17
Как мы готовим аудиторные сегменты: все смешать, но не взбалтывать

Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Tags:

Embed Size (px)

DESCRIPTION

Михаил Фирулик, руководитель отдела анализа данных

Citation preview

Page 1: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Как мы готовим аудиторные сегменты: все смешать, но не взбалтывать

Page 2: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Типы таргетингов

2

• Регистрационные данные• Технические таргетинги• Поведенческие таргетинги

• Контекст поисковых запросов• Тематика посещаемых сайтов• Audience Extension – расширение аудитории

• Вероятностные таргетинги (Machine Learning)• Классификация – разбиение на категории• Look-alike – поиск похожих

Page 3: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Audience Extension vs Look-alike

3

Audience Extension Look-alike

Использует только имеющиеся сегменты

Создает новый сегмент

Относительно низкий порог вхождения

Высокий порог вхождения, сильно зависит от выборки

Простая афинитивная модель Сложная модель на основании Machine Learning

«Грубоя» настройка «Тонкая» настройка

Page 4: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Классификация vs Look-alike

4

Классификация Look-alike

Более одной категории Одна категория

Стандартная задача для Machine Learning

Требует поиска нестандартных решений:•Выборка vs случайный отбор•Кластеризация•Audience Extension +

Для достижения результата желательно:•Категории очевидно противопоставлены друг другу•Распределение по категориям равномерно•Выборка достаточно велика

Для достижения результата необходимо:•В выборке люди, объединённые одной целью•Размер искомой аудитории значим•Выборка очень велика

Page 5: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Поведенческий vs Классификация

5

Поведенческие таретинги – online сегменты

• Потребности• Интересы• Увлечения

Классификация – offline сегменты

• Характер• Образ жизни• Образ мышления

Page 6: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Сегменты изнутри

6

Поведенческие таргетинги (≈800 сегментов)

• Поисковый ретаргетинг – слова в запросах• Поведенческий ретаргетинг – разовое посещение

сайта/страницы• Интерес – многократное посещении за период

Machine Learning таргетинги

• Анализ паттернов поведения обучающей выборки

Page 7: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

7

≈200 Поведенческих таргетингов

Авто• Авто внедорожники• Авто премиум класс• Авто средний класс• Авто эконом класс• Автобарахолка• Автовладельцы• Грузовой и коммерческий автотранспорт• Мото• Спецтехника• Шины и диски

Авто по маркам

Page 8: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

8

Интересы

Page 9: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

9

Page 10: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

10

Page 11: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

11

Page 12: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

12

Page 13: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

13

Page 14: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Интересы

14

Page 15: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Machine Learning таргетинги

15

Page 16: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

Калькулятор интересов

http://sales.mail.ru/ru/russia/main/latest/calculator/

http://sales.mail.ru/ru/targeting/

Page 17: Как готовить аудиторные сегменты: все смешать, но не взбалтывать!

17

СПАСИБО ЗА ВНИМАНИЕ!Михаил ФируликРуководитель отдела анализа данных[email protected]