Яндекс Аудитории
|

Использование Яндекс.Аудиторий в контекстной рекламе: источники данных, связки и реальные кейсы

Что такое Яндекс.Аудитории и зачем они нужны

Яндекс.Аудитории — сервис сегментации пользователей на основе собственных и сторонних данных: CRM-базы, пиксель медийной рекламы, геолокация, данные Метрики, AppMetrica, а также внешние источники DMP-провайдеров. На выходе рекламодатель получает не персональные данные, а анонимные идентификаторы, сопоставленные с пользователями экосистемы Яндекса. 

Ключевое отличие сегментов Аудиторий от сегментов Метрики: Метрика знает только поведение на сайте, тогда как Аудитории добавляют данные, которых на сайте нет — CRM-контакты, геоповедение, просмотры медийки, данные приложения.

Источники данных для сегментов

  • Что собирает — Сопоставление контактов с ID Яндекса
  • Минимальный порог — от 100 записей
  • Обновление — до 10 дней
  • Что собирает — Посетители по URL, времени, глубине, целям
  • Минимальный порог — от 1000 ID
  • Обновление — до 7 дней
  • Что собирает — Пользователи, видевшие баннеры/видео
  • Минимальный порог — от 100 ID
  • Обновление — 1–90 дней
  • Что собирает — Были/живут/работают в зоне
  • Минимальный порог — от 1000 ID
  • Обновление — до 10 дней
  • Что собирает — Установки, события в приложении
  • Минимальный порог — от 1000 ID
  • Обновление — до 7 дней
  • Что собирает — Готовые сегменты по интересам, доходу
  • Обновление — по графику провайдера

Типы сегментов и сценарии применения

1. Ретаргетинг по данным Метрики и CRM

Сегмент по CRM позволяет показывать рекламу клиентам, которых уже знаем, но которые давно не возвращались. Производственная компания (подушки и одеяла) загрузила 460 email-адресов покупателей, настроила ретаргетинг в РСЯ с акцией по новой линейке. Результат: 42% всех лидов за период пришли с этой кампании, CPL — 891 ₽ (против 810 ₽ в среднем по аккаунту). 

2. Look-alike (похожие аудитории)

Алгоритм строит профиль по исходному сегменту (seed) через технологию Крипта, учитывая 300+ факторов: поисковые запросы, посещённые сайты, интересы, демографию, устройство, время активности. Пользователи из seed в LAL-сегмент не попадают — это исключительно новая аудитория.

Шкала точности от 1 до 5: выше точность — меньше охват, но ближе профиль к seed. Для ecommerce-целей «Покупка» и «Добавление в корзину» профиль строится в момент настройки сегмента, а не по дню конверсии.

Кейс «ИЛЬ ДЕ БОТЭ» (официальный кейс Яндекса): из отчёта электронной коммерции Метрики создали 8 сегментов покупателей по сумме чека (от <1000 до >10 000 ₽), на их основе — 8 LAL-сегментов. В РСЯ развернули 9 кампаний × 16 групп: 8 групп ретаргетинга + 8 LAL. Ставки на LAL — на 30% ниже родительских.

  • Доля показов в РСЯ — 10,9%
  • Доля кликов — 5,2%
  • Доля бюджета — 10,8%
  • Доля транзакций — 22,8%
  • Доля дохода РСЯ — 30,5%
  • CR vs средний по РСЯ — ×4
  • CPO vs целевое — −57%
  • Средний чек vs сайт — +35%

Кейс «Красный апельсин» (архитектурно-строительная компания, B2C премиум): LAL на основе CRM-сегмента покупателей. CPA снизился с 6000 до 1600 ₽ за две недели.

Кейс Spectr Media (сервис «Онлайн-касса»): LAL на сегменте клиентов с повышающими корректировками. Конверсии выросли в 2,7 раза, стоимость — снизилась более чем в 4 раза. 

Кейс Rivox (edtech): seed — 1850 покупателей за 90 дней. Тестируемая схема: LAL-3 (100 000 ₽/мес) → масштабирование до LAL-5 (400 000 ₽/мес). За 2 месяца заявки выросли с 52 до 480/мес (×9,2), CPA — 4800 → 5100 ₽ (+6%).

3. Геолокация: радиусы и полигоны

Полигон — произвольная фигура на карте, до 10 участков на сегмент, суммарно не более 10 км². Условие связи с локацией: «живут», «работают», «бывают». Для B2B эффективно targeting на бизнес-центры, для локального бизнеса — на жилые массивы вокруг точки.

Кейс «Дом.ru» (официальный, Яндекса): для 12 городов создали сотни полигонов по адресам домов, где уже проведён интернет. На пользователей из полигонов назначали повышающие корректировки в поисковых кампаниях. Результаты:

  • Санкт-Петербург: CPL небрендовых кампаний −78%
  • Пермь: CPL −95%
  • Волгоград, Воронеж, Нижний Новгород: брендовые кампании — CPL −26–85%

Кейс Adventum (апартаменты премиум-класса): геосегмент на элитные рестораны, клубы и магазины. При бюджете 35 000 ₽ — 2 целевых обращения (против 1 лида за 25 000 ₽ в других кампаниях). Рост трафика в брендовой кампании — 19%.

Кейс: стоматология в Северном Медведково: переход от таргетинга «на весь СВАО» к полигону 1,5 км вокруг клиники, было/стало:

  • Бюджет/мес — 50 000 ₽/28 000 ₽
  • Звонки — 47/38
  • CR в запись — 21%/41%
  • Стоимость пациента — 508 ₽/341 ₽

4. Пиксель Аудиторий

Пиксель собирает пользователей, видевших медийную рекламу (баннеры, видео), но не кликнувших. Сегмент доступен при наборе ~100 ID, период сбора — 1–90 дней, можно задать минимальное число показов.

Кейс «Ленинград Центр» (официальный кейс Яндекса): 11 тематических сегментов для анонса шоу, каждому — свой креатив. Post-view анализ показал: конверсия по цели «Выбор мест» у посетителей, видевших баннеры — 17,7%, у контрольной группы — 11,2% (×1,6). Пиковый сегмент «театралы» — 43% CR при CPA 115 ₽.

5. Обучаемые сегменты (предиктивные)

Минимум 50 000 конверсий за 2 года для старта. Алгоритм определяет «хорошие» и «плохие» конверсии и строит сегменты по вероятности покупки.

Кейс отель «Имеретинский» (официальный, Яндекса): повышающие корректировки на сегменты с высокой вероятностью конверсии, понижающие — с низкой. Конверсии по цели «Бронь» — +13%, CPA — ×0,5, CR — +35%

Кейс MediaNation (A/B-тест, ML-сегменты на базе StreamMyData): 3 кластера (нулевой/средний/высокий) с понижающими и повышающими корректировками. Тест: 11 декабря 2023 — 11 января 2024:

  • Покупки: +25,7% vs контроль
  • Добавления в корзину: +34,4%
  • CPA: −21,2%
  • Сумма корзины: +37,2%

6. Комбинированные связки

Кейс: производство мебели премиум-класса

  • Полигоны на премиум-районы (Рублёвка, Барвиха, премиум-ЖК)
  • Загрузка базы дизайнеров → LAL
  • Повышающие корректировки в Поиске и РСЯ

Результат: после подключения полигонов и LAL — +28% лидов. В итоге по проекту — рост лидов в 2,5 раза, CPL с 13 129 до 8785 ₽.

Технические нюансы

Минимальные пороги. CRM — от 100 записей (для LAL рекомендуется от 1000). Геосегмент — от 1000 ID. Пиксель — от 100 ID. Обработка сегмента — не менее 2 часов.

Обновление. Аудитории обновляют только активные сегменты — те, что используются в рекламе. Частота зависит от типа: от 2 до 10 дней. При наличии 1000+ неактивных геосегментов (используется <5%) создание новых блокируется.

Корректировки на поиске. Ключевые слова работают с сегментом через оператор «И»: реклама показывается только если пользователь из сегмента И вводит нужный запрос. В одном из проектов такая связка приносит 30 доп. лидов/мес при CR на 2–4 п.п. выше и CPL в 2–3 раза ниже остальных кампаний.

LAL: качество seed решает. Тест LAL-сегментов с разной точностью (1–5) показал: для женской базы (большой объём CRM) — закономерность «выше точность → выше CR, ниже CPO» подтвердилась. Для мужской базы (в 3,8 раза меньше записей) — закономерности нет. Вывод: чем больше данных в seed, тем стабильнее LAL.

Исключение каннибализации. При запуске LAL-кампаний исключайте seed-сегмент и ретаргетинговую аудиторию из показов, чтобы не пересекаться с работающими кампаниями. 

Выводы

  1. LAL — главный инструмент масштабирования за пределы ретаргетинга. При качественном seed (от 5000 конверсий) даёт рост объёма в 4–9 раз при удержании CPA в пределах +6–30% к ретаргетингу.
  2. Геосегменты — основа для локального бизнеса и B2B. Снижение CPL до 95% (Дом.ru), рост качества лидов в 2 раза (стоматология).
  3. Пиксель медийки — мост между имиджевой и performance-рекламой. Post-view конверсии до 1,6× контрольной группы.
  4. Обучаемые сегменты — для крупного advertisers (от 50K конверсий). При правильной настройке — +25% конверсий и −21% CPA по A/B-тесту.
  5. CRM-ретаргетинг — недооценённый инструмент. 460 контактов → 42% лидов периода.

Похожие записи