Jak personalizować reklamy dla ludzi, o których nic nie wiesz? Szczera odpowiedź: na poziomie jednostki – nie da się. Ale można znakomicie zrozumieć ludzi zainteresowanych daną kategorią i na podstawie garści sygnałów dopasować nowych użytkowników do odpowiedniej persony. To sedno działającej strategii zimnego startu.
Jak intensywnie branża szuka alternatyw dla klasycznych danych o odbiorcach, widać w niedawnych publikacjach Digiday: syntetyczne grupy odbiorców przechodzą z eksperymentu do codziennej pracy planistycznej i strategicznej. Aveeno Body dzięki syntetycznym badaniom Vurvey skróciło czas potrzebny na brief strategiczny z około 30 dni do trzech. Goodway Group korzysta w planowaniu mediów z „syntetycznej populacji” konsumentów z USA, Wielkiej Brytanii i Niemiec, którą oferuje Arima.
Czym jest problem zimnego startu w reklamie?
Pojęcie pochodzi ze świata systemów rekomendacji. System uczący się z zachowań potrzebuje zachowań, z których może się uczyć – a nowy użytkownik jeszcze ich nie ma. Dlatego system serwuje średnią: bestsellery, ogólne przekazy, reklamę, która trochę działa na wszystkich, a na nikogo naprawdę.
W reklamie problem się zaostrza. Kilka przeglądarek domyślnie blokuje pliki cookie stron trzecich, banery zgód są w Niemczech codziennością, a nie każdy klika „Akceptuj wszystkie”. Klasyczne wyjście, czyli kupowane segmenty, stało się z punktu widzenia ochrony danych bardziej problematyczne i i tak niewiele mówi o tym, dlaczego ktokolwiek kupuje. W regionie DACH (Niemcy, Austria i Szwajcaria), ukształtowanym przez RODO, „dokupimy więcej danych” przestało być strategią.
Dlaczego więcej danych nie rozwiązuje problemu
Badania nad jakością danych mają na to trzeźwą formułę: dane są tak dobre, jak ich przydatność do celu. Sama dokładność nie wystarczy; dane muszą być istotne, aktualne i dopasowane do konkretnego pytania. W literaturze określa się to mianem „fitness for use”, czyli przydatności do zastosowania.
Kupiony segment, taki jak „kobiety, 25–34 lata, zainteresowane beauty”, jest sformułowany precyzyjnie. A jednak na pytanie „Co skłoniłoby tę osobę do wypróbowania naszego produktu?” jest prawie bezwartościowy. Opisuje cechy, a nie motywy. Zaangażowanie rodzi się ze zrozumienia, nie z liczb.
Dla zimnego startu oznacza to, że kluczowym zasobem nie jest historia pojedynczego użytkownika, lecz solidny obraz motywów, obaw i języka w kategorii. A ten obraz można zbudować z publicznie dostępnych treści.
Jak buduje się persony z publicznych treści?
Ludzie publicznie mówią zaskakująco dużo o tym, dlaczego kupują – albo nie: w komentarzach pod postami marek, w opiniach o produktach, w filmach twórców, w wątkach na forach. Te treści można zebrać, pogrupować według tematów i napięć i przetworzyć w persony – z prawdziwymi cytatami zamiast zmyślonych profili.
Różnica względem klasycznej persony z warsztatu: opiera się na tym, co ludzie naprawdę mówią, a nie na tym, co zespół o nich zakłada. Digiday opisuje pokrewne podejście: dla marki Sacheu firma Limitless Labs analizuje tysiące filmów z TikToka i Instagrama z ekosystemu jej twórców, by budować persony.
Ważne dla rynku niemieckiego: takie persony działają na poziomie wzorców i grup. Nie potrzebują profilu pojedynczych użytkowników, by wybrać pierwszy przekaz. Prawnej oceny Twojego konkretnego rozwiązania nadal powinien dokonać Twój doradca ds. ochrony danych.
Jakie są podejścia do zimnego startu?
| Podejście | Podstawa danych | Mocna strona | Słabość |
|---|---|---|---|
| Kupowane segmenty third-party | Zewnętrzne profile, pliki cookie | Szybko dostępne | Mały wgląd w motywy; problematyczne z punktu widzenia ochrony danych |
| Targetowanie kontekstowe | Otoczenie, czas, lokalizacja, urządzenie | Działa bez danych osobowych | Niewiele mówi o motywacjach |
| Dane zero-party | Odpowiedzi z quizów lub onboardingu | Bezpośrednie i oparte na zgodzie | Tylko od tych, którzy biorą udział; tarcie w lejku |
| Syntetyczni odbiorcy | Modele oparte na danych z badań, statystyk i paneli | Szybka symulacja reakcji | Ciążenie ku średniej; jakość zależy od danych wejściowych |
| Persony z publicznych treści | Komentarze, opinie, treści twórców, reklamy konkurencji | Prawdziwe motywy i język kategorii | Wymaga sygnałów, by dopasować poszczególnych użytkowników |
Żadne podejście nie rozwiązuje problemu samo. W praktyce persony z publicznych treści dostarczają hipotez, sygnały kontekstowe – dopasowania, a dane first-party – potwierdzenia.
Jak wdrożyć personalizację przy zimnym starcie w sześciu krokach?
- Zbierz rozmowy z kategorii. Komentarze, opinie, treści twórców i reklamy konkurencji z ostatnich miesięcy – nie tylko o marce, ale o całej kategorii.
- Zbuduj persony i napięcia. Pogrupuj treści według motywów i obaw. Trzy do pięciu wyraźnie różnych person wystarczy na start.
- Napisz jedną hipotezę na personę. Jaki przekaz, jaki hook, jaka oferta pasuje? Przygotuj co najmniej jeden dedykowany wariant kreacji dla każdej persony.
- Zdefiniuj sygnały dopasowania. Strona docelowa, wyszukiwana fraza, kontekst, źródło kampanii, pierwsze kliknięcia: zdecyduj, który sygnał wskazuje na którą personę.
- Serwuj z eksploracją. Zarezerwuj część emisji na warianty, które nie pasują do zakładanej persony. Dzięki temu system wciąż się uczy, zamiast tylko potwierdzać własne założenie.
- Zasilaj danymi first-party. Każda interakcja doprecyzowuje dopasowanie. Regularnie aktualizuj persony, bo rozmowy się zmieniają.
Jak przydatne są syntetyczne grupy odbiorców przy zimnym starcie?
Całkiem przydatne – jeśli zna się ich granice. W relacji Digiday nawet osoby zaangażowane zgłaszają zastrzeżenia: Chad Reynolds, CEO Vurvey, mówi, że duże modele językowe dostarczają szczytu krzywej dzwonowej, czyli najczęstszej odpowiedzi. Julie Clark z TransUnion ostrzega przed personami zbudowanymi na słabych danych wejściowych. A Stef Hoffman z Code & Theory ujmuje to trafnie: wyniki wspierają osąd, ale go nie zastępują.
Właśnie tu publiczne treści pokazują swoją wartość. To nie symulacja; to dowód. Jeśli persona twierdzi, że ludzie w Twojej kategorii boją się przede wszystkim kupić nie to, co trzeba, powinieneś móc zobaczyć posty, z których to twierdzenie pochodzi. Persona, której nie da się prześledzić, to tylko twierdzenie.
Defy Monitor idzie tą drogą: treści odbiorców są automatycznie grupowane w persony i napięcia, a planowanie zaczyna się od prawdziwych rozmów, nie od demografii. To jeden z elementów platformy Defy, która daje niezależnym agencjom tę samą zdolność analityczną, którą wielkie sieci budowały za ciężkie pieniądze.
Skąd wiesz, że Twoja strategia zimnego startu działa?
Porównaj warianty oparte na personach z ogólną grupą kontrolną. Najbardziej wymowne są wskaźniki z początku życia nowych użytkowników: interakcja z pierwszą reklamą, głębokość pierwszej wizyty, czas do pierwszej konwersji. Jeśli warianty oparte na personach nie wygrywają, to nie porażka, lecz wskazówka: albo persony są chybione, albo sygnały dopasowania zbyt słabe.
