Targetowanie behawioralne to technika reklamy cyfrowej, która pokazuje kupującym produkty na podstawie tego, co faktycznie robili w sieci — oglądanych stron, produktów dodanych do koszyka, wcześniejszych zakupów, powtarzanych wyszukiwań — zamiast opierać się na ogólnych założeniach demograficznych. Platformy reklamowe i narzędzia do retargetingu zbierają te dane o przeglądaniu i interakcjach, a następnie wykorzystują je do decydowania, które produkty z katalogu sprzedawcy wyświetlić danemu użytkownikowi, gdy porusza się po sieci. W reklamie opartej na feedach to warstwa, która zamienia statyczny katalog produktów w responsywne, spersonalizowane doświadczenie.
Dlaczego targetowanie behawioralne ma znaczenie w reklamie opartej na feedach
Feed produktowy dostarcza jedynie surowy katalog — tytuł, cenę, zdjęcie, dostępność — ale to targetowanie behawioralne decyduje, które z tysięcy pozycji faktycznie zobaczy konkretny kupujący. Bez trafnych sygnałów behawioralnych nawet idealnie zoptymalizowany feed wyświetla wszystkim ten sam ogólny asortyment, marnując wyświetlenia na produkty, które kupujący już odrzucił, i pomijając oczywiste okazje, takie jak osoba porzucająca koszyk, której wystarczy delikatna zachęta. Dlatego kampanie remarketingowe często osiągają lepszy koszt pozyskania niż kampanie prospectingowe: łączą dane z feedu z rzeczywistymi wskaźnikami zaangażowania zebranymi w sklepie, więc wyświetlana reklama odpowiada wykazanej intencji, a nie zgadywaniu na zimno. Skuteczność zależy od ścisłej zgodności identyfikatorów produktów w feedzie z kodem śledzącym uruchamianym w sklepie, ponieważ niezgodność między nimi zrywa powiązanie i zdarzenie wyświetlenia lub dodania do koszyka nigdy nie zostaje przypisane do produktu dostępnego w sprzedaży.
Jak działa targetowanie behawioralne
Platformy budują grupy odbiorców behawioralnych, oznaczając użytkowników zdarzeniami — wyświetlenie produktu, dodanie do koszyka, zakup — z których każde jest powiązane z konkretnym identyfikatorem produktu z feedu. Gdy ten sam kupujący później zobaczy reklamę, silnik reklam dynamicznych platformy zestawia historię jego zdarzeń z aktualnym feedem, aby pobrać pasujący produkt, jego bieżącą cenę i dostępność, zamiast wyświetlać statyczną kreację. Sprzedawcy często łączą to z węższą segmentacją, dzieląc odbiorców według kategorii, przedziału cenowego lub świeżości zakupu, tak aby klient, który przeglądał buty do biegania, nie widział reklam z niezwiązanej części katalogu. Dane behawioralne zasilają też targetowanie niszowe, pozwalając sprzedawcy wyodrębnić małą, ale silnie zainteresowaną grupę — np. kupujących, którzy wielokrotnie oglądali konkretną limitowaną linię — i skierować do niej dedykowaną kampanię zamiast włączać ją do szerokiej puli remarketingowej.
Przykład: targetowanie behawioralne w feedzie produktowym
<item>
<g:id>SKU-77120</g:id>
<title>Trail Running Shoe - Slate Grey, Men's 10</title>
<link>https://example-shop.com/products/trail-running-shoe-slate-10</link>
<g:price>129.00 USD</g:price>
<g:availability>in stock</g:availability>
<g:custom_label_0>cart_abandoner_7d</g:custom_label_0>
<g:custom_label_1>viewed_not_purchased</g:custom_label_1>
</item>Pola custom_label nie zmieniają sposobu wyświetlania produktu w wynikach bezpłatnych — istnieją po to, by feed można było filtrować na grupy kampanii oparte na zachowaniach, co pozwala reklamodawcy zbudować zestaw reklam dla osób porzucających koszyk, który pobiera wyłącznie tak oznaczone pozycje, z ceną i dostępnością z ostatniego odświeżenia feedu.
Powiązane pojęcia
Targetowanie behawioralne działa najlepiej jako warstwa nałożona na szerszą segmentację, ponieważ segmenty odbiorców wyznaczają pule, w których stosowane są sygnały behawioralne, a często zawęża się dalej do targetowania niszowego, gdy sprzedawca chce wyodrębnić konkretną, wartościową grupę zamiast traktować wszystkich zaangażowanych kupujących jednakowo. Nic z tego nie działa bez wiarygodnych wskaźników zaangażowania zasilających system — bez tych danych nie ma zachowań, na które można by targetować.
