CC BY
144
УКД 338 JEL M31
Хохлов Даниил Александрович
аспирант, ФГБОУ ВО «Государственный университет управления», г. Москва, Российская Федерация ORCID: 0000-0002-7858-3766 e-mail: daniluk53@gmail.com
Daniil A. Khokhlov
Postgraduate student, State University of Management, Moscow, Russia ORCID: 0000-0002-7858-3766 e-mail: daniluk53@gmail.com
DOI 10.26425/1816-4277-2021-11-47-52
ИССЛЕДОВАНИЕ АКТУАЛЬНЫХ ХАРАКТЕРИСТИК ОПИСАНИЯ ЦЕЛЕВОЙ АУДИТОРИИ ДЛЯ ПРОДВИЖЕНИЯ В ЦИФРОВОМ ПРОСТРАНСТВЕ
Аннотация. В статье исследованы актуальные характеристики целевой аудитории в цифровом пространстве. Поднята проблема несоответствия классических способов описания аудитории и рекламного инвентаря цифровых каналов продвижения товаров и услуг. Анализ рекламных кампаний и систем веб-аналитики позволил выявить шесть основных групп характеристик, которыми можно описать целевую аудиторию для любого рекламного сервиса в цифровом пространстве. Новые характеристики дополняют существующие методы описания аудитории и позволяют описывать целевые группы понятными терминами для разных специалистов, они доступны на каждом рекламном цифровом канале. Результат исследования позволит увеличить эффективность продвижения в цифровом пространстве благодаря более точным настройкам рекламных сообщений. Ключевые слова: целевая аудитория, медиапланирование, характеристики целевых групп, цифровой маркетинг, поведение пользователей, долгосрочные интересы пользователей, поисковая активность, устройства доступа, операционная система, браузер доступа
Для цитирования: Хохлов Д.А. Исследование актуальных характеристик описания целевой аудитории для продвижения в цифровом пространстве//Вестник университета. 2021. № 11. С. 47-52.
RESEARCH OF ACTUAL CHARACTERISTICS FOR DESCRIBING OF THE TARGET AUDIENCE FOR DIGITAL MARKETING
Abstract. The article examines the current characteristics of the target audience in the digital marketing. The problem of the discrepancy between the classical ways of describing audiences and the advertising inventory of digital promotion channels has been actualised. Analysis of advertising campaigns and web analytics systems has identifed six main groups of characteristics that can be used to describe the target audience for any advertising service in the digital marketing. The new features complement existing audience description methods and allow target groups to be described in terms that are understandable to different specialists, and are available on any advertising channel in the digital marketing. The result of the study will increase the effectiveness ofpromotion in the digital space due to more precise settings of advertising messages. Keywords: target audience, media planning, characteristics of target groups, digital marketing, user behavior, long-term user interests, search activity, access devices, operating system, access browser
For citation: Khokhlov D.A. (2021) Research of actual characteristics for describing of the target audience for digital marketing. Vestnik universiteta, no. 11, pp. 47-52. DOI: 10.26425/1816-4277-2021-11-47-52
Введение
Низкая стоимость запуска рекламной кампании, все большее распространение онлайн-покупок и увеличение эффективности продвижения в цифровом пространстве приводит новых рекламодателей в сети «Интернет» (далее - Интернет) и усиливает конкуренцию. Повышение спроса мотивирует рекламные сервисы совершенствовать свой рекламный инвентарь, что приводит к усложнению интерфейса. Все больше маркетологов специализируются не на исследованиях и планировании кампаний, а на конкретных инструментах и появляются специалисты более узкого профиля, такие как директолог, таргетолог, SMM-менеджер (англ. Social Media Marketing, SMM - маркетинг в социальных сетях - примеч. ред.), SEO-специалист (англ. Search Engine Optimisation,
© Хохлов Д.А., 2021.
Статья доступна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0. всемирная (http://creativecommons.org/licenses/by/4.0/). © Khokhlov D.A., 2021.
This is an open access article under the CC BY 4.0 license (http://creativecommons.org/licenses/by/4.0/).
SEO - оптимизация для поисковых систем - примеч. ред.) и др. [1]. Рекламодателю становится более выгодно содержать штат узких специалистов, которые будут развивать инструменты онлайн-рекламы и тестировать аудитории, настройки, коммуникационные сообщения.
Рекламная кампания, в классическом ее понимании, направленная на определенный сегмент целевой аудитории, в сегодняшних условиях становится все более сложно организуемым мероприятием [6]. В рекламной кампании будут участвовать разные специалисты, которые будут работать с разными сервисами. Большинство рекламных систем в цифровом пространстве предоставляют свой и часто уникальный набор характеристик аудитории для настройки продвижения. Одна из основных сложностей, которая возникает при планировании рекламной кампании - это описать параметры целевой аудитории таким образом, чтобы в каждом рекламном сервисе можно было корректно и точно указать целевую группу для показа рекламного сообщения.
Традиционные методы описания целевой аудитории недостаточно точно указывают ее особенности [7]. Для одних и тех же характеристик можно использовать разные настройки в рекламных сервисах, а часть важных параметров аудитории неактуальны для цифрового пространства.
Цель этого исследования - выявить и структурировать актуальные для цифрового пространства характеристики целевой аудитории.
Литературный обзор
После определения цели рекламной кампании необходимо определить целевую аудиторию. Ф. Котлер в книге «Маркетинг менеджмент. Экспресс-курс» пишет: «Особенности целевой аудитории оказывают большое влияние на решение коммуникатора о том, когда, где, как и к кому он будет обращаться и в чем будет заключаться его сообщение» [5]. Согласно Ф. Котлеру, целевую аудиторию необходимо определить на ранних этапах подготовки коммуникационных кампаний. Поэтому анализ и описание целевых групп рекламной кампании следует проводить сразу после формулирования цели продвижения. Основываясь на параметрах целевых групп следует выбирать инструменты продвижения и разрабатывать рекламное сообщение. Термин «целевая аудитория», или «группа», используется для обозначения совокупности потенциальных или существующих потребителей, объединенных общими характеристиками [2].
Инструменты цифрового продвижения позволяют собирать и использовать больше информации о потенциальных или существующих клиентах, чем какой-либо другой вид продвижения. Соответственно, такие инструменты расширяют список возможных характеристик для выделения целевых групп, что позволяет увеличить точность таргетирования и эффективность рекламных сообщений. Широкие возможности настроек рекламной кампании в каждом сервисе, обеспечивают небывалую ранее гибкость и вариативность сегментации аудитории, но в то же время этот разнообразный выбор является одним из факторов, который определяет проблематику медиапланирования. В продвижении товаров или услуг в цифровом пространстве уже недостаточно описать классические параметры аудитории (социально-экономические, демографические и другие), так как они не содержат в себе конкретную информацию о том, как настраивать рекламную кампанию. Цифровое пространство позволяет выявить новые характеристики, недоступные ранее [3].
Методы исследования
В процессе исследования проводился анализ статистики различных веб-ресурсов и рекламных кампаний. Для сравнения взяты посадочные страницы и кампании из разных сфер. Яндекс.Метрика и Google Analytics - основные сервисы веб-аналитики в проведенном исследовании. Для получения статистически значимых данных анализировался период в 30 календарных дней [8]. По результатам анализа и сравнения статистики веб-ресурсов автор описал и систематизировал основные характеристики целевой аудитории свойственные цифровому пространству. Сравнение различных характеристик позволило правильно сгруппировать их. Изучение технической документации рекламных сервисов помогло в описании логики работы алгоритмов присвоения свойств пользователям Интернета.
Результаты исследования
Характеристики целевой аудитории должны соответствовать возможностям настройки рекламных кампаний в рекламных сервисах или доступным целям (англ. target), так как если целевая группа выделена
на основе какой-либо особенности, которую невозможно использовать при настройке рекламной кампании, - эта особенность целевой аудитории бесполезна.
Рассмотрим группы характеристик целевой аудитории.
1. Устройства, операционная система и браузеры [19]. Статистика сайта кампании показывает, что конверсия сайта коррелирует с устройством доступа в Интернет. В таблице 1 представлены данные аналитики по конверсии сайта ресторана доставки еды с группировкой по устройствам.
Таблица 1
Показатели конверсии сайта по типу устройств
Тип устройства Конверсия, % Количество выполненных целей Целевые визиты
Смартфон 8,52 24 700 23 400
Персональный компьютер 13,70 11 800 10 900
Планшет 14,30 400 400
Составлена автором по материалам исследования
Из статистики следует, что пользователи смартфонов реже оставляют заявку на доставку, чем пользователи персональных компьютеров или планшетов. При этом общее количество пользователей, которые посещают сайт с мобильных устройств, больше, чем пользователей персональных компьютеров. Следовательно, мы не можем исключить какое-либо устройство из характеристики целевой группы. Использование смартфона, персонального компьютера или планшета - особенность целевой аудитории, но пользователей смартфонов нужно привлечь больше, чем пользователей персональных компьютеров, для достижения одного и того же результата. Можно сделать вывод, что при равной стоимости клика, привлекать мобильный трафик дороже, чем трафик персональных компьютеров.
2. Опыт взаимодействия с компанией и события, инициируемые пользователями [10]. В таблице 2 представлены показатели конверсии сайта в зависимости от количества визитов пользователей.
Таблица 2
Показатели конверсии сайта по количеству визитов пользователя
Количество визитов по истории посещений Конверсия,% Количество выполненных целей Целевые визиты
1 7,17 16 700 15 700
2 - 3 11,70 10 600 9 600
4 - 7 16,90 6 000 5 800
8 - 15 14,10 2 000 2 000
16 - 31 16,30 8 00 8 00
32 - 63 50,00 5 00 500
64 - 127 30,00 3 00 300
Составлена автором по материалам исследования
Из статистики следует, что чем чаще пользователь посещает сайт, тем выше вероятность, что он оставит заявку на доставку еды. Данные исследования автора, представленные в таблице 2, демонстрируют как история посещений может влиять на поведение пользователей. Опыт взаимодействия с компанией - важная характеристика, которая влияет на конверсию, а значит и на эффективность рекламной кампании.
3. Поисковая активность пользователей. Наиболее популярные рекламные сервисы, которые позволяет учитывать эти особенности - Яндекс.Директ и Google Ads, но есть и другие поисковые сервисы. Поисковая активность описывает, какие запросы пользователь вводит в поисковую строку поискового сервиса. Поисковый запрос пользователя в терминологии рекламных сервисов называется ключевой фразой, которая состоит из ключевых слов.
С поисковой активностью в основном работают специалисты по SEO-продвижению и контекстной рекламе. Специалисты выделяют несколько классификаций ключевых запросов. Директологи часто используют классифицируют их на целевые и околоцелевые, где целевые запросы - запросы, содержащие название рекламируемого товара или услуги, а околоцелевые - запросы, содержащие слова, которые указывают на потребность в рекламируемом товаре и услуге [4]. Специалисты по SEO чаще классифицируют ключевые запросы по цели поиска: навигационные, информационные и транзакционные запросы [9]. С точки зрения медиапланирования выделяют брендовые и небрендовые запросы, то есть запросы, содержащие название бренда и все остальные [4].
Данные о количестве запросов в поисковых системах пользователей по конкретным ключевым словам находятся в открытом доступе на сервисе wordstat.yandex.ru, что позволяет не только указывать поисковое слово как характеристику, но и планировать потенциальный охват целевой аудитории.
4. Долгосрочные интересы пользователей. Подавляюще большинство рекламных платформ собирают данные о своих пользователях. Внутренние алгоритмы социальных сетей, поисковых платформ, кроссплат-форменных сервисов, присваивают пользователям долгосрочные или устойчивые интересы на основе анализа их поведения в Интернете. Социальные сети собирают данные о просматриваемых публикациях, реакцию на них, подписки на сообщества и другие доступные данные, поисковые сервисы анализируют запросы пользователя, посещения сайтов, время, проведенное на сайтах, глубину просмотра и т. д. Все рекламные сервисы, работающие на основе аукциона, создают базы данных о пользователях и разрабатывают алгоритмы присвоения долгосрочных интересов. На основе этих данных они предлагают рекламодателю для тарге-тирования аудиторию с определенными долгосрочными характеристиками.
В большинстве рекламных сервисах встречаются схожие по названию долгосрочные интересы, например, «авто» и «мото», «бизнес», «дом и ремонт», «электроника и бытовая техника» и другие, но, как было указано выше, каждая рекламная площадка работает с данными, которые ей доступны. Социальные сети собирают информацию со своих площадок, контекстно-медийные сети - со своих, поэтому состав аудитории долгосрочных интересов может значительно различаться. Еще один недостаток этой характеристики аудитории - закрытость данных о правилах работы алгоритма присвоения интересов, то есть рекламодатель не знает, почему конкретному пользователю присвоили какой-либо долгосрочный интерес.
5. Группа характеристик, свойственная только социальным сетям - принадлежность к сообществам. Этот параметр позволяет компенсировать недостатки долгосрочных интересов, так как специалист по продвижению лично выбирает группы и сообщества, которые описывают интерес пользователя к необходимой теме. Участники тематических сообществ выражают свой интерес подпиской на сообщество, просмотром публикаций и взаимодействием с ней.
6. Схожей характеристикой можно назвать поведение пользователей, то есть посещение ими каких-либо веб-ресурсов или просмотр определенных страниц или видео. Отличие от принадлежности к сообществам в том, что данная характеристика описывает контент вне социальных сетей, что позволяет охватить большее количество потенциальных клиентов за счет большего количества веб-ресурсов, но усложняет процесс запуска рекламной кампании, так как необходимо использовать разные сервисы для показа рекламных сообщений, в большинстве случаев нужно договариваться с каждым веб-ресурсом отдельно, например, kudago. ru, sport.ru, ad.me и другие.
Все перечисленные группы характеристик можно комбинировать между собой и более подробно описывать группы целевой аудитории. Широкий выбор пользовательских свойств позволяет создавать бесконечное множество сегментов аудитории по их поисковой активности, долгосрочным интересам, сообществам, просматриваемому контенту и т. д.
Таким образом, можно выделить 6 новых групп характеристик для описания целевой аудитории при планировании рекламной кампании: 1) устройства, операционная система и браузеры; 2) опыт взаимодействия с компанией и события, инициированные пользователем; 3) поведение пользователей (просматриваемый контент); 4) принадлежность к сообществам; 5) долгосрочные интересы пользователей; 6) поисковая активность пользователей.
Описанные особенности аудитории можно объединить в три общие группы: 1) технические устройства доступа к сети; 2) опыт взаимодействия с компанией и 3) действия в Интернете. Но, по мнению автора,
деление на 6 групп наиболее целесообразно, так как «действия пользователя в сети «Интернет» - слишком большая группа, поскольку потенциальные клиенты совершают огромное количество разных по своему характеру действий. Так, «поисковая активность» отражает потребности людей и показывает, что человек ищет в конкретный момент, а «просматриваемый контент» и «принадлежность к сообществам», как характеристики, не описывают какую-либо потребность пользователя. Кроме того, предлагаемые характеристики можно комбинировать между собой, описывая огромное множество различных целевых групп.
Заключение
В исследовании рассмотрены характеристики целевой аудитории, необходимые для описания целевых групп при продвижении товаров и услуг в цифровом пространстве. При этом выявлены 6 групп характеристик. В большинстве своем цифровые рекламные сервисы используют как минимум 4 из 6 представленных характеристик. Так как большинство рекламных каналов в цифровом пространстве используют схожие параметры выделения целевой аудитории, указанных групп характеристик достаточно для описания аудитории рекламной кампании. Подобное описание может использовать любой специалист: директолог, таргетолог, SEO-специалист и другие.
Библиографический список
1. Азоев, Г. Л., Александрова И. Ю., Алешникова В. И., Бутковская Г. В., Конкс В. Я., Косяков М. А., Рассохина Е. Д., Токарев Б. Е., Старостин С. Ю., Сумарокова Е. В., Чернова В. Ю., Хохлов Д. А. Цифровые маркетинговые коммуникации: введение в профессию. Учебник для вузов / под ред. Г. Л. Азоева. - СПб.: Питер, 2021. - С. 172-183.
2. Азоев, Г. Л., Алешникова В. И., Рыжикова Т. Н., Токарев Б. Е., Ольховников А. В., Александрова И. Ю., Бутковская Г. В., Горинская И. В., Конкс В. Я., Кривошеев А. А., Старостин В. С., Старостин С. Ю., Сумарокова Е. В., Челенков А. П., Чернова В. Ю. Маркетинг освоение профессии. Учебник для вузов / под ред. Г. Л. Азоева. - СПб.: Питер, 2020. - С. 101-107.
3. Азоев, Г. Л., Хохлов, Д. А. Формирование модели прогноза спроса на проектируемые цифровые продукты // Маркетинг и маркетинговые исследования. - 2021. - №1 (143). - С. 18-27.
4. Ашманов, И., Иванов А. Оптимизация и продвижение в поисковых системах. - 4-е издание. - СПб.: Питер, 2019. - С. 133-136.
5. Котлер, Ф., Келлер, К. Л. Маркетинг Менеджмент; пер. с англ. Кузин В.; общ. Ред. Власова Е. - 15-е издание - СПб.: Питер. 2018. - С 415-423.
6. Ляпина, И. Р., Блажко, С. А. Интернет-медиапланирование: особенности и инструменты // Вестник государственного и муниципального управления. - 2016. - № 1 (20). - С. 77-79. https://doi.org/10.12737/18857
7. Рубцова, М., Павенков, О. Теория и практика медиапланирования: Методический аспект // ISERD - 575-я Международная конференция по экономике, менеджменту и социальным исследованиям (ICEMSS), 2-3 апреля 2019 г., Путраджая, Малайзия - 2019. - C. 77-89.
8. Скоробокатых, И. И., Ефимова, Д. М. Маркетинговые исследования и ситуационный анализ: Учебник / под общ. ред. И. И. Скоробокатых, Д. М. Ефимовой / РЭУ им. Г.В. Плеханова. - М., 2017. - С. 254-260.
9. Энж, Э., Сперсер, С., Стрикчиола, Дж. С. SEO искусство раскрутки сайтов. - 3-е издание. - СПб.: БХВ-Петербург, 2018. - С. 180-183.
10. Как Метрика определяет источник трафика / Справочник Яндекс. Метрика. [Электронный ресурс]. - Режим доступа: https://yandex.ru/support/metrica/general/sources-tracking.html (дата обращения: 10.09.2021).
References
1. Azoev, G. L., Aleksandrova I. Yu., Aleshnikova V I., et al. Digital marketing Communications: an introduction to the profession. Textbook for Universities, edited by G. L. Azoev, St. Petersburg, Piter, 2021, pp. 172-183. (In Russian).
2. Azoev, G. L., Aleshnikova V. I., Ryzhikova T. N., et al. Marketing mastering the profession. Textbook for Universities, edited by G. L. Azoev, St. Petersburg, Piter, 2020, pp. 101-107. (In Russian).
3. Azoev G. L., Khokhlov D. A. Formation of a demand forecast model for the designed digital products, Marketing i marketingovye issledovaniya, 2021, no. 1 (143), pp. 18-27. (In Russian).
4. Ashmanov I., Ivanov A., et al. Optimization and promotion in search engines, 4th ed., St. Petersburg, Piter, 2019, pp. 133-136. (In Russian).
5. Kotler F., Keller K. L. Marketing Management, transl. from English by Kuzin V., gen. ed. Vlasov E., 15th ed., St. Petersburg, Piter, 2018, pp. 415-423. (In Russian).
BecmuuK yuueepcumema № 11, 2021
6. Lyapina I. R., Blazhko S. A. Internet Media Planning: features and tools, Journal of Public and Municipal Administration, 2016, no. 1 (20), pp. 77-79. (In Russian). https://doi.org/10.12737/18857
7. Rubtsova M., Pavenkov O. Theory and practice of media planning: Methodological aspect, ISERD-575th International Conference on Economics, Management and Social Research (ICEMSS), 2-3 April, 2019, Putrajaya, Malaysia, 2019, pp. 77-89. (In Russian).
8. Skorobokatykh I. I., Efimova D. M. Marketing research and situational analysis: Textbook, under general editorship of I. I. Sko-robokatykh, D. M. Efimova, Plekhanov Russian University of Economics, Moscow, 2017, (Series. To the 110th Anniversary of Plekhanov Russian University of Economics) pp. 254-260. (In Russian).
9. Enge E., Spencer S., Stricchiola J.C. The art of SEO. Mastering search engine optimization, 3rd edition, St. Petersburg, BKHV-Pe-tersburg, 2018, pp. 180-183. (In Russian).
10. How Yandex.Metrica determines the traffic source, Yandex.Metrica Reference Guide. Available at: https://yandex.ru/support/ metrica/general/sources-tracking.html (accessed 10.09.2021).
