Введение и контекст:
АНИНА Париж это косметический бренд премиум-класса, специализирующийся на средствах по уходу за кожей для женщин 25-45 лет. Бренд гордится высококачественными составами, ориентированными на потребителей, заботящихся о красоте и ищущих роскошь по доступной цене.
Несмотря на сильный модельный ряд, ANYNA Paris боролась с неэффективностью дисплейной рекламы. Бренд столкнулся с высокой стоимостью привлечения, снижением вовлеченности и низкими показателями конверсии. Существующие рекламные кампании не имели точного таргетинга, что приводило к напрасной трате рекламных средств и минимальной отдаче.
Задача (болевая точка и формулировка проблемы):
- Высокая стоимость приобретения (CPA): Среднее значение CPA для дисплейной рекламы $39, в то время как средняя стоимость заказа (AOV) был только $44что делает рентабельность неустойчивой.
- Снижение коэффициента кликабельности (CTR): Снижение с 2,1% до 0,9%, что свидетельствует о низкой вовлеченности в рекламу.
- Нерациональное расходование рекламных средств: Широкий охват аудитории приводил к нерелевантным показам и низким показателям конверсии.
Категория
Медиабаинг Display/ InApp/ Programmatic
Клиенты
АНИНА Париж
Расположение
Париж, Франция
Под руководством и при исполнении:
Мохамед Шуруки
Стратегия и исполнение (пошаговая разбивка предпринятых действий):
Мы разработали многоэтапную стратегию, основанную на данных, для оптимизации эффективности отображения рекламы и повышения рентабельности рекламных расходов (ROAS).
Этап 1: Уточнение и сегментация аудитории
- Переключился с широкий демографический таргетинг сегментации аудитории на основе намерений, в том числе:
- Ретаргетинг прошлых посетителей (30-дневное окно)
- Аудитории, похожие друг на друга на основе клиентов с высоким уровнем ЛТВ
- Аудитории, основанные на вовлеченности (пользователи, которые взаимодействовали с видеорекламой или посетили несколько страниц)
- Реализовано Динамические ретаргетинговые объявленияНастраивая рекламные креативы на основе поведения пользователей при просмотре сайтов.
Этап 2: Оптимизация рекламных креативов
- Разработано Варианты объявлений, сгенерированные искусственным интеллектом чтобы протестировать различные заголовки, изображения товаров и размещение CTA.
- Внедрение интерактивной рекламы HTML5 с элементами движения позволило повысить вовлеченность на 26%.
- Персонализированные рекламные креативы для каждого сегмента аудитории (например, антивозрастные продукты для пользователей 40+, продукты, ориентированные на увлажнение, для более молодых демографических групп).
Этап 3: Оптимизация торгов и размещения на основе производительности
- Переключился с Переход от плоских CPC-тендеров к автоматизированным торгам, ориентированным на ROASчто позволяет алгоритму отдавать предпочтение пользователям с высокой конверсией.
- Ориентирован на премиальные места для издателейЭто уменьшает количество нерелевантного трафика.
- Настройте частоту объявлений на предотвращение слепоты от баннеровСнижение усталости от рекламы.
Трудности и препятствия:
- Усталость от рекламы и баннерная слепота:
- Решается путем ротации креативов каждый 10 дней и введение интерактивных элементов.
- Несоответствие в атрибуции:
- Реализовано Отслеживание UTM и атрибуция мультитач моделирование для лучшего понимания маршрутов клиентов.
- Первоначальная неэффективность похожих аудиторий:
- Улучшено за счет уточнения данных о посевной аудитории, что привело к Повышение производительности 36%.
Результаты и влияние (сравнение данных до и после):
Метрика | До оптимизации | После оптимизации (90 дней) |
Стоимость приобретения (CPA) | $39 | $17 |
Коэффициент кликабельности (CTR) | 0.9% | 3.8% |
Рентабельность рекламных расходов (ROAS) | 1.3x | 4.5x |
Повышение вовлеченности в рекламу | – | +65% |
Снижение показателя отказов | – | -28% |
Ключевые выводы и извлеченные уроки:
- Сегментация - ключевой момент: Гиперцелевая аудитория повышает вовлеченность и конверсию.
- Творческие вопросы: Интерактивные объявления HTML5 значительно превосходят статичные объявления на дисплеях.
- Стратегия торгов может сделать или сломать производительность: Интеллектуальная автоматизация торгов обеспечивает эффективность использования бюджета.
- Частое тестирование креатива предотвращает усталость от рекламы: Регулярная ротация объявлений поддерживает высокий уровень вовлеченности.
- Модели атрибуции должны постоянно оптимизироваться: Правильное отслеживание ведет к более эффективному распределению бюджета.
Заключение и последние мысли:
Благодаря расширенной сегментации аудитории, тестированию креативов с помощью искусственного интеллекта и продуманным стратегиям торгов мы превратили рекламные кампании ANYNA Paris на дисплеях из убыточных в масштабируемый источник дохода.
Постоянно уточняя данные и оптимизируя размещение, бренд выстроил устойчивую стратегию приобретения, обеспечивающую долгосрочный рост и прибыльность.
RU 
EN 
FR