Lusta fiatal, nyiss számlát!

A Médiapiac-Kutatás konferencián mutattuk be az Ident projektet, amelyet a CEMP háza táján keletkező, nagy tömegű és változatos struktúrában előálló adattömeg megregulázására és feldolgozására hoztunk létre. Csak hogy a nagyságrendet érzékeltessem, a CEMP kiadványait naponta átlagosan 1,4 millió egyedi látogató keresi fel, akik 18 millió oldalletöltést generálnak (forrás: OPA, teljes forgalom, UC és PV, 2013. márciusi napi átlag).

A felhasználókról különböző típusú információkat gyűjtünk egyrészt folyamatos, másrészt ad hoc módon. A regisztrált adatbázisokból (Indapass, Shopline, Travelo stb.), ill. az Indapass-Facebook összekötésből adódóan a Facebookról elsősorban demográfiai adatokkal rendelkezünk. Emellett folyamatosan információt gyűjtünk az egyes felhasználók által fogyasztott tartalmakról, jelenleg kiadvány és rovat szinten (az Inda esetében kategóriák szerint), és az ezek alapján kialakítható érdeklődési körökről, illetve online aktivitásokról (pl. online vásárló, blogger, kommentelő, fórumozó stb.). Ezen kívül gyűjtünk adatokat a hirdetésekkel való kontaktusokról is.

Az Ident célja, ahogyan azt már említettem, az volt, hogy a különböző forrású és formátumú adatokat összefésüljük, centralizált user identitásokat hozzunk létre, illetve egy olyan infrastruktúrát alakítsunk ki, melybe a későbbiekben további adatbázisok is könnyen integrálhatók (pl. szerkesztőségi felmérések eredményei).

A gyűjtött adatok alapján a felhasználókból különböző klaszterek képezhetők, melyek tartalom- és szolgáltatásfejlesztéshez, tartalmi ajánlásokhoz, illetve hirdetések real-time demográfiai és tartalmi affinitás (érdeklődés) szerinti célzásához egyaránt használhatók. Az egyik kihívást az jelenti, hogy az általános érdeklődési kategóriák (pl. autó) mellett olyan célzásokat is kialakítsunk, amelyek valamilyen időszakos érdeklődésre vagy szándékra épülnek (pl. autóvásárlást tervez). Nem nehéz belátni, hogy az adatok frissessége mennyire eltérő szerepet tölt be, hiszen míg egy autós érdeklődés vagy egy demográfiai adat viszonylag állandó, addig a vásárlási szándék pont a vásárlásig tart és abban a pillanatban „elévül”. Egyelőre a különböző tartalmakra való affinitás alapján általános érdeklődési kategóriákat alakítottunk ki, de folyamatban van a rendszer felkészítése a meglévő, mért egységek kombinálásán túlmutató, egyedi affinitási kategóriák kialakítására is, amellyel az egyedi ügyféligények is kiszolgálhatók.

A fő hirdetői előnyt természetesen a pontosabb célzás, és az ettől remélt nagyobb hatékonyság jelenti (kevesebb megjelenésből több eredmény). A pontos célzásnak persze abban az esetben van értelme és lehet jobb eredménye, ha megfelelően határoztuk meg a célcsoportot, és számára testre szabott ajánlatot és kreatívot jelenítünk meg. A kiválasztott közönségek a tartalmi környezettől, látogatott oldaltól függetlenül bárhol elérhetők a CEMP kiadványain, így akár nagyobb elérés mellett, meddőszórás nélkül szólíthatók meg. Az egyes célcsoportok számára testreszabott üzenetek jeleníthetők meg, és akár egy fix megjelenés esetén is van arra lehetőség, hogy az elért látogató profilja szerint eltérő kreatív verziókat szolgáljunk ki. Az érdeklődés alapú célzással végre elszakadhatunk a demográfiai alapú tervezéstől, amelynek a tökéletlenségeiről rengeteg szó esett az elmúlt években (csak egy példa).

Az első „éles” kampány, amellyel a rendszert teszteltünk, az FHB online számlanyitási kampánya volt. A tervezés az ügyféllel szoros együttműködésben zajlott, ami a kampány komplexitása miatt elengedhetetlen volt. Az FHB-ról ismeretes, hogy egy közepes méretű bank, és bár országos fiókhálózattal rendelkezik, azért nincsen ott „minden sarkon”, mint az OTP. Ráadásul a fiókoknak nyitvatartási idejük van, természetesen nem lehet bármikor besétálni és számlát nyitni. Mindezek miatt az online számlanyitás kulcsfontosságú az FHB számára.

A kampány célcsoportjait az FHB által biztosított klaszterelemzés alapján határoztuk meg. A számlanyitás formon felvett adatok mentén – nem, életkor, településtípus, számlatípus, lemorzsolódási index / nyitott számlatermék – 6 klasztert alkottak: aktív városi nők, vidéki dinamikus férfiak, nagyvárosi upper class, lusta fiatalok, városi nyugdíjasok és megfontolt vidékiek.

A cél az volt, hogy a lehető legkevesebb megjelenés használatával találjuk meg a legjobban konvertáló csoportokat. A kampányban összesen 3 millió ad view futott, azaz messze nem szórtuk tele a netet a megjelenésekkel. A kampány során medium rectangle (300×250), super leaderboard (970×90) és roadblock (640×360) formátumokat alkalmaztunk. A kampány a teljes CEMP Sales House portfólión futott, napi max. 3-as gyakoriság mellett.

A kampányon belül három alkampányt alakítottunk ki, a célcsoportokat egyrészt demográfia (hard target), másrészt affinitás (soft target) alapján céloztuk meg, illetve futott egy külön kampány véletlenszerű (soft) kreatív megjelenítéssel a kontroll csoport számára, melyet izoláltunk az előző két csoporttól. A különböző célcsoportok eltérő – hard és soft – targetálásaihoz különböző kreatív verziók készültek, a hard kreatívok figyelembe vették a felhasználó lakóhelyét, illetve a bank nyitvatartását, és ennek megfelelően a vonatkozó bankfiók kreatívját, illetve landing page-ét kapta a felhasználó.

A megjelenések legnagyobb része soft targetálás mellett futott ki, a hard targetáláshoz készült rengeteg kreatív verzió erős túllövés volt, és bár a tapasztalatszerzés szempontjából kifejezetten hasznos volt az érintett feleknek, egy „átlagos” kampányban érdemes az összhatékonyságot figyelembe véve meghatározni a kreatívok mennyiségét (ha túl sok a kreatív verzió, és ezeket nem egy automatizált rendszer rakja össze és szolgálja ki, akkor bármilyen hatékonyan fut is a kampány, nem fogja behozni a gyártásra fordított költséget).

A hard targetálással nem volt gond, tiszta sor, azoknak jelenítettük meg az egyes kreatív verziókat, akik megfeleltek a klaszterelemzés során definiált csoportok demográfiai jellemzőinek. A soft targetálással viszont ebben az esetben bajban voltunk, ugyanis a célcsoportokról fogyasztói insighttal, attitűd jellemzőkkel nem rendelkeztünk, így az érdeklődésük meghatározásánál a demográfiai adatok alapján lekérdezhető online tartalomfogyasztáson (elérés-affinitás ranking) kívül másra nem tudtunk támaszkodni. Ez pedig láthatóan kevésnek bizonyult, az affinitás alapon célzott kampányunk nem teljesített jobban, mint a kontroll csoportnak futtatott megjelenések. Az affinitás alapú targetáláshoz szükség van olyan szegmentációra, amely nem vagy nem csupán demográfiai adatokat, hanem online médiafogyasztási szokásokat és/vagy tartalomfogyasztási szokásokra lefordítható attitűd állításokat tartalmaz.

Ami a célzások hatékonyságát illeti, az átkattintási arány volt az a mutató, amit a legkönnyebben lehetett vizsgálni. Persze tudjuk, hogy sokszor nem az kattint, aki tényleg érdeklődik az adott termék vagy szolgáltatás iránt, hanem a “kattintó klikk”, de a pontosabb célzás miatt arra számítottunk, hogy a közvetlen válaszadási arány is magasabb lesz. Bár nem volt különösebben magas a kampány átlagos átkattintási aránya (0,08%), a nálunk futó banki hirdetések CTR átlagának (0,04%) így is a dupláját hozta. A hard célzással futó bannereken 60%-kal magasabb volt az átkattintási arány (0,12%), mint a soft bannereken. A legmagasabb átkattintási arányokat egyébként pont a „kattintó klikk”, azaz a legidősebbek (nyugdíjasok: 0,2%) és a legfiatalabbak (lusta fiatalok: 0,17%) számára megjelenített kreatívok mutatták. A fiókok zárva tartása alatt futtatott üzenet szintén átlag feletti közvetlen válaszadási arányt ért el (0,13%).

A kampányt az ügyféloldali analitikán túl utókövettük a reklámkiszolgáló szerverből is, hogy a kattintáson túl is lássuk, milyen hatásai voltak: mennyien jutottak el a landing page-re, illetve az fhb.hu bármely oldalára a kampánnyal találkozók, illetve a megjelenésekre kattintók közül, és mennyien nyitottak online számlát.

A site-on mért összes post-aktivitás 18%-a volt post-click, 82%-a post-view, azaz sokan úgy keresték fel az FHB oldalát, hogy találkoztak a bannerekkel, de nem kattintottak rájuk. Mivel a kampány célzottan és nem túl magas megjelenésszámmal futott, és más kommunikációs aktivitás sem zajlott párhuzamosan, feltételezhetjük, hogy ezek a felhasználók legalább részben a kampány hatására keresték fel később az FHB oldalát akár keresőn keresztül, akár direkt módon. Sajnos az általunk használt Adverticum ad server jelenleg még nem rendelkezik azzal az utókövetési funkcionalitással, amivel az ügynökségi reklámkiszolgálók, így az egyes mérőpontokon tett aktivitásokat nem tudtuk a felületekig, illetve kreatívokig visszavezetni, illetve média oldalon kevésbé jellemző a kampányok utókövetése, így más kampányok eredményével ezeket az adatokat nem tudtuk összehasonlítani.

Az FHB számára fontos fegyvertény volt ebben a kampányban, hogy tudta kommunikálni az országos fiókhálózatát, erre korábban nem volt lehetősége, lokális hirdetés (óriásplakát, helyi lap stb.) nem jött szóba a számára. Ehhez mondjuk nem feltétlenül lett volna szükség erre a fajta célzásra, hiszen a reklámkiszolgáló szerver nagyjából 80%-os pontossággal tud az IP cím alapján területre célozni.

Sok értékes tapasztalattal lettünk gazdagabbak, de látszik az is, hogy a mi oldalunkon még csak most kezdődik igazán a munka. Összefoglalóan a tesztkampány legfőbb tanulságai még egyszer:

• az affinitás alapú célzáshoz fogyasztói insightokra van szükség, csak demográfiára     támaszkodva kétséges a hatékonysága,
• a demográfia alapján célzott, „személyre szabott” kreatívok magasabb közvetlen válaszadási arány mellett futottak,
• a kampány nagy arányban hatást gyakorolt olyanokra is, akik nem kattintottak a megjelenésekre, de találkoztak velük.

Ha tetszett a bejegyzés, nyomj egy lájkot!

Kövesd a Rabbitblogot Facebookon, vagy iratkozz fel az rss/email értesítőre!