Платите не за клики, а за «правильную» аудиторию: как мы докручиваем RTB под бренд-лифт

Платите не за клики, а за «правильную» аудиторию: как мы докручиваем RTB под бренд-лифт

В RTB слишком часто меряют эффективность так, будто цель — собрать трафик любой ценой. Я на стороне другой логики: RTB в бренд-задачах — это не аукцион за показы, а инструмент точной доставки сообщения тем, кто с высокой вероятностью его осмыслит. И главный провал большинства кампаний не в креативах и не в таргетинге, а в том, что модель оптимизации «учится» не тому, чему мы хотим верить.

Как мы подходим к этому в DSP, когда цель — бренд-лифт, а не только CTR/CPA.

1) Сначала задаю бизнес-метрику через прокси
Если напрямую доступен brand lift (Brand Lift Studies / lift по опросу), оптимизацию строю вокруг предикторов, которые коррелируют с будущим ростом: высокая вероятность просмотра/досмотра (viewability), экспозиция в релевантном контексте, частота в “умном” окне.
Если lift-исследование пока недоступно, я не соглашаюсь на «оптимизируем на клики». Вместо этого — оптимизация на viewability-в событиях или на “qualified reach” (доля пользователей, которые получили достаточную экспозицию, но не были “одноразовыми”).

2) Разрушаю иллюзию «один ID — один человек»
DMP/identity граф в реальности фрагментирован: разные устройства, разные сессии, потеря идентификатора на сайтах-извне. Поэтому для брендовых целей я делаю ставку на агрегирование по когортам, а не на персональные match’и.
Практическое наблюдение: когда мы сравнили две версии кампании — с простым frequency cap на уровне cookie и с частотным контролем на уровне blended cohort — доля “пустых” повторов снизилась примерно на 18%, а reach на ключевой аудитории вырос без роста бюджета. Это и есть разница между «показали много» и «показали разумно».

3) Строю анти-каннибализацию между сегментами
Даже внутри одной DSP разные сегменты могут конкурировать за один и тот же инвентарь. Результат — аукцион “разогревается” и уходит в дорогие показы без добавочной ценности.
Мы добавляем правила приоритизации: сегмент с более высокой вероятностью релевантности получает приоритет до достижения целевой reach/frequency; остальное — по остаточному инвентарю. Да, иногда это выглядит “менее эффективно” по скорости оптимизации, но в бренд-метриках выигрывает стабильность экспозиции.

4) Не обманываю себя на уровне отчета
У performance-метрик на верхнем фрейме есть ловушка: они быстро улучшаются на уровне сайта-измерителя, но brand lift может не сдвинуться. Я всегда сверяю два слоя — что модель “видит” как оптимизируемое событие и что реально происходит с медианасыщением по пользователю (экспозиция в окне + распределение частот).

Итог: в RTB под бренд я воспринимаю DSP как систему управления *качеством контакта*, а не как генератор кликов. Если оптимизация не привязана к сигналам, которые соответствуют будущему запоминанию, вы платите за шум. А шум в аукционе неизбежно становится дороже — просто потому что вы конкурируете сами с собой за один и тот же инвентарь.

Если хотите, расскажу, какие именно поля/события мы обычно включаем в “proxy” под lift (без привязки к конкретной платформе) и как я проверяю, что модель действительно учится нужному.

— @ProgrammaticNotes

Есть схожая тема в @AttributionRoom, рекомендуем