МТС AdTech, OMD OM Group и «Дикси»: +28% к знанию бренда за счет Big Data

20.01.2026 • Sostav

Sostav описал кейс «Дикси» с охватной рекламной кампанией на данных Big Data МТС через DSP (Demand-Side Platform, платформа для закупки рекламы) Segmento. По итогам Brand Lift (Ad Recall) у тестовой группы зафиксировали +28,3% к знанию бренда и его акций.

Период кампании: с 01.10.25 по 31.10.25.
Целевая аудитория: мужчины и женщины 25–54, интерес к доставке еды, скидкам и акциям, кулинарии; гео: Москва и МО, Санкт-Петербург, ЛО, ЦФО и СЗФО.
Форматы: баннеры и видео.
Для таргетинга использовали более 20 сегментов на обезличенных и агрегированных данных Big Data МТС; среди отмеченных — покупатели других сетей, интерес к скидкам/доставке, категории супермаркетов/минимаркетов, поведенческие сигналы (звонки/SMS).
Brand Lift провели в конце первой недели и измеряли Ad Recall по методологии тест/контроль (тестовая группа видела рекламу, контрольной она не показывалась).
Результаты: CTR видео 1,48% (ожидали 0,6%), CTR баннеров 0,11% (ожидали 0,1%); VTR 81,51% при плане 70%; Brand Lift (Ad Recall) +28,3% у тестовой группы относительно контрольной.

Почему это важно: Кейс показывает механику, в которой охватная закупка опирается на обезличенные и агрегированные сегменты и затем проверяется через Brand Lift с метрикой Ad Recall. В тексте отдельно увязаны таргетинг, управление частотой и работа с креативами с измеримым изменением бренд-метрик. Для рынка это иллюстрация того, как в одной кампании совмещают «широкий охват» и управляемость контакта через настройки и тестирование.

На что обратить внимание: В описании перечислены оптимизации после первых результатов: корректировка частоты, minCTR-отсечка, подключение CTR-моделей и blacklist доменов по CTR/VTR относительно бенчей. Не раскрыто, как именно задавались бенчмарки и пороги minCTR, поэтому сопоставимость результатов между разными кампаниями может быть ограничена. Еженедельная ротация креативов описана как плановая часть механики, а также упоминается баннерная ретаргетинговая стратегия на тех, кто видел видеоролик.

Коротко

Кейс мотивирован конкуренцией, баннерной слепотой и дорогой ТВ-рекламой: в тексте это подано как причина искать digital-охват для роста знания бренда.
При чтении результатов полезен контекст бенчмарков: в материале сравнивают CTR и VTR с ожиданиями, но не раскрывают, откуда взяты эти ориентиры.
После первых данных упомянуты оптимизации (частота, minCTR, CTR-модели): обычно они меняют распределение показов, но в тексте вклад каждого шага не разделён.
Описаны кросс-стратегии на видевших рекламу и баннерный ретаргетинг на зрителей видео — пример того, как связывают форматы внутри одной кампании.
Креативы строились вокруг выгоды: товар и цена до/после скидки по карте клуба «Дикси», а скидка в условиях инфляции выбрана как ключевой триггер.

FAQ

Зачем это важно: что в кейсе «Дикси» показывает связка таргетинга на агрегированных сегментах Big Data МТС и измерения Brand Lift (Ad Recall)?

В тексте показано, что охватную рекламу настраивали по обезличенным сегментам Big Data МТС и оценивали через Brand Lift с метрикой Ad Recall по тест/контроль; итог — +28,3%.

Как в описании проекта измеряли Brand Lift и Ad Recall: когда провели замер и чем отличались тестовая и контрольная группы аудитории?

Brand Lift провели в конце первой недели: тестовая группа видела рекламу, контрольной она не показывалась.

Какие шаги оптимизации кампании перечислены после первых результатов и какие параметры затрагивали — частоту, качество площадок и модели для повышения CTR?

Упомянуты корректировка частоты, кросс-стратегии, minCTR-отсечка, обучение и подключение CTR-моделей, а также blacklist доменов по CTR и VTR относительно бенчей.

Какие аудитории и сигналы названы среди лучше всего отработавших сегментов, и какие интересы и категории использовали в таргетинге кампании?

Среди сегментов названы покупатели и пользователи приложений других магазинов, интерес к скидкам и доставке еды, активность в категориях супермаркетов и минимаркетов и поведенческие сигналы звонков и SMS.

PubMag