Кейс: автобренд Haval нашёл людей, которые хотят машину, и притащил на свой сайт

Что сделали. Weborama и TargetNative проанализировали данные автолюбителей портала «За рулём», нашли тех, кто хотел бы купить Haval или что-то похожее, и таргетировали на них рекламное видео.

Как работает. TargetNative собрал анонимизированные данные пользователей «За рулём», которые заинтересованы в покупке Haval F7 или его конкурентов. Эти данные масштабировали с помощью предиктивных моделей и технологии look-alike. Затем Weborama запустила рекламное видео на эту аудиторию через собственную видеосеть, благодаря чему получилось отследить результаты и оптимизировать кампанию.

Результат. Haval получил трафик заинтересованных пользователей: среднее время на сайте увеличилось на 38%, а отказы снизились на 20%. Конверсии тоже подросли: переход на страницу «Тест-драйв» оказался выше планового на 13%, «Найти дилера» — на 20% и «Авто в наличии» — на 9%.

#новости #кейс

Кейс: «Лазурит мебель» нашёл свою целевую аудиторию среди 48,5 млн абонентов «Билайна»

Что сделали. Мебельный бренд «Лазурит мебель» увеличил продажи, откопав целевую аудиторию среди абонентов «Билайна» с помощью машинного обучения.

Как работает. «Билайн» и Solutions Factory выбрали пять критериев для поиска аудитории: среди них возраст, уровень дохода и интерес к мебели и недвижимости. Этих людей искали среди 48,5 млн абонентов «Билайна» с помощью математических моделей, которые анализируют поведенческие характеристики абонентов и делят их на группы. Например, уровень дохода модель вычисляет на основе обезличенных данных о платежах и регистрации в роуминге. А интерес к мебели определяет по заходам на мебельные сайты.

Результаты. На собранную аудиторию запустили рекламу в соцсетях и медийную. После кампании число транзакций увеличилось на 12,5%, а количество уникальных покупателей — на 11,1%.

#новости #кейс