Как Fanatics перешла от таргетинга по аудиториям к оптимизации кампаний по LTV клиентов
Коротко
- Fanatics заменила заранее заданные аудиторные сегменты оптимизацией CTV-кампаний по прогнозной ценности клиента.
- В тестах с Cognitiv прогнозный LTV вырос на 19%, а для Fanatics Casino зафиксированы рост узнаваемости на 11% и LTV на 12%.
- Cognitiv обучает отдельные ML-модели на бизнес-результатах рекламодателя и ищет признаки, связанные с ценными клиентами.
- AudienceGPT превращает описание аудитории на естественном языке в поведенческие сегменты для видео, соцсетей и других каналов.
- На верхнем уровне воронки исходная гипотеза об аудитории сохраняется, но дальнейший отбор пользователей передаётся алгоритмам.
Вместо демографических профилей и вручную собранных сегментов Cognitiv обучает отдельные модели машинного обучения на результатах, которые задаёт рекламодатель. Fanatics стала оптимизировать кампании по ценности клиента: система анализирует признаки уже известных ценных пользователей и ищет похожих людей, не ограничиваясь первоначальными предположениями маркетолога.
В кампаниях вокруг крупных спортивных событий, включая March Madness, full-funnel CTV-решение Cognitiv обеспечило Fanatics Sportsbook рост прогнозного LTV на 19%. Для Fanatics Casino компания также сообщила об увеличении узнаваемости бренда на 11% и LTV клиентов на 12%.
Дополнительным инструментом стал AudienceGPT: маркетолог описывает предполагаемую аудиторию обычным языком, а система формирует поведенческие сегменты и активирует их в онлайн-видео, социальных платформах и других каналах. При этом гипотеза о потенциальном клиенте всё ещё нужна на верхнем уровне воронки, но дальнейший поиск аудитории и оптимизация опираются на фактические сигналы ценности.
FAQ
Зачем Fanatics перестала заранее задавать целевые сегменты и переключила оптимизацию CTV-кампаний на сигналы клиентской ценности?
Компания хотела сильнее связать рекламные расходы с долгосрочной ценностью клиентов. В описанном тесте оптимизация по LTV дала лучшие результаты, чем ручное определение аудитории.
Как AudienceGPT превращает текстовое описание потенциальной аудитории в сегменты, пригодные для запуска рекламных кампаний?
Маркетолог задаёт гипотезу обычным языком, после чего система использует машинное обучение для построения поведенческих сегментов и их активации в разных каналах.
Означает ли подход Cognitiv, что маркетологам больше не нужно формулировать гипотезы о целевой аудитории на верхнем уровне воронки?
Нет. Cognitiv считает исходную гипотезу полезной для верхней части воронки, но предлагает передавать алгоритму дальнейший поиск признаков наиболее ценных пользователей.
Читайте также
В Пенсильвании обязали маркировать рекламу, созданную с помощью ИИ
Переход на новую валюту измерения Nielsen затягивает сделки upfront и меняет ценообразование в TV-рекламе США- Интерактивное видео: как кликабельные и персонализированные форматы повышают вовлечённость и эффективность рекламы
- Upfront-сделки в США: спорт продаётся мгновенно, а развлечения требуют гибкости и новых подходов
- Пауза как момент для бренда: как pause ads вовлекают зрителей
- Оптимизация рекламных кампаний по LTV вместо CPA: Для кампаний с повторными покупками или длительным жизненным циклом клиента целевой функцией модели может быть прогнозный lifetime value, а не минимальная стоимость привлечения. В кейсе Fanatics переход к оптимизации по сигналам клиентской ценности в CTV-кампаниях Cognitiv увеличил прогнозный LTV на 19%.
[Оптимизация performance-кампаний]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
СШАВидеорекламаDigidayИскусственный интеллектConnected TV (CTV)Вниманиеaudience-segmentationfull-funnel-marketingroibrand-liftperformance-medialtvbehavioural-targetingmachine-learningoutcome-based-optimizationgambling
Fanatics Sportsbook перестроила performance-маркетинг, особенно кампании на Connected TV, отказавшись от заранее заданных аудиторных сегментов в пользу оптимизации по прогнозной ценности клиента. В тестах с Cognitiv такой подход увеличил прогнозный lifetime value клиентов на 19%.