Кейс «Додо Пиццы» и Bidease: как с помощью programmatic-рекламы эффективно привлекать и возвращать пользователей
О том, как укреплять позиции бренда без космических затрат и эффективно коммуницировать с потенциальными и текущими клиентами на высококонкурентном рынке food delivery с помощью данных, предиктивных алгоритмов и возможностей In-App-трафика, — в кейсе
Клиент
«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.
Задачи
- Привлечение релевантной и лояльной аудитории с соблюдением KPI клиента по стоимости первой покупки.
- Ретаргетинг с соблюдением KPI клиента по стоимости повторной покупки.
Реализация
Команда проекта запускала РК максимально широко, поэтому специалисты задействовали практически все биржи: «Яндекс», ironSource, Vungle, AppLovin, TaurusX, Unity, Mintegral, Fyber, BidMachine, Chartboost, BIGO Ads.
ГЕО: Россия
Источники: Bidease
Платформы: iOS, Android
Трекер: AppsFlyer
Период: май 2023 — март 2024 включительно. (Период, описанный
в кейсе. Сотрудничество продолжается.)
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. Эти модели учитывали актуальный аукцион и в соответствии с ним распределяли бюджет по биржам, креативам, версиям ОС и прочим параметрам.
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 представляла 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.
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.
График динамики CPO при продвижении на iOS
В сентябре — октябре 2023-го клиент усилил свои промоактивности. В связи с этим аукцион разогрелся, что отразилось на CPO.
В декабре традиционно перегретый аукцион, что также отразилось на стоимости целевого действия.
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.
График динамики CPO при продвижении на Android
Октябрь — ноябрь 2023 — период распродаж и скидок: «Черная пятница», «Киберпонедельник» и пр. В это время стоимость целевого действия подросла.
Декабрь — горячее время перед новогодними праздниками.
Retargeting на Android
Пользователям девайсов на Android команда также напоминала о том, что пора вновь заказать вкусную пиццу.
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.
Две другие группы реагировали на рекламные касания с меньшей инициативой, но в целом хорошо. Команда проекта также тестировала (и продолжает тестировать) другие аудиторные сегменты.
График динамики CPO при ретаргетинге на Android
Март 2024-го — период, в который проводили тесты на, как выяснилось, весьма холодную аудиторию: «Установили приложение за последние 180 дней» и «Установили приложение за последние 90 дней». Это отразилось на CPO.
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%.
Пример статичного баннера
Для ретаргетинга использовали вертикальные и горизонтальные видео. Видеоформат вовлекал и стимулировал пользователей на повторные целевые действия. Данное вертикальное видео в среднем показывало CTR 22%.
Результаты
За время сотрудничества с мая 2023 по март 2024-го включительно клиент получил 205 тыс. покупок на iOS, 55 тыс. покупок и 370 тыс. повторных покупок на Android.
Дарья Пасюк, Performance Team Lead «Додо Пиццы»:
«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».
Заключение
Этот кейс — наглядный пример того, как технологии ML и AI позволяют эффективно маневрировать между необходимыми объемами трафика с учетом высокой конкуренции на рынке и стоимостью первой и повторной покупки. Таким образом, реклама в In-App становится отличной возможностью для привлечения лояльных и платежеспособных пользователей и поддержания плодотворной коммуникации с текущей аудиторией.
Реклама. Рекламодатель ООО «БИДИЗ» ИНН 7714432672