Jeszcze kilka lat temu jednym z najważniejszych elementów konfiguracji kampanii reklamowej było targetowanie. Marketerzy budowali szczegółowe grupy odbiorców, łączyli zainteresowania, zachowania, dane demograficzne czy stanowiska, próbując możliwie precyzyjnie określić, komu powinna wyświetlić się reklama. Dziś Google i Meta coraz większą część tych decyzji oddają algorytmom. Performance Max, czy rozwiązania Advantage+ pokazują wyraźny kierunek rozwoju systemów reklamowych. Platforma ma samodzielnie znaleźć użytkowników, którzy z największym prawdopodobieństwem wykonają oczekiwaną akcję.
Zmienia to również rolę reklamodawcy. Coraz ważniejsze od bardzo szczegółowego definiowania grupy odbiorców staje się dostarczanie systemom odpowiednich danych. Algorytm może bowiem bardzo skutecznie szukać potencjalnych klientów, ale najpierw musi wiedzieć, jaki efekt kampanii rzeczywiście ma znaczenie dla biznesu.
Algorytm musi wiedzieć, czego szuka
Platformy reklamowe dysponują ogromną liczbą sygnałów dotyczących zachowania użytkowników. Analizują ich aktywność, wcześniejsze interakcje, kontekst, prawdopodobieństwo wykonania określonej akcji oraz podobieństwo do osób, które wcześniej dokonały konwersji. Dlatego coraz częściej nie musimy bardzo dokładnie wskazywać systemowi, kto jest naszym potencjalnym klientem. Znacznie ważniejsze staje się pokazanie mu, jak wygląda wartościowa konwersja. Jeżeli celem kampanii jest pozyskiwanie formularzy, algorytm będzie szukał osób, które z największym prawdopodobieństwem taki formularz wypełnią. Nie oznacza to jednak automatycznie, że będą to osoby z największym prawdopodobieństwem zakupu.
Nie każdy lead ma taką samą wartość
To szczególnie istotne w kampaniach leadowych. Z perspektywy systemu reklamowego dwa przesłane formularze mogą wyglądać dokładnie tak samo. W rzeczywistości jeden może pochodzić od firmy idealnie odpowiadającej profilowi klienta, a drugi od osoby, która nie spełnia podstawowych kryteriów sprzedażowych. Jeżeli platforma otrzymuje jedynie informację o wysłaniu formularza, nie zna tej różnicy. Optymalizuje kampanię w kierunku kolejnych użytkowników skłonnych do wykonania tej samej czynności. W efekcie kampania może generować coraz więcej konwersji i osiągać atrakcyjny CPL, ale niekoniecznie przekładać się na większą liczbę wartościowych szans sprzedażowych. Dlatego liczba konwersji nie powinna być jedynym sygnałem przekazywanym algorytmowi. Równie ważna staje się ich jakość.
CRM może powiedzieć platformie, które leady są naprawdę wartościowe
Formularz kontaktowy jest zazwyczaj dopiero początkiem procesu sprzedażowego. Lead może zostać zakwalifikowany przez handlowca, przejść do etapu spotkania, otrzymać ofertę, a następnie zostać klientem. Każdy z tych etapów dostarcza znacznie więcej informacji o jakości kontaktu niż samo przesłanie formularza. Połączenie danych reklamowych z CRM oraz przekazywanie do platform informacji o dalszych etapach procesu sprzedażowego pozwala lepiej określić, jakie konwersje mają dla firmy największą wartość. W Google Ads można w tym celu wykorzystywać między innymi import konwersji offline, a podobne mechanizmy przekazywania danych o efektach działań rozwijają również inne platformy reklamowe. Zamiast optymalizować kampanię wyłącznie w kierunku osób, które najchętniej wypełniają formularze, możemy dostarczać systemowi informacje o tym, które kontakty rzeczywiście stają się wartościowymi leadami lub klientami.
First-party data stają się coraz ważniejszym zasobem
Google i Meta posiadają ogromną ilość danych o zachowaniach użytkowników. Nie wiedzą jednak automatycznie, którzy klienci przynoszą konkretnej firmie największe przychody, jakie zapytania najczęściej kończą się sprzedażą czy jak wygląda profil najbardziej wartościowego klienta. Te informacje znajdują się po stronie firmy. Dane z CRM, listy klientów, statusy leadów, informacje o dokonanych transakcjach czy ich wartości mogą być wykorzystywane do budowania lepszych sygnałów dla kampanii. Wraz z rozwojem automatyzacji ich znaczenie będzie rosło. Im więcej decyzji dotyczących emisji reklamy przejmuje algorytm, tym większą przewagą reklamodawcy stają się własne, dobrze uporządkowane dane.
Czy precyzyjne targetowanie przestaje mieć znaczenie?
Nie. Nadal istnieje wiele sytuacji, w których odpowiednie określenie grupy odbiorców jest istotne. Dotyczy to między innymi kampanii skierowanych do wąskich segmentów B2B, działań lokalnych czy ofert przeznaczonych dla bardzo konkretnej grupy klientów. Zmienia się jednak sposób myślenia o targetowaniu. Nie zawsze warto maksymalnie zawężać grupę odbiorców za pomocą kolejnych kryteriów. Zbyt wąskie targetowanie może ograniczać skalę kampanii oraz liczbę danych dostępnych dla systemu. Coraz częściej lepsze efekty daje pozostawienie algorytmowi większej przestrzeni do optymalizacji, pod warunkiem że otrzymuje odpowiednie informacje o konwersjach. Podobny kierunek widać już w rozwoju systemu Meta Ads, który coraz mocniej wykorzystuje szerokie grupy odbiorców i automatyzację targetowania.
Dobra analityka wpływa na skuteczność kampanii
Analityka przez lata była traktowana przede wszystkim jako sposób mierzenia i raportowania efektów. Kampania generowała ruch i konwersje, a dane pozwalały później ocenić jej skuteczność. Dziś zależność działa również w drugą stronę. Dane o konwersjach są wykorzystywane przez algorytmy do podejmowania kolejnych decyzji dotyczących emisji reklam. Jeżeli konwersje są źle skonfigurowane, zdarzenia się duplikują albo system optymalizuje kampanię pod działania, które nie mają większego znaczenia biznesowego, problem dotyczy nie tylko raportowania. Algorytm może po prostu uczyć się na niewłaściwych danych. Dlatego poprawna konfiguracja analityki, mierzenie właściwych konwersji oraz – tam, gdzie jest to możliwe – połączenie danych marketingowych i sprzedażowych stają się integralną częścią optymalizacji kampanii.
Więcej automatyzacji nie oznacza mniejszej roli specjalisty
Automatyzacja zmienia sposób prowadzenia kampanii, ale nie eliminuje potrzeby strategii. Specjalista coraz rzadziej musi ręcznie podejmować wszystkie decyzje dotyczące stawek, placementów czy szczegółowego targetowania. Większego znaczenia nabiera natomiast określenie właściwego celu kampanii, kontrola jakości danych, przygotowanie odpowiednich materiałów reklamowych oraz ocena, czy wyniki widoczne w panelu rzeczywiście przekładają się na biznes. Im więcej decyzji oddajemy algorytmom, tym ważniejsze staje się więc to, jakie informacje im przekazujemy. W praktyce przewaga reklamodawcy coraz rzadziej będzie wynikała z najbardziej skomplikowanej konfiguracji grupy odbiorców. Znacznie częściej może wynikać z tego, że system reklamowy otrzymuje dobre dane o tym, które działania użytkowników rzeczywiście prowadzą do sprzedaży.