Как маркетологи измеряют совместимость аудитории и рекламы
Содержание:
- От телерейтингов до цифрового таргетинга
- Механика расчета
- Полезные сценарии использования
- Индекс соответствия в интерфейсах Яндекса
- Границы применимости
От телерейтингов до цифрового таргетинга
Индекс соответствия придумали задолго до появления цифрового маркетинга, в эпоху, когда единственным способом узнать, кто смотрит рекламу, были опросы и дневники зрителей, которые компания Nielsen начала собирать в США в конце 1940-х годов. Тогда рекламодателям впервые понадобился инструмент, который бы показывал не просто размер аудитории программы, а долю в ней именно нужной демографической группы — например, женщин 25–34 лет, если рекламируется стиральный порошок.
Так появились Gross Rating Point и Target Rating Point — два рейтинга, которые измеряли охват передачи среди всех зрителей и среди целевой аудитории соответственно. А их соотношение получило название индекса соответствия, или Affinity Index. Ток-шоу может собирать три миллиона зрителей, но если из них только пять процентов — мужчины 20–30 лет, а какой-нибудь спортивный дайджест собирает миллион, но половина зрителей — именно эта категория, то для рекламы энергетиков второй вариант окажется куда эффективнее, несмотря на меньший охват.
Этот принцип пережил переход от эфирного телевидения к кабельному, от кабельного — к стриминговым сервисам, а затем перекочевал в интернет-рекламу практически без изменений в логике, хотя данные для расчета стали собираться иначе: не через дневники и телефонные опросы, а через куки, идентификаторы устройств и поведенческую аналитику.
Механика расчета
Формула индекса состоит из двух рейтингов. Первый — GRP, базовый рейтинг, который показывает долю пользователей с нужными характеристиками относительно всей аудитории канала. Второй — TRP, целевой рейтинг, который отражает ту же долю, но уже относительно узкой целевой аудитории компании. Разделив второй показатель на первый и умножив на сто, получаем сам индекс в процентах.
Допустим, интернет-магазин спортивной одежды тестирует две площадки. На первой сайт посещают 2000 человек в день, из них 1000 подходят под описание целевой аудитории бренда — условно, люди, интересующиеся фитнесом. Рекламное объявление увидели 800 пользователей, и 600 из них оказались именно той самой целевой аудиторией. На второй площадке цифры крупнее: 3000 посетителей, 1500 из них целевые, объявление увидели 700 человек, из которых целевыми оказались 450. На первый взгляд кажется, что вторая площадка выигрывает — там больше целевой аудитории в абсолютных числах.
Для первой площадки TRP составит 600 к 1000, то есть 0,6, а GRP — 800 к 2000, то есть 0,4. Разделив одно на другое и умножив на сто, получаем 150%. Для второй площадки TRP равен 450 к 1500 (0,3), а GRP — 700 к 3000 (0,233). Итоговый индекс — около 129%. Получается, что первая площадка концентрирует нужную аудиторию эффективнее, хотя абсолютные цифры там меньше. В этом и заключается ценность метрики: она нейтрализует эффект масштаба и показывает плотность интереса, а не просто размер толпы.
Разночтений в интерпретации индекса на удивление немного. Значение около 100% означает, что интерес аудитории к теме находится на среднем уровне по сравнению с интернетом в целом — ни выше, ни ниже. Показатель заметно выше 150% сигнализирует, что канал сильно перекошен в сторону нужной аудитории, и это, как правило, хороший знак для точечного таргетинга. Диапазон от 100 до 150% говорит о смешанной аудитории, где целевая группа присутствует, но соседствует с большим количеством нецелевых пользователей. А значение ниже 100% — сигнал, что площадка либо не подходит бизнесу, либо требует более тонкой настройки таргетинга внутри нее.
Полезные сценарии использования
Первый — это медиапланирование в чистом виде, выбор площадок под рекламную кампанию. Индекс работает как фильтр, который отсекает ресурсы с формально большой, но размытой аудиторией и поднимает наверх те каналы, где концентрация нужных людей выше. Крупные рекламные агентства до сих пор используют похожую логику при закупке наружной рекламы и радио — там, где точный таргетинг физически невозможен, а решение приходится принимать на основе демографических профилей носителей.
Второй сценарий — маркетинговые исследования и изучение поведения потребителей. Индекс применяют для того, чтобы понять, какие темы и категории товаров пересекаются в голове одного и того же покупателя. Например, аналитика может показать, что аудитория, интересующаяся кофемашинами, с высоким индексом соответствия интересуется еще и товарами для дома в стиле минимализм. Такие пересечения редко очевидны интуитивно, но именно они дают маркетологам основания для кросс-категорийных предложений и построения look-alike аудиторий.
Третий сценарий — анализ собственной аудитории сайта или сообщества. Здесь метрика превращается в инструмент контент-стратегии: если у блога о путешествиях индекс соответствия по категории «Гастрономия» составляет 280%, это прямой намек, что читатели одинаково любят путешествия и еду, и материалы на стыке этих тем скорее всего наберут больше вовлеченности, чем узкоспециализированные travel-гайды.
Индекс соответствия в интерфейсах Яндекса
В российском цифровом маркетинге индекс соответствия чаще всего встречается в отчетах Яндекс Метрики, в разделе «Аудитория» → «Долгосрочные интересы». Сервис автоматически считает индекс для десятков категорий (от электроники и авто до финансов и хобби) и сравнивает интерес посетителей конкретного сайта со средним интересом по всему рунету. Если индекс по категории «Электроника» составляет 300%, это значит, что аудитория ресурса интересуется гаджетами втрое активнее, чем типичный пользователь сети, и такую категорию стоит включать в список интересов при настройке таргетинга.
Практическая цепочка использования выглядит так: сначала в Метрике выбирают интересы с индексом выше 100%, отбрасывая нерелевантные бизнесу совпадения (магазину спортивного питания вряд ли пригодится высокий индекс по ипотечным программам, даже если он статистически присутствует). Затем через Вордстат проверяют частотность запросов, связанных с найденными интересами, чтобы понять, насколько это направление живое и востребованное в поиске. И наконец, отобранные ключевые фразы и интересы добавляют в кампании Яндекс Директа — либо через ручной ввод ключевых слов для Рекламной сети Яндекса, либо через блок «Интересы и привычки» в настройках таргетинга, где технология Крипта сопоставляет профиль пользователя с указанными категориями.
Эта цепочка интересна тем, что превращает пассивную аналитику в конкретное расширение семантического ядра.
Границы применимости
Метрика строится на исторических данных о поведении пользователей, и она ничего не говорит о том, изменится ли этот интерес завтра под влиянием сезонности, новостного повода или просто моды. Ресурс, который вчера показывал высокий индекс по теме «Ремонт», может через полгода полностью сменить профиль аудитории, если туда придет большой поток пользователей из соседней тематики, а данные в отчетах будут обновляться с задержкой.
Есть и вторая ловушка: индекс сам по себе ничего не говорит об объеме аудитории. Площадка с индексом 400% может иметь всего сотню посетителей в день, и рекламная кампания там просто не наберет статистически значимого количества показов. Поэтому индекс соответствия нужно рассматривать в паре с охватом, о котором сама методология напоминает: высокая концентрация целевой аудитории при мизерном трафике не дает бизнесу того объема заявок, ради которого запускается кампания.
Индекс соответствия чувствителен к тому, как задана целевая аудитория на входе. Если критерии подобраны слишком широко или слишком узко, метрика будет искажать реальную картину независимо от точности расчетов. Поэтому перед тем как считать индекс, важно четко сформулировать портрет целевой аудитории: возраст, интересы, поведенческие паттерны, а не ограничиваться формальными демографическими рамками.
