Поведенческий таргетинг

Поведенческий таргетинг — метод показа рекламы, при котором аудитория отбирается на основе истории действий пользователей в интернете: какие сайты они посещали, какие товары смотрели, сколько времени провели на конкретных страницах и какие действия совершили.

Что такое поведенческий таргетинг

Поведенческий таргетинг строится на идее, что прошлые действия пользователя — надежный индикатор его будущих намерений. Если человек три дня изучал отзывы на холодильники, сравнивал модели на разных сайтах и читал статьи о выборе техники, с высокой вероятностью он собирается купить холодильник в ближайшее время. Рекламная система фиксирует этот паттерн и включает пользователя в сегмент горячей аудитории для продавцов бытовой техники. В отличие от контекстной рекламы, которая реагирует на запрос здесь и сейчас, поведенческий таргетинг работает с накопленной историей поведения на протяжении нескольких дней или недель. Это дает рекламодателю возможность достать пользователя в момент, когда тот уже не ищет активно, но решение еще не принято. Именно в этом окне — между изучением и покупкой — поведенческий таргетинг дает максимальную отдачу.

Первые системы поведенческого таргетинга появились в США в конце 1990-х годов, когда рекламные сети начали собирать данные о посещенных страницах через cookies браузера. В 2000-х Google и Yahoo построили на этом принципе масштабные рекламные платформы, объединив данные с тысяч сайтов-партнеров. Поворотным моментом стал 2012 год: Facebook запустил Custom Audiences — инструмент, позволявший загружать списки клиентов и находить похожую аудиторию. Тогда же Яндекс внедрил поведенческие факторы в рекламную сеть: данные о просмотренных категориях товаров и контента стали основой для таргетинга в РСЯ. С появлением смартфонов и мобильных приложений объем собираемых данных вырос на порядок: к поведению в браузере добавились геолокация, паттерны использования приложений и история покупок. Сегодня поведенческие данные — это многомерный профиль с сотнями атрибутов, который обновляется в режиме реального времени.

В структуре digital-маркетинга поведенческий таргетинг занимает особое место: он работает на всех уровнях воронки, но наиболее ценен в середине и нижней части. На верхнем уровне он помогает показать рекламу тем, кто проявил интерес к категории, но пока не знаком с конкретным брендом. В середине воронки он возвращает тех, кто побывал на сайте и ушел без конверсии — именно здесь классический ретаргетинг создает хорошо известный эффект «везде преследует реклама». В нижней части воронки поведенческие данные позволяют предложить дополняющие товары тем, кто уже купил: cross-sell кампании, построенные на поведении, в среднем на 35% эффективнее кампаний по широкой аудитории. Отдельное применение — удержание клиентов: система замечает, что пользователь перестал открывать приложение или посещать сайт, и запускает реактивационную кампанию до того, как клиент окончательно уйдет к конкуренту. Для маркетолога поведенческий таргетинг — это перевод рекламного бюджета с принципа «показывай всем подряд» на принцип «показывай тем, кто готов купить».

Понимание поведенческого таргетинга критично не только для настройки рекламы, но и для построения всей маркетинговой стратегии. Бизнес, который не использует поведенческие данные, платит за показы нецелевой аудитории и проигрывает конкурентам, у которых этот инструмент настроен. По данным McKinsey, компании, активно применяющие персонализацию на основе поведенческих данных, генерируют на 40% больше выручки, чем те, кто этого не делает. Помимо этого, понимание механики помогает маркетологу грамотно управлять частотой контакта: пользователь, которому показывают одно и то же объявление 20 раз, начинает раздражаться, а тот, кому показывают разные сообщения в зависимости от стадии принятия решения, конвертируется значительно лучше. С ужесточением требований к приватности (GDPR, отказ от third-party cookies в Chrome) понимание поведенческого таргетинга нужно, чтобы заблаговременно адаптировать стратегию к новым реалиям. Маркетолог, разбирающийся в том, как собираются и обрабатываются поведенческие сигналы, сможет построить систему, которая продолжит работать даже после полного отказа отрасли от сторонних файлов cookie.

Как работает поведенческий таргетинг

1. Сбор поведенческих сигналов. Системы отслеживают действия пользователей через пиксели (скрипты на сайте), файлы cookie, SDK мобильных приложений и данные авторизованных аккаунтов. Каждое действие — просмотр страницы, клик по кнопке, время на экране, добавление товара в корзину, оформление заказа — записывается с меткой времени. Например, пиксель Facebook фиксирует не только факт посещения сайта, но и то, какие конкретно товарные карточки просмотрел пользователь и в какой последовательности.
2. Классификация поведения по сегментам. Собранные данные система распределяет по поведенческим сегментам: «смотрел категорию, не купил», «добавил в корзину, не оплатил», «купил однажды», «постоянный покупатель». Каждый сегмент — отдельная аудитория с разными характеристиками готовности к покупке. В Яндекс.Аудиториях и Google Ads эти сегменты называются аудиториями по намерениям (in-market audiences): платформа сама классифицирует пользователей на основе паттернов поведения миллионов людей.
3. Построение поведенческого профиля. На основе собранных сигналов алгоритм формирует профиль пользователя: интересы, намерения, стадия жизненного цикла, предпочтительные устройства и время активности. Профиль обновляется в реальном времени: если вчера пользователь смотрел велосипеды, а сегодня уже купил его в другом магазине и перешел к изучению шлемов, система скорректирует профиль и изменит рекламный посыл. Крупные платформы — Яндекс, Google, VK — объединяют данные с сотен тысяч сайтов-партнеров, поэтому профиль отражает поведение пользователя в интернете значительно шире, чем просто на одном сайте.
4. Сопоставление аудитории с рекламным объявлением. Когда пользователь открывает страницу с рекламным блоком, система за миллисекунды проводит аукцион: запрашивает профиль пользователя, сопоставляет его с таргетингом всех активных кампаний и определяет, чье объявление показать. Если пользователь три дня назад смотрел ноутбуки за 60 000 рублей, а рекламодатель настроил кампанию на аудиторию «интересуется ноутбуками среднего ценового сегмента», этот пользователь попадает в торги. Весь процесс занимает 50-100 миллисекунд — быстрее, чем загружается страница.
5. Показ объявления и измерение реакции. Пользователь видит объявление, подобранное под его поведение. Система фиксирует реакцию: кликнул, проигнорировал, совершил конверсию. Эти данные возвращаются в алгоритм и уточняют модель: системы машинного обучения постоянно корректируют, каким пользователям показывать конкретные объявления, чтобы максимизировать конверсию при заданном бюджете.
6. Управление частотой и ограничение показов. Без контроля частоты поведенческий таргетинг превращается в навязчивое преследование, которое раздражает пользователя и снижает доверие к бренду. Системы применяют frequency capping — ограничение числа показов одному пользователю за период. Оптимальная частота зависит от ниши: для товаров с коротким циклом принятия решения (книги, недорогая одежда) достаточно 3-5 показов, для дорогостоящих покупок (автомобили, недвижимость) пользователь может видеть рекламу 10-15 раз на протяжении нескольких недель.

Виды поведенческого таргетинга

• Ретаргетинг (ремаркетинг). Самый распространенный вид: показ рекламы пользователям, которые уже посещали сайт рекламодателя. Внутри ретаргетинга выделяют сегменты по глубине взаимодействия: зашли на главную, смотрели конкретный товар, добавили в корзину. Последний сегмент — «брошенная корзина» — стабильно дает самый высокий CTR и конверсию: по данным Criteo она в 3-5 раз превышает конверсию кампаний на холодную аудиторию.
• Таргетинг по интересам. Платформа анализирует контент, который пользователь читает и смотрит, и делает вывод о его интересах: путешествия, автомобили, финансы, спорт. Рекламодатель выбирает подходящие категории интересов и показывает рекламу всем, кто в них попадает, без привязки к конкретному сайту или запросу. В Google Ads этот формат называется Affinity Audiences, в Яндекс.Директ — таргетинг по интересам в РСЯ. Подходит для формирования спроса на новые продукты, когда аудитория еще не ищет товар активно.
• Таргетинг по намерениям (in-market). Система определяет пользователей, которые готовятся совершить покупку в конкретной категории прямо сейчас: они активно сравнивают продукты, читают отзывы, заходят на сайты конкурентов. В Google Ads для этого есть специальные In-Market Segments — более 500 категорий от «покупка автомобиля» до «аренда офиса». Аудитория горячее, чем «интересы», но холоднее, чем ретаргетинг; хорошо работает в e-commerce и услугах с понятным циклом принятия решения.
• Look-alike (похожие аудитории). Алгоритм анализирует поведенческий профиль существующих клиентов и находит новых пользователей с похожим паттерном поведения — это расширение охвата за пределы базы сайта без потери качества аудитории. Facebook Lookalike Audiences показывают конверсию в 1,5-2 раза выше, чем холодные аудитории по данным сравнительных тестов. Эффективность сильно зависит от качества и размера исходной базы: минимальный рекомендуемый порог — 1 000 пользователей с конверсиями.
• Временной поведенческий таргетинг. Рекламу показывают в конкретные моменты на основе временных паттернов поведения конкретного пользователя: утром по пути на работу, в обеденное время, в выходные. Если пользователь регулярно открывает мобильные приложения в 7-9 утра и 18-20 вечера, система определяет его как активного в эти промежутки. Для b2b-рекламы временной таргетинг особенно ценен: показывать рекламу корпоративных услуг в рабочее время со вторника по четверг значительно эффективнее, чем в выходные дни.
• Кросс-девайсный таргетинг. Современные системы отслеживают пользователя на разных устройствах и связывают его поведение в единый профиль через авторизованные аккаунты или вероятностные модели. Человек мог изучить продукт на смартфоне, сравнить варианты на планшете, а купить с ноутбука — кросс-девайсный таргетинг позволяет показывать ему последовательные сообщения на каждом устройстве и не терять контакт при смене гаджета. Google и Яндекс используют залогиненных пользователей аккаунта для точного кросс-девайсного отслеживания.

Сравнение поведенческого и контекстного таргетинга

Пример использования

Интернет-магазин товаров для дома с трафиком 25 000 визитов в месяц расходовал 80 000 рублей на рекламу в РСЯ по широкой аудитории — категории интересов «ремонт», «обустройство дома», «DIY». Конверсия в заказ составляла 0,9%, стоимость привлечения одного заказа — 1 780 рублей. При среднем чеке 3 200 рублей кампания работала на уровне безубыточности: ROAS составлял 1,8, а маркетолог понимал, что значительная часть бюджета уходит на пользователей, которые случайно попали в категорию интересов, но покупать ничего не собирались.

Маркетолог перестроил кампании: отключил широкую аудиторию и разбил бюджет на три поведенческих сегмента — ретаргетинг по пользователям, просмотревшим категорию без покупки (30 000 руб.), ретаргетинг по «брошенной корзине» (25 000 руб.) и look-alike по базе покупателей (25 000 руб.). Через 45 дней конверсия в сегменте «брошенная корзина» достигла 4,2%, в сегменте «просмотрел категорию» — 1,7%, в look-alike — 1,3%. ROAS вырос до 4,1, а стоимость привлечения заказа снизилась до 920 рублей — на 48% ниже прежнего показателя при том же общем бюджете 80 000 рублей в месяц.

Частые вопросы