В современном B2B-маркетинге для достижения высоких показателей эффективности рекламных кампаний требуется перейти от массового и неперсонализированного таргетинга к персонализированной коммуникации. Ключевая особенность методики - индивидуальный подход к каждому потенциальному клиенту, начиная от показа рекламного сообщения и заканчивая адаптацией контента посадочной страницы, на основе заранее подготовленных списков целевой аудитории, включающих детальные данные о компаниях и сотрудниках. Методика позволяет реализовать процесс персонализации в рамках рекламных кабинетов LinkedIn Ads и веб-сайта бизнеса [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11].
Цель исследования: Разработать методику персонализации рекламного контента в Linkedin и на веб-сайте компании на основе готового списка аудитории для таргетинга.
Задачи исследования:
- Определить и описать ключевые ресурсы и данные, требуемые для настройки рекламных кампаний
- Описать процесс настройки рекламных кампаний в LinkedIn
- Описать процесс внедрения динамического контента на веб-сайте
- Описать методику персонализации рекламного контента в Linkedin
Этап 1: Формирование детализированного списка целевой аудитории. Фундаментом для точного таргетинга и дальнейшей персонализации является формирование детализированного списка целевой аудитории. Первый шаг включает формирование портрета идеального клиента (ICP).
Портрет клиента включает:
- Отрасль
- Фактический вид деятельности
- Выручка (порядковые значения)
- Количество сотрудников (порядковые значения)
- Должность лиц, принимающих решения (ЛПР).
Сбор и фильтрация данных осуществляется с использованием ведущих B2B-платформ, таких как Apollo.io, ZoomInfo, Lusha, где применяются фильтры по заданным параметрам и облаку ключевых слов. Результатом является экспорт списков компаний и сотрудников, отфильтрованных по должностям целевых сотрудников. Далее подготавливаются файлы в формате CSV для загрузки в LinkedIn. Для обработки и форматирования данных используются Python-скрипты или Excel.
Этап 2: Технология персонализации рекламного контента в LinkedIn. На данном этапе происходит создание рекламных материалов адаптированных под каждый портрет клиента. Ключевой технологией для этого является Dynamic Ads в LinkedIn. Dynamic Ads реализовано на основе сопоставления данных из загруженного списка аудитории с профилями пользователей в сети LinkedIn. При загрузке CSV-файла, содержащего информацию о сотрудниках, рекламная система LinkedIn использует специальные переменные “FirstName”, “Company”, “JobTitle” для автоматической подстановки этих данных в контент рекламной кампании, а именно в основной текст или изображение объявления. Таким образом, объявление, показываемое пользователю, выглядит как прямое обращение, например: “John Doe , CPO ABM Robotics. Узнайте, как наше решение/продукт поможет вам оптимизировать процесс”. Такая степень персонализации контента повышает релевантность и кликабельность объявлений.
Этап 3: Адаптация контента посадочной страницы и запуск кампаний. Финальный этап включает адаптацию контента сайта под пришедшего клиента и запуск рекламных кампаний. После загрузки подготовленных списков сотрудников в LinkedIn через функцию Matched Audiences - List Upload, создаются кампании с таргетингом исключительно на них. Для достижения максимальной релевантности, ссылки в объявлениях ведут на адаптированные посадочные страницы. Адаптация контента сайта осуществляется динамически: при переходе пользователя по ссылке из персонализированной рекламы, в URL передаются параметры, идентифицирующие пользователя, например: utm_term=John_doe или utm_content=CPO_ABM Robotics. JavaScript-код, внедренный на посадочной странице, считывает эти параметры из URL window.location.search и динамически изменяет элементы страницы: заголовки, тексты, изображения, блоки контента, делая их максимально релевантными для профиля пользователя, например, для CPO в ABM Robotics.
Таблица 1.
Пример JavaScript реализации динамического обновления контента
|
Пример JavaScript реализации динамического обновления контента |
|
// Предполагается, что URL содержит параметры типа ?utm_term=John_Doe&utm_content=CPO_ABM Robotics
function getParameterByName(name) { const urlParams = window.location.search; // Используется регулярное выражение для извлечения значения параметра const regex = new RegExp('[?&]' + name + '=([^&#]*)'); const results = regex.exec(urlParams); if (!results) return null; // Декодирование значения параметра return decodeURIComponent(results[1].replace(/\+/g, ' ')); }
// Получение значения имени пользователя из URL const userName = getParameterByName('utm_term'); // Получение должности/контекста из URL const userContext = getParameterByName('utm_content'); // Например, "CPO_ABM Robotics"
// Обновление приветствия, если имя пользователя найдено if (userName) { const greetingElement = document.getElementById('user-greeting'); // Элемент на странице для приветствия if (greetingElement) { greetingElement.innerText = `Здравствуйте, ${userName}!`; } }
// Адаптация блока контента по должности/контексту if (userContext) { const relevantContentElement = document.getElementById('relevant-content'); // Элемент для адаптивного контента if (relevantContentElement) { // Здесь может быть более сложная логика, например, подгрузка контента или изменение текста relevantContentElement.innerText = `Мы знаем, что ваша роль связана с [роль пользователя, извлеченная из userContext]. Предлагаем решение, оптимизированное для ваших задач...`; } } |
Таким образом, методика позволяет повысить степень персонализации рекламных кампаний и контента, что в свою очередь увеличивает эффективность таргетированных рекламных кампаний.
Алгоритм действий, в рамках разработанной методики:
- Определение портрета клиента (ICP) и облака ключевых слов: Определяются ключевые параметры бизнеса и сотрудников. Отрасль, вид деятельности, размер, должность, формируется набор ключевых слов, описывающих деятельность бизнеса
- Сбор и подготовка данных: Данные собираются через B2B-платформы Apollo.io, ZoomInfo и Lusha с фильтрацией по параметрам и ключевым словам. Далее экспортируются списки компаний и сотрудников. Подготавливаются CSV файлы для LinkedIn с ФИО, должностью и наименованием компании. Для работы с данными в файлах используя Python-скрипты или встроенные Excel скрипты.
- Персонализация рекламных объявлений в LinkedIn: Применяется технология Dynamic Ads для автоматической подстановки в объявления данных пользователя из загруженного списка, а именно имени, должности и наименования компании через переменные “FirstName”, “JobTitle”, “Company”.
- Создание прямого обращения в рекламе: Объявления имитируют персональное обращение, например, “John Doe, CPO ABM Robotics!”, что повышает релевантность и конверсию.
- Таргетинг на список аудитории и адаптация ссылок: Списки сотрудников загружаются в LinkedIn через функцию Matched Audiences - List Upload, далее создаются кампании с таргетингом только на сотрудников из этих списков, а ссылки ведут на адаптированные посадочные страницы.
- Динамическое обновление контента посадочной страницы: JavaScript-код на странице считывает параметры из URL utm_term=John_doe, utm_content=CPO_ABM_Robotics и динамически изменяет заголовки, тексты и блоки контента под профиль пользователя.
Список литературы
- Абдуллаева И.М., Рахмонова М.Б. Роль и значение ИИ в инновационном маркетинге // Экономика и социум. 2022. № 4-2 (95). С. 586-592
- Багиев Г.Л., Яненко М.Б., Яненко М.Е. Технологии ИИ в бизнесе и маркетинге // Проблемы современной экономики. 2021. № 3 (79). С. 105-109
- Зюрина О.А., Данчина Д.А., Дегтярева А.Н. Применение ИИ в маркетинге // Наука и образование транспорту. 2022. № 1. С. 218-220
- Монтешо А.А. Влияние ИИ на маркетинг // Научный аспект. 2024. Т. 8, № 1. С. 1009-1019
- Акулич М. В. Интернет-маркетинг: Учебник для бакалавров / М. В. Акулич. М.: Издательско-торговая корпорация «Дашков и К°», 2016. 352 с.
- Вирин, Ф.Ю. Интернет маркетинг. Полный сборник практических инструментов. М.: Эксмо, 2010
- Мальцева, Ю. А. Коммуникационные инструменты маркетинга в интернет-пространстве: монография / Ю.А. Мальцева, И.В. Котляревская, В.А. Багинская ; [под общ. ред. канд. филос. наук, доц. Ю.А. Мальцевой] ; Мин-во науки и высш. образования РФ. Екатеринбург : Изд-во Урал. ун-та, 2019. 73 с.
- Борис Леонтьев PHP 5.0 для начинающих, или как создать динамический WEB - сайт / Борис Леонтьев. - М.: Новый издательский дом, 2015. - 176 c.
- Владимир Дронов PHP, MySQL, HTML5 и CSS 3. Разработка современных динамических Web - сайтов (pdf+epub) / Владимир Дронов. - М.: БХВ - Петербург, 2016. - 307 c.
- Першина Т.А., Сгибнева С.С. Сравнительная характеристика статических и динамических сайтов // Теория и практика современной науки. - 2016. - № 8. - С. 320 - 322
- Zotov N.E. Current trends in the use of personalization in marketing // Economics and business: theory and practice. 2022. No. 12-1
