Алгоритмы Яндекса собирают подходящие сегменты для конкретных индустрий на основе данных, которыми поделились представители отрасли. Компании сами задают критерии «хороших» и «плохих» конверсий. Исходя из этого формируются усредненные значения, которые подходят большинству игроков рынка. По этим значениям конверсии в итоге распределяются в сегментах.
Зачем это нужно
- Влияйте на то, какие конверсии алгоритмы будут считать качественными, а какие нет.
- Таргетируйте рекламу на пользователей, которые с большей вероятностью дойдут до финального шага воронки продаж.
- Управляйте рекламой с помощью корректировок ставок, чтобы оптимизировать рекламный бюджет.
Как это работает
Загрузите данные
Чтобы алгоритмы научились отличать «хорошие» конверсии от «плохих», в файле должны быть данные как минимум 50 000 пользователей. Модель будет работать лучше, если соотношение «хороших» и «плохих» примеров будет отражать реальное количество клиентов в вашем бизнесе. Важно, чтобы пользователей с конверсиями меньшего типа было не меньше 1000. Чем больше данных вы передаете, тем точнее сегмент будет отвечать вашим задачам.
Обучающие сегменты помогли меньше показываться пользователям, которые не готовы к совершению конверсии прямо сейчас. Использование сегмента с низкой вероятностью покупки для отрицательных корректировок помогло снизить стоимость цели минимум на 20%.
Как проходит обучение
Алгоритмы Яндекса проверяют полученные данные и делят пользователей на сегменты по вероятности совершения качественной конверсии.
Обучаемые сегменты уже попробовали больше 100 рекламодателей. И теперь у нас есть готовые сегменты для 30 индустрий, в том числе медицины, fashion, продаж мебели, игровой индустрии, путешествий, юридических услуг.
Мы тестируем обучаемые сегменты с нашим клиентом — Puzzle English. Для этого мы разбили все сегменты на три группы: хорошие, средние и плохие. Первые результаты показывают, что сегмент «Плохие» лучше конвертируется в регистрации, но хуже в покупки. У сегмента «Хорошие» обратная ситуация: конверсия в покупку выше почти в 3 раза, а в регистрацию — значительно ниже. Мы продолжаем тестирование, чтобы собрать больше данных для окончательных выводов.
Недавно мы обновили процесс работы с обучаемыми сегментами и требования к файлу с данными для обучения модели. Подробнее об изменениях читайте в документации.
