Поведенческий таргетинг — это метод цифровой рекламы, который показывает покупателям товары на основе их реальных действий в интернете — просмотренных страниц, добавленных товаров в корзину, прошлых покупок, повторных поисковых запросов — а не на основе общих демографических предположений. Рекламные платформы и инструменты ретаргетинга собирают эти данные о просмотре и взаимодействии, а затем используют их для определения того, какие товары из каталога продавца показывать конкретному посетителю по мере его перемещения по сайту. В случае фид-рекламы это тот слой, который превращает статичный каталог товаров в адаптивный, персонализированный интерфейс.

Почему поведенческий таргетинг важен для рекламы, основанной на ленте новостей

Товарный фид предоставляет только исходный каталог — название, цена, изображение, наличие — но поведенческий таргетинг определяет, какие из этих тысяч товаров будут показаны конкретному покупателю. Без точных поведенческих сигналов даже идеально оптимизированный фид показывает всем один и тот же стандартный ассортимент, тратя показы на товары, которые покупатель уже проигнорировал, и упуская очевидные возможности, такие как покупатель, бросивший корзину и нуждающийся лишь в напоминании. Именно поэтому ремаркетинговые кампании часто превосходят по эффективности привлечение новых клиентов по стоимости привлечения: они объединяют данные фида с реальными показателями вовлеченности, полученными на сайте, поэтому показанная реклама соответствует продемонстрированному намерению, а не является холодной догадкой. Для достижения успеха необходима тесная координация между идентификаторами товаров в фиде и кодом отслеживания, срабатывающим на витрине магазина, поскольку несоответствие между ними разрывает связь, и событие просмотра или добавления в корзину никогда не будет связано с товаром, пригодным для продажи.

Как работает поведенческий таргетинг

Платформы формируют поведенческие аудитории, помечая посетителей событиями — просмотр товара, добавление в корзину, покупка — каждое из которых привязано к определенному идентификатору товара из фида. Когда тот же покупатель позже видит рекламу, динамический рекламный механизм платформы сопоставляет историю его событий с текущим фидом, чтобы отобразить соответствующий товар, его текущую цену и наличие на складе, вместо показа статичного креатива. Ритейлеры часто дополняют это более узкой сегментацией, разделяя аудитории по категориям, ценовым диапазонам или давности покупок, чтобы покупатель, который просматривал кроссовки, не видел рекламу несвязанной части каталога. Поведенческие данные также используются для нишевого таргетинга, позволяя продавцу выделить небольшую, но заинтересованную группу — например, покупателей, которые неоднократно просматривали определенную лимитированную линейку — и показывать им специальную кампанию, а не включать их в широкий пул ремаркетинга.

Пример: Поведенческий таргетинг в товарном фиде

<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>

custom_label Эти поля не меняют способ органического отображения товара — они существуют для того, чтобы фид можно было фильтровать по группам кампаний на основе поведения пользователей, позволяя рекламодателю создавать набор объявлений для пользователей, бросивших корзину, который будет показывать только товары с такими метками, ценой и наличием на складе на момент последнего обновления фида.

Связанные концепции

Поведенческий таргетинг лучше всего работает в сочетании с более широкой сегментацией , поскольку сегменты аудитории определяют группы, в которых применяются поведенческие сигналы, и часто сужается до нишевого таргетинга, когда продавец хочет выделить конкретную высокоценную группу, а не относиться ко всем заинтересованным покупателям одинаково. Ничто из этого не работает без надежных показателей вовлеченности, которые изначально поступают в систему — без этих исходных данных нет поведения, на которое можно было бы ориентироваться.