Korpa

Nema proizvoda u korpi.

Archives

Sadržaj

Najbolji oglas ne mora da donese rezultat ako se obraća pogrešnoj publici. Možete imati odličan vizual, ubedljiv tekst i kvalitetan proizvod, ali ako vaša poruka ne dopire do ljudi kojima je taj proizvod zaista potreban, budžet za oglašavanje neće biti iskorišćen na pravi način.

Zato je targetiranje publike jedan od važnih elemenata uspešne digitalne kampanje.

Međutim, kvalitetno targetiranje ne počinje u Meta Ads Manager-u ili Google Ads-u. Ono počinje mnogo ranije, razumevanjem tržišta, potreba kupaca i problema koje vaš proizvod ili usluga rešava.
Razvoj veštačke inteligencije značajno je promenio način na koji oglasne platforme pronalaze potencijalne kupce. Danas nije uvek potrebno ručno definisati veliki broj interesovanja i demografskih karakteristika. Algoritmi mogu da prepoznaju obrasce ponašanja i optimizuju isporuku oglasa na osnovu brojnih signala.
Ipak, to ne znači da je poznavanje ciljne publike postalo manje važno.

Buyer persona i vrste targetiranja

Kada kažete „naša ciljna grupa su žene od 25 do 45 godina“, to je početak istraživanja ciljne grupe. Kako bi se ciljna grupa preciznije definisala, na scenu stupa buyer persona. Poluizmišljen, ali na podacima zasnovan profil vašeg idealnog kupca. Sa imenom, godinama, navikama, problemima i razlozima zbog kojih bi baš vaš proizvod odabrao.

Buyer persona vas tera da razmišljate o publici kao o stvarnim ljudima, ne o apstraktnim procentima. Umesto da kažete „targetiramo žene, 25-45, urban prostor“, persona vas primorava da odgovorite na pitanja: Šta ova osoba radi ujutru pre posla? Šta je frustrira kod postojećih proizvoda na tržištu? Da li više veruje preporuci prijateljice ili reklami na Instagramu? Ovaj nivo detalja direktno određuje gde, kako i kome plasirate sadržaj. To nas dovodi do konkretnih slojeva targetiranja koje persona objedinjuje.

Buyer persona nije isto što i ad targeting

Buyer persona je opis vašeg idealnog kupca. Ona odgovara na nekoliko važnih pitanja, ko je ta osoba? Šta joj je potrebno? Šta je motiviše da kupi, šta je zaustavlja, kako razmišlja i koju poruku želi da vidi?

Važno je da znate jednu stvar. Ne morate svaku osobinu persone da pretvorite u opciju za targetiranje. Recimo, podatak da vaš kupac „više veruje preporuci prijateljice nego reklami“ ne možete da podesite u Meta ili Google oglasima, jer takva opcija ne postoji. Ali taj podatak je ipak značajan. On vam govori kakvu poruku da pišete, koji format da izaberete i kakvim tonom da se obraćate.

Zato zapamtite, persona vam kaže šta i kako da kažete, a platforma pronalazi ljude kojima to treba. Zajedno daju najbolje rezultate.

Zato prvo uzmite papir i zapišite kako izgleda vaš idealan kupac. Ko je, šta ga muči, zašto bi kupio baš od vas i šta ga u tome sprečava. Tako ćete dobiti jasne odgovore na to kome se obraćate i šta treba da mu poručite, a to je osnova svake uspešne kampanje.

Pre ciljanja publike, potrebno je definisati cilj kampanje

Targetiranje se ne može posmatrati bez prvobitnog definisanja cilja kampanje. Meta i Google nude različite ciljeve kampanje:
awareness (podizanje svesti o brendu), traffic (dovođenje posetilaca na sajt), engagement (angažovanje publike), lead generation (prikupljanje upita), sales/conversions (prodaja), app installs (instalacije aplikacije), i, gde je relevantno, lokalne posete objektu.

Svaki od ovih ciljeva menja kome će algoritam prikazati oglas, čak i ako je publika koju ste definisali potpuno ista. Kampanja sa ciljem „awareness“ tražiće ljude koji će najverovatnije zapamtiti i obratiti pažnju na sadržaj. Kampanja sa ciljem „conversions“ tražiti ljude sa najvećom verovatnoćom da završe kupovinu. To često nisu iste osobe sa istim krajnjim ciljem.

Slojevi targetiranja

Da bismo izgradili preciznu personu, targetiranje se u praksi deli na nekoliko slojeva koji se međusobno kombinuju:
Demografsko targetiranje (godine, pol, obrazovanje, bračni status, roditeljstvo).
Geografsko targetiranje (država, grad, pa čak i uži deo grada ili radijus oko određene lokacije).
Targetiranje po interesovanjima (hobiji, teme koje prate, stranice koje lajkuju, sadržaj sa kojim su ranije komunicirali).
Ekonomsko targetiranje (nivo prihoda ili kupovne moći, tamo gde platforma to omogućava da se proceni na osnovu ponašanja).
Ponašajno targetiranje (prethodne kupovine, posete sajtu, interakcije sa aplikacijama, faza u kojoj se korisnik nalazi u prodajnom levku).

Nijedan od ovih slojeva sam za sebe ne daje potpunu sliku. Tek kada ih kombinujete, poput, žena, 30-35 godina, Beograd, interesovanje za prirodnu kozmetiku, ranije posetila vaš sajt, ali nije kupila. Dobijate targetiranje koje je dovoljno precizno da opravda budžet koji u njega ulažete.

Targetiranje na praktičnom primeru L’occitane brendu

Primer 1

Napomena: podaci i procenti u primeru koji sledi su ilustrativni i služe isključivo da objasne princip, ne predstavljaju prosek industrije niti garantovan ishod za svaki brend.

Praktični primer će biti prikazan kroz brend organske kozmetike, l’occitane. Iako svi njihovi proizvodi dele istu filozofiju (prirodni sastojci, bez agresivnih hemikalija), razlog zbog kog će ih neko kupiti drastično se razlikuje u zavisnosti od toga ko je ta osoba.

Buyer persone kompanije L’occitane

Ana, 20 godina

Studentkinja, tek počinje da gradi svoju rutinu nege kože. Glavni problem su joj povremene akne i masna koža. Budžet je ograničen, a najviše vremena provodi na društvenim mrežama TikTok i Instagram. Najverovatnije će prvi kontakt sa brendom ostvariti preko kratkog videa koji rešava konkretan problem. Čini oko 25% ukupnih kupovina brenda.

Maja, 35 godina

Zaposlena, prva profesionalna pozicija sa stabilnijim budžetom. Primetila je prve znake dehidratacije i umora kože zbog stresa i nedostatka sna, spremna je da plati nešto više za kvalitet, aktivna je na Instagramu, ali i sve više na Facebook-u. Verovatno će reagovati na sadržaj koji naglašava sastav proizvoda i stvarna iskustva drugih korisnika. Čini oko 60% ukupnih kupovina brenda, najčešće kupuje i najlakše postaje lojalna kupkinja.

Milica, 50 godina

Majka, ima najveću kupovnu moć od sve tri persone po pojedinačnoj porudžbini. Fokusirana je na bore i gubitak elastičnosti kože, manje je aktivna na društvenim mrežama u poređenju sa mlađim personama, ali zato više veruje preporukama i pretražuje informacije direktno na Google-u pre kupovine. Čini oko 15% ukupnih kupovina, ređe kupuje, ali kada kupi, potroši više po porudžbini.

Ovakva procentualna raspodela nije samo informativna. Ona direktno određuje gde brend usmerava najveći deo budžeta. Maja je u ovom primeru primarna persona. Nosi najveći deo prihoda. Stoga njoj treba posvetiti najdetaljniju komunikaciju, najveći deo budžeta za oglašavanje, i najviše pažnje prilikom komuniciranja proizvoda. Ana i Milica ostaju sekundarne persone. Dalje vredne targetiranja, ali sa manjim udelom budžeta i manje agresivnom strategijom, jer investicija u njih donosi manji povraćaj po uloženom dinaru.

Ono što je važnije od samih procenata jeste veza koju ovaj primer ilustruje: persona → motivacija → poruka → kanal → kampanja.

Ista firma, isti proizvod po kategoriji (krema za lice), ali tri potpuno različite poruke, tri različita kanala, i tri različita razloga za kupovinu. Sa jasno definisanim prioritetom gde ide najveći deo budžeta. Ovo je suština dobrog targetiranja. Ne prodajete svima isto, i ne ulažete u sve podjednako. Cilj je prodati svakome ono što rešava njegov problem.

Uloga automatizacije. Kada algoritmu možemo da verujemo?

Nakon što ste definisali svoje persone i slojeve targetiranja, sledeće pitanje je: koliko od ovog posla treba prepustiti automatizaciji, a koliko zadržati pod ručnom kontrolom?

Odgovor se poslednjih godina značajno promenio. Algoritmi Mete i Google-a danas rade targetiranje sve bolje, i sve više im možemo verovati da sami pronađu prave ljude. Međutim postoji jedan ključni uslov. Automatizacija radi dobro samo onda kada sistem ima dovoljno podataka i signala da uči od njih.

Ovo je razlika koja se u praksi često previdi. Zamislimo dva hipotetička scenarija za brend poput L’Occitane-a: u prvom, kampanja se pokreće bez prethodnih podataka na konkretnom oglasnom nalogu, dok u drugom već postoji istorija kampanja i dovoljno kvalitetnih podataka za optimizaciju.

Prva kampanja je potpuno nova. Nalog je tek otvoren, nema istoriju prethodnih kampanja ni bazu kupaca, a publika još nije ostvarila značajnije interakcije sa brendom na društvenim mrežama i drugim digitalnim kanalima. Na veb-sajtu još nisu implementirani alati za praćenje ponašanja korisnika i konverzija, poput Meta Pixela, Google taga ili drugih sistema za praćenje. Zbog toga oglašivač nema dovoljno sopstvenih podataka o posetama sajtu, dodavanjima proizvoda u korpu ili kupovinama. Iako algoritmi mogu da koriste i druge dostupne signale, nedostatak podataka o prethodnim interakcijama i konverzijama može otežati početnu optimizaciju kampanje, naročito kada je budžet ograničen.

Nova kampanja ne mora nužno da počne sa uskim targetiranjem. U zavisnosti od proizvoda, tržišta, budžeta i cilja kampanje. Šire targetiranje može biti dobar početak. Istovremeno, kvalitetno postavljeno praćenje konverzija i podaci o postojećim kupcima pomažu algoritmu da vremenom bolje prepoznaje korisnike koji imaju najveću verovatnoću da izvrše željenu radnju.

Druga kampanja pripada firmi, koja već mesecima ima aktivan pixel, hiljade poseta sajtu, i bazu prethodnih kupaca. Ovde algoritam ima ogroman broj signala na raspolaganju. Zna ko je ranije kupovao, ko je stavljao proizvode u korpu bez finalizacije, ko je čitao blog o nezi kože. U ovom slučaju, širenje targetiranja i prepuštanje odluke algoritmu skoro uvek daje bolje rezultate od ručnog, uskog targetiranja. Jer sistem raspolaže sa mnogo više informacija nego što bismo mi ikada mogli ručno da unesemo.

Pristup targetiranju treba prilagoditi cilju kampanje, dostupnim podacima, budžetu i karakteristikama tržišta. Kod novih kampanja ima smisla pažljivo testirati različite pristupe i pratiti rezultate, dok kampanje sa kvalitetnim podacima o konverzijama i prethodnim kupcima mogu imati više koristi od automatizovane optimizacije i šire publike. U okviru Meta Ads-a, Advantage+ audience omogućava sistemu da koristi signale i sugestije oglašivača, uz mogućnost širenja publike kada proceni da to može poboljšati rezultate. Upravo zato je važno znati kada je bolje postaviti smernice, a kada algoritmu ostaviti više prostora za optimizaciju.

Isti principi, različite platforme

Isti osnovni principi važe za sve oglasne platforme: jasni ciljevi → kvalitetni podaci → praćenje rezultata važni su za uspešnu optimizaciju kampanja.
Ipak, konkretne mogućnosti automatizacije, dostupne opcije targetiranja i način na koji algoritmi koriste signale razlikuju se od platforme do platforme. Zato je važno razumeti specifičnosti svake platforme i prilagoditi strategiju njenim mogućnostima.

Šta su signali u targetiranju?

Signal je svaki podatak o ponašanju korisnika koji platforma može da iskoristi da proceni ko će verovatno izvršiti željenu radnju. To uključuje: kupovinu, dodavanje proizvoda u korpu, posetu određenoj stranici, interakciju sa oglasom, gledanje videa, prethodno ponašanje korisnika na sajtu, vrednost prethodnih kupovina, i, gde je primenljivo, podatke iz sopstvenih baza kupaca.

Logika je jednostavna: jasan cilj → kvalitetan signal → dovoljno podataka → bolja optimizacija. Bez jasnog cilja kampanje, platforma ne zna koji signal da traži. Bez kvalitetnog signala, nema šta da uči. Bez dovoljno podataka, ne može pouzdano da prepozna obrazac.
Kada su cilj kampanje jasno definisan, signali relevantni, a podaci dovoljno kvalitetni i obimni, algoritam ima bolje uslove da optimizuje isporuku oglasa. To, međutim, ne znači da će automatizacija uvek nadmašiti ručno targetiranje. Rezultati zavise od cilja kampanje, budžeta, tržišta i kvaliteta podešavanja, zbog čega je važno testirati različite pristupe i odluke donositi na osnovu ostvarenih rezultata.

Ručno ciljanje publike

Ručno ciljanje znači da vi, a ne algoritam, birate svaki parametar publike, na osnovu sopstvenog istraživanja i podataka koje ste sami prikupili, bez oslanjanja na alate poput Meta Advantage+ ili Google Smart kampanja.

Postoje tri sloja.

  • Prvi su osnovni parametri: lokacija (za l’occitane, konkretan grad umesto cele Srbije), uzak starosni opseg (25-34, ne 18-65), jezik uređaja.
  • Drugi su interesovanja i ponašanje: mediji i konkurenti koje publika prati, životni događaji, ponašanje pri kupovini uz trik za sužavanje publike, kombinovanje dva interesovanja odjednom („nega kože“ i „organski proizvodi“).
  • Treći, i najmoćniji sloj, su sopstveni podaci: lista postojećih kupaca, posetioci određene stranice na sajtu, ili gledaoci koji su odgledali većinu videa custom audience, bez ikakvog nagađanja.

Do podataka se dolazi putem istraživanja, kroz ankete sa kupcima, recenzije i diskusije na forumima. Rezultat je uža, preciznija publika, ali uz cenu vremena i istraživanja.

Kako AI menja targetiranje publike?

Veštačka inteligencija je fundamentalno promenila i način na koji funkcioniše targetiranje publike u plaćenim kampanjama. Targetiranje je prešlo iz statičnog, ručnog formata, gde ste sami, na osnovu pretpostavki birali uzrast, lokaciju, interesovanja. U dinamičan format u kom AI algoritam sam širi i prilagođava publiku u realnom vremenu, na osnovu signala koje prikuplja tokom same kampanje.

Ovo je promena koju mnogi klijenti teško prihvataju, jer je intuitivno da uže i preciznije targetiranje treba da daje bolje rezultate. U praksi je, danas u većini slučajeva suprotno. Preusko i preterano specifično ručno targetiranje često može ograničiti performanse kampanje. Sprečava algoritam da pronađe najrelevantnije korisnike izvan uskih granica koje ste mu vi postavili. (Izuzetak su, naravno, vrlo specifične B2B niše gde usko targetiranje i dalje ima svoju svrhu.)

Veštačkoj inteligenciji treba dati šire parametre publike na početku. Samu optimizaciju isporuke reklame prepustiti algoritmu da odradi ono za šta je i dizajniran. Ako niste sigurni koliko široko treba da postavite targetiranje za svoju sledeću kampanju, ovo je pitanje koje redovno rešavamo sa klijentima u iMarketingu, u okviru postavljanja i optimizacije oglasnih kampanja.

Uloga čoveka se menja, ali ne nestaje

Sve što smo do sada opisali može delovati kao da veštačka inteligencija preuzima kompletnu kontrolu nad marketingom na društvenim mrežama. To nije tačno, i važno je da ovo jasno razdvojimo.
Uloga digitalnog marketara se menja, ali nikako ne nestaje. Veštačka inteligencija nije „magični štapić“ koji samostalno kreira gotov sadržaj od nule, niti je autopilot koji radi kompletan posao bez ljudske kontrole. Ona je napredni alat koji pojačava naše sposobnosti, pomaže u brainstorming-u, istraživanju, analitici podataka i ubrzavanju radnih procesa koji bi inače oduzimali sate.

Ono što ostaje isključivo u domenu čoveka jeste kreativnost, strateško razmišljanje, i duboko razumevanje emocija i stvarnih potreba publike. AI ne razume zašto je neka priča dirljiva, zašto neka šala funkcioniše, ili zašto određena vizuelna estetika odgovara baš vašem brendu, to i dalje isključivo procenjuje čovek. AI je odličan u tri stvari. Da raspodeli posao, da uoči obrasce u ogromnoj količini podataka i da brzo izvede ono što je čovek osmislio.

Marketar postavlja strategiju, AI optimizuje izvedbu

Digitalni marketari danas su zaduženi za postavljanje jasnih ciljeva, isporučivanje pravih signala algoritmu (kroz kvalitetan sadržaj i doslednu komunikaciju sa publikom), i kreiranje odličnog vizuelnog i tekstualnog sadržaja koji ima šta da ponudi.
AI zatim preuzima taj sadržaj i pomaže da pronađe pravu publiku, brže i preciznije nego što bi to čovek mogao sam. Cilj korišćenja AI alata, nije samo da se rad ubrza. Cilj je da se isporuče kvalitetnija, preciznija i inovativnija rešenja, uz čoveka koji i dalje drži kormilo.

Kada targetirati samo Srbiju, a kada konkretan grad?

Primer 2

Ako je l’occitane dostupan za dostavu širom Srbije, i budžet kampanje je dovoljno velik da opravda nacionalni domet, targetiranje cele Srbije ima smisla. Algoritam će sam raspodeliti budžet tamo gde nailazi na najbolji odziv. Međutim, ako brend tek testira novu liniju proizvoda uz ograničen budžet, ili ima fizičku prodavnicu u Beogradu koju želi da promoviše, targetiranje na nivou grada (ili čak radijusa od nekoliko kilometara oko lokacije) ima mnogo više smisla. Sprečava rasipanje budžeta na ljude koji fizički ne mogu da dođu do prodavnice.

Kada dodati interesovanja, a kada ne?

Interesovanja su korisna u ranoj fazi kampanje, kada nemamo dovoljno podataka o ponašanju korisnika. Dodavanje interesovanja poput „prirodna kozmetika“, „nega kože“, „veganski proizvodi“ daje algoritmu početnu smernicu odakle da krene. Međutim, kada kampanja već ima dovoljno podataka iz prethodnih meseci rada, dodatno sužavanje po interesovanjima često samo ograničava algoritam. Da pronađe ljude van tih kategorija koji bi, na osnovu ponašanja, takođe mogli biti odlični kupci.

Kada koristiti custom i lookalike publiku a kada ne (Meta Ads)?

Custom publika (napravljena od postojećih kupaca, posetilaca sajta ili liste kontakata) ima najviše smisla za retargeting obraćanje ljudima koji već poznaju brend. Na primer onima koji su posetili stranicu proizvoda ali nisu kupili.
Lookalike publika, koja se pravi na osnovu custom publike i pronalazi nove ljude sa sličnim karakteristikama, najbolje radi kada imate solidnu bazu od makar nekoliko stotina kupaca. Sa premalo podataka, lookalike publika neće biti dovoljno precizna da opravda korišćenje. Za sasvim nove brendove bez ikakve istorije, oba ova alata je bolje privremeno izostaviti i osloniti se na širu, AI-vođenu strategiju dok se ne prikupi dovoljno podataka.

Na slici iznad prikazan je deo Meta Ads Manager-a u kom se definiše publika za oglasni set.

Pod brojem 1 nalazi se polje za lokaciju, gde birate da li targetirate celu državu ili samo određeni grad/radijus.
Pod brojem 2 nalazi se sekcija za detaljno targetiranje, gde dodajete interesovanja i ponašanja ali, kao što smo objasnili, ovo polje ostavljamo praznim kada kampanja već ima dovoljno podataka za AI optimizaciju.
Pod brojem 3 nalazi se opcija za korišćenje custom ili lookalike publike, namenjena kampanjama koje već imaju bazu postojećih kupaca ili posetilaca sajta.
Pod brojem 4 nalazi se indikator veličine publike, koristan alat koji vam pokazuje da li je vaša trenutna kombinacija podešavanja preuska (crveno/žuto polje) ili dovoljno široka da algoritam ima prostora za optimizaciju (zeleno polje).

Targetiranje na Google Ads-u

Google Ads funkcioniše po nešto drugačijoj logici od Mete, jer se najvećim delom oslanja na nameru pretrage (search intent). Ali princip „širine kada imamo podatke, preciznosti kada ih nemamo“ ostaje isti. Za kampanje kojima je cilj pretraga (Search kampanje), ključne reči i dalje predstavljaju osnovu targetiranja.

Primer 3

l’occitane bi targetirao fraze poput „prirodna krema za lice“ ili „krema protiv bora bez parabena“. Za Discovery i Display kampanje, gde nema direktne pretrage, targetiranje se oslanja na tipove publike koje Google nudi. Poput in-market publike (ljudi koji trenutno aktivno istražuju kupovinu u određenoj kategoriji, npr. „kozmetika i lepota“), affinity publike (ljudi sa dugoročnim interesovanjem za određenu temu, npr. „ljubitelji prirodne nege“) i custom intent publike (kreirane na osnovu specifičnih pretraga ili sajtova koje je publika posećivala).

Kada koristiti remarketing liste?

Remarketing liste na Google Ads-u (na primer, ljudi koji su posetili stranicu proizvoda, ali nisu kupili) najbolje funkcionišu kada imate dovoljno saobraćaja. Manje liste nisu relevantne, samim tim neće doneti pouzdane rezultate, dok lista od nekoliko hiljada posetilaca predstavlja odličnu osnovu za precizno obraćanje ljudima koji su već pokazali konkretno interesovanje.

Iznad je prikazan deo Google Ads interfejsa gde se definiše publika kampanje.

Pod brojem 1 nalazi se sekcija Audience segments, gde birate in-market, affinity ili custom intent publiku u zavisnosti od tipa kampanje.
Pod brojem 2 prikazano je polje za unos ključnih reči sa različitim tipovima podudaranja, ključno za Search kampanje.
Pod brojem 3 nalazi se sekcija za remarketing liste, odnosno vaše sopstvene podatke o posetiocima sajta.
Pod brojem 4 nalazi se podešavanje lokacije, gde birate da li ciljate celu državu ili samo određeni grad ili region.

5 najčešćih grešaka u targetiranju

1. Targetiranje bez jasno definisanog cilja kampanje.
2. Previše uska publika, koja algoritmu ne ostavlja prostor za optimizaciju.
3. Dodavanje velikog broja interesovanja bez jasne hipoteze zašto baš ta interesovanja.
4. Ignorisanje sopstvenih podataka i signala koje već imate na raspolaganju.
5. Prečesto menjanje publike i podešavanja pre nego što kampanja stigne da prikupi dovoljno podataka.

Zaključak

Targetiranje publike se promenilo, ali njegov osnovni cilj ostao je isti. Prikazati pravu poruku ljudima koji imaju najveći potencijal da postanu naši kupci.

Razlika je u tome što danas ne moramo svaku karakteristiku potencijalnog kupca ručno da definišemo kroz podešavanja kampanje. AI algoritmi mogu da prepoznaju obrasce koje mi ne vidimo i da optimizuju isporuku oglasa na osnovu podataka i ponašanja korisnika.

Ali algoritam ne može da zameni dobru marketing strategiju.

Na nama je da razumemo kome se obraćamo, koji problem rešavamo, kakvu vrednost nudimo i šta želimo da postignemo kampanjom.

Najbolji rezultati nastaju kada spojimo dobro poznavanje kupaca, kvalitetan sadržaj, pouzdane podatke i pametnu upotrebu automatizacije.

Zato pitanje više nije samo kako da targetiramo publiku, već i koliko dobro razumemo ljude kojima želimo da prodamo svoj proizvod ili uslugu.