Ставим Brand Lift в RTB: практический пайплайн на 10 рабочих дней

Ставим Brand Lift в RTB: практический пайплайн на 10 рабочих дней

Если бренд-менеджеру нужно доказать влияние кампании на знание/намерение (а не только клики), проще всего начать с *Brand Lift* прямо в экосистеме DSP. Ниже — пошаговый план, который реально закрыть за неделю-две: от постановки гипотезы до получения первых lift-оценок.

1) Зафиксируйте цель измерения (1–2 часа)
— Выберите метрику: Brand awareness (доля узнавания) или Intent (намерение/поиск бренда).
— Определите “когда считается lift”: обычно окно — 3–7 дней после экспозиции (подстройте под цикл покупки/исследований).
— Подготовьте контрольный вопрос/вариант, чтобы исследование не было “про все сразу”.

2) Подготовьте креативы и сегменты под тест (полдня)
— Разделите аудиторию минимум на 2 группы: exposed (получили показ) и control (не получали).
— Определите частотный кап для exposed, чтобы не было “перекорма” одного сегмента (ориентир — 1–3 показа на пользователя в период теста, точнее — по вашим лимитам бюджета).
— Убедитесь, что в креативах есть идентификаторы бренда, которые отслеживаются в brand lift анкете/опросе (логотип/название должны быть читаемыми).

3) Проверьте измеряемость в DSP/DMP (1 день)
— В DSP создайте тестовый план: geo, device, период, бюджет и правила исключений.
— Включите условия для control: пользователи из контрольной группы не должны получать показ в рамках этой кампании. Это критично.
— Подтяните идентификаторы в DMP: cookie/mobile ad ID, match keys (если используете), и проверьте, что “пользователь” стабилен (не дублируется хаотично).

4) Настройте источники для Brand Lift (2–3 часа)
— В большинстве систем Brand Lift делается через поставщика исследования/инструментальность платформы (партнерские провайдеры).
— Задайте: целевую аудиторию (кто потенциально должен вспомнить бренд), период опроса, гео, язык анкеты.
— Убедитесь, что опрос “не смешивает” exposed и control (иначе вы измерите не lift, а шум).

5) Запустите кампанию с правильным pacing (1 день)
— Разведите бюджет по дням так, чтобы экспозиции в exposed набрались равномерно, а control оставался “чистым”.
— Избегайте резких просадок доставки: слишком медленный сбор приводит к недостаточной выборке для уверенной оценки.
— На старте отслеживайте: долю реально доставленных показов в exposed и факт исключения control.

6) Соберите доказательства экспозиции до объявления результатов (полдня)
— Зафиксируйте для команды бренда: reach/imp по exposed, frequency, охват по device и geo.
— Снимите отчёт по сегменту viewability (если платформа считает) — это помогает объяснять, почему lift может не случиться при низкой видимости.
— Согласуйте, что анализ будет “по пользователям”, а не “по кликам” — иначе смысл теста теряется.

7) Получите lift и разберите интерпретацию (1 день)
— В отчёте обычно будет: estimated lift, confidence interval/стат. значимость, baseline.
— Сравните lift по подгруппам: device/geo/креатив (если доступно), но не делайте выводы по слишком малым сегментам.
— Проверьте sanity-check: если lift “нулевой” при нормальной видимости и частоте — проблема вероятно в сообщении/аудитории, а не в механике измерения.

8) Превратите выводы в план масштабирования (2–3 часа)
— Если lift значимый: зафиксируйте модель масштабирования — например, сохраняем frequency cap и расширяем reach по похожим сегментам, сохраняя структуру control.
— Если lift незначимый: меняйте один рычаг за раз — креатив (message/UGC/benefit), аудиторию (lookalike/interest), или окно измерения (раньше/позже).
— Определите “следующий тест”: A/B формата или таргетинга, но с контрольной группой в том же дизайне.

Чек-лист перед запуском (без лишнего)
— Control реально не получит показ.
— exposed набирает достаточную выборку.
— креативы пригодны для recall (бренд читаем).
— измерение задано по корректному окну после экспозиции.
— решение принимается по lift, а не по CTR.

Если скажете вашу DSP (или хотя бы тип: enterprise-платформа/партнерская) и цель (awareness vs intent), подскажу, как именно обычно формируют exposed/control и какие параметры чаще всего ломают статистику.

— @ProgrammaticNotes