Поведенческий таргетинг — это метод цифровой рекламы, при котором покупателям показывают товары на основе их реальных действий в интернете — просмотренных страниц, добавленных в корзину товаров, прошлых покупок, повторных поисковых запросов, — а не на основе общих демографических предположений. Рекламные платформы и инструменты ретаргетинга собирают эти данные о просмотрах и взаимодействиях, а затем решают, какие товары из каталога продавца показать конкретному посетителю, пока он перемещается по сети. В рекламе на основе фидов это тот слой, который превращает статичный товарный каталог в отзывчивый персонализированный опыт.
Почему поведенческий таргетинг важен для рекламы на основе фидов
Товарный фид лишь предоставляет исходный каталог — название, цену, изображение, наличие, — а поведенческий таргетинг решает, какие из тысяч позиций будут показаны конкретному покупателю. Без точных поведенческих сигналов даже идеально оптимизированный фид показывает всем один и тот же общий ассортимент, тратя показы на товары, которые покупатель уже отверг, и упуская очевидные возможности — например, пользователя, бросившего корзину, которому нужен лишь небольшой толчок. Именно поэтому ремаркетинговые кампании часто превосходят кампании по привлечению новой аудитории по стоимости привлечения: они сочетают данные фида с реальными метриками вовлечённости, собранными на сайте, так что показанное объявление соответствует продемонстрированному намерению, а не случайной догадке. Успех здесь зависит от точного согласования идентификаторов товаров в фиде и кода отслеживания, срабатывающего на витрине: расхождение между ними разрывает связь, и событие просмотра или добавления в корзину так и не сопоставляется с товаром, доступным для продажи.
Как работает поведенческий таргетинг
Платформы формируют поведенческие аудитории, помечая посетителей событиями — просмотр товара, добавление в корзину, покупка, — каждое из которых привязано к конкретному идентификатору товара из фида. Когда тот же покупатель позже видит объявление, механизм динамической рекламы платформы сопоставляет историю его событий с актуальным фидом и подставляет соответствующий товар, его текущую цену и наличие вместо статичного креатива. Ритейлеры часто дополняют это более узкой сегментацией, разделяя аудитории по категориям, ценовым диапазонам или давности покупки, чтобы покупателю, который смотрел беговые кроссовки, не показывали рекламу не связанной с ними части каталога. Поведенческие данные также используются для нишевого таргетинга: продавец может выделить небольшую, но заинтересованную группу — скажем, покупателей, которые неоднократно просматривали определённую лимитированную линейку, — и запустить для неё отдельную кампанию, а не включать её в общий 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>Поля custom_label здесь не меняют того, как товар отображается в органической выдаче: они нужны для того, чтобы фид можно было разбить на группы кампаний по поведению. Так рекламодатель может создать группу объявлений для бросивших корзину, в которую попадают только товары с такой меткой — с ценами и наличием на момент последнего обновления фида.
Связанные понятия
Поведенческий таргетинг работает лучше всего поверх более широкой сегментации, поскольку сегменты аудитории задают пулы, внутри которых применяются поведенческие сигналы, а когда продавцу нужно выделить конкретную ценную группу, а не относиться ко всем вовлечённым покупателям одинаково, он часто сужается до нишевого таргетинга. Ничего из этого не работает без надёжных метрик вовлечённости, поступающих в систему: без этих исходных данных таргетироваться просто не на что.
