная «головная боль» при работе с iOS-трафиком — это его «неопознанность», другими словами, отсутствие IDFA.

В данном случае результативным инструментом стал автопилот, который эффективно и в оптимальные сроки обучил три предиктивные модели. Они учитывали актуальный аукцион и в соответствии с ним распределяли бюджет по биржам, креативам, версиям ОС и прочим параметрам.

Все три модели на автопилоте с момента запуска быстро «раскачались». Буквально за 9–14 дней они набрали необходимое количество статистически значимых данных, дообучились, и уже на 15-й день продвижения специалисты наблюдали заметное снижение CPI и CPO при двукратном увеличении количества покупок.

Результат: 205 000 новых покупок.



User Acquisition на Android

Android-трафик в меньшей степени страдает от анонимности пользователей, поэтому команда проекта использовала look-alike-модель. Эксперты обучили ее на такие целевые действия, как добавление в корзину и покупку. Две другие модели были построены на данных платформы и обучены по отдельности на покупку и на набор следующих событий: «установка + добавление в корзину + просмотр корзины».

Аналогично iOS-трафику все модели были на автопилоте. Специалисты задали вводные один раз, а дальше они все делали сами, в том числе с помощью инструментов платформы для адаптации CPM в зависимости от аукциона и конкуренции на рынке.

Результат: 55 000 новых покупок.



Retargeting на Android

Пользователям девайсов на Android команда также напоминала о том, что пора вновь заказать вкусную пиццу.

Для увеличения эффективности ретаргетинговых коммуникаций использовали болею точную сегментацию пользователей.

Результат: 370 000 повторных покупок.

Крафт (мастерство), реализация, технические детали

Обучение предиктивных моделей для iOS-кампаний


Две модели обучили на конкретные целевые действия, а именно:

- на покупку;
- на предшествующие покупке ивенты: установку, добавление в корзину и экран оплаты.

Третья модель — широкая, которая представляет собой микс других моделей на разные ивенты по воронке продаж приложения, таких как: купил, не купил и оставил заказ на экране оплаты, добавил в корзину и оставил заказ и прочих.
Специалист по закупке In-App-трафика совместно с клиентом выделил наиболее актуальные и репрезентативные действия пользователей внутри приложения, а автопилот в ходе кампании сам выбирал из них наиболее подходящие для быстрого и эффективного решения задачи.



Сегментация аудитории для Retargeting на Android

Для увеличения эффективности ретаргетинговых коммуникаций и выявления наиболее заинтересованной и платежеспособной части пользователей аудитория была разделена на следующие три группы:


- тех, кто покупал на днях, — «Купил 07–30 дней назад»;
- тех, кто покупал давно, — «Купил 60+ дней назад»;
- тех, кто покупал относительно недавно, — «Купил 30+ дней назад».


Наиболее активным и перспективным для повторных коммуникаций сегментом оказались те пользователи, которые заказывали пиццу в приложении 30+ дней назад. Специалисты решили в первую очередь сконцентрироваться на них, это позволило грамотно распределить бюджет на ретаргетинг и получать внушительные объемы повторных покупок.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Креативная составляющая

Несмотря на то что в данном проекте основной фокус внимания сосредоточен на data-driven-подходе и предиктивных алгоритмах, качественный и аппетитный визуал также играл существенную роль. Основную ставку делали на новинках меню и главных УТП продукта.

Для UA-кампаний использовали статичные баннеры: квадраты и нативки. Этот формат был недорогим и быстрым в разработке, а также соответствовал KPI клиента по стоимости первого заказа. К примеру, CTR нижеуказанного баннера в среднем составил 2%.

Для ретаргетинга использовали вертикальные и горизонтальные видео. Видеоформат вовлекал и стимулировал пользователей на повторные целевые действия. Данное вертикальное видео в среднем показывало CTR 22%.

https://rutube.ru/video/private/51c6575c309d29f949a0cf555215f166/?p=k5iWpjgFpxmdHTVTWgbtfQ

*Пример вертикального видео

Прочая информация о кейсе

«Додо Пицца» основана весной 2011 года в Сыктывкаре. В то время пиццерия работала только на доставку. Релиз приложения состоялся в 2014 году. А в январе 2024 года российская сеть ресторанов быстрого питания насчитывала 1 тыс. заведений в 21 стране мира помимо России.

Скриншоты

Комментарий заказчика

«Наш опыт показал, что In-App-реклама обладает уникальными возможностями для таргетинга и сегментации аудитории, что существенно повышает конверсию и ROI кампаний. Основываясь на данных аналитики и обратной связи от пользователей, мы продолжим оптимизировать стратегии для дальнейшего усиления эффективности In-App-трафика как ключевого компонента нашего маркетингового микса.

Мы убедились в равной, если не более высокой продуктивности этого канала по сравнению с другими источниками трафика:

Ретаргетинг и вовлечение через In-App-рекламу помогли удерживать пользователей, повышая их лояльность и интерес к продукту. Сегментация пользователей, которые уже взаимодействовали с нашим приложением, привела к увеличению конверсий и снижению стоимости заказа через мобильное приложение.

Оптимизация рекламных кампаний и эффективное распределение бюджета снизили общие затраты на привлечение каждого нового клиента.

Благодарим команду Bidease за профессионализм и продуктивную работу с площадкой, а также за ценные идеи и инсайты, которые помогли нам раскрыть полный потенциал In-App-рекламы».