Ретаргетинг в «Бидиз» (Bidease): как алгоритмы монетизируют существующую аудиторию

Специалисты платформы Bidease объяснили механизмы монетизации текущей клиентской базы: какие группы пользователей оптимальны для повторного взаимодействия и по каким критериям система определяет участие в конкретном аукционе. В статье рассматриваются практические кейсы ретаргетинга и этапы работы предиктивных алгоритмов платформы — от анализа пользовательских намерений до управления частотой показов.

Любое приложение со временем формирует ценный ресурс — базу установивших продукт или хотя бы раз им воспользовавшихся пользователей. Основная задача заключается в том, как преобразовать этот ресурс в источник регулярных покупок и увеличивающегося LTV (пожизненной ценности клиента), избегая при этом чрезмерного рекламного давления.

Эту проблему решает in-app-ретаргетинг (возвращение пользователей через мобильную рекламу). Сегодня он не ограничивается простой схемой «показать баннер тем, кто давно не заходил в приложение». Успешная кампания должна выявлять, кого стоит возвращать, когда контакт будет наиболее эффективным, какое сообщение окажется релевантным и какую ставку сделать за конкретный показ, чтобы оптимально распределить маркетинговый бюджет.

Согласно данным AppsFlyer, к 2025 году глобальные инвестиции в повторное вовлечение пользователей достигнут $31,3 млрд — рост на 37% в годовом выражении. Их доля в общих расходах на мобильный маркетинг увеличилась с 25% до 29%. Это свидетельствует о том, что ретаргетинг перестает быть вспомогательным инструментом и становится самостоятельной системой управления результативностью.

Почему традиционный ретаргетинг теряет эффективность

Ретаргетинг обладает парадоксом: бренд уже «знаком» с пользователем, но это не гарантирует, что повторный контакт автоматически приведет к целевому действию.

Причины могут быть разными: отсутствие мотива для открытия приложения в течение нескольких дней, переход к конкуренту, отвлечение после добавления товара в корзину или оформление заказа через другой канал. Кроме того, активным покупателям не всегда нужны дополнительные стимулы: иногда повторная коммуникация лишь увеличивает частоту контактов и ухудшает пользовательский опыт.

Таким образом, низкая эффективность классического ретаргетинга чаще связана не с недостатком охвата, а с ошибками в принятии решений:

Однотипные сообщения для пользователей с разной степенью вовлеченности.
Неоптимальное время показов: слишком рано, слишком поздно или в нерелевантном контексте.
Несоответствие креатива стадии воронки: общий баннер для тех, кто добавил товар в корзину, или скидка на уже купленный продукт для постоянных клиентов.

Дополнительную сложность создает перегруженность мобильной аудитории рекламой. Один пользователь видит десятки сообщений в разных приложениях, а его наличие в CRM-системе само по себе не объясняет причину снижения активности. Поэтому современный ретаргетинг должен учитывать динамику поведения: время последнего действия, частоту посещений, интерес к категориям, историю транзакций и, главное, вероятность следующего шага.

Антон Белов, коммерческий директор Bidease:

Установка приложения не делает пользователя клиентом. Иногда взаимодействие ограничивается первым открытием, а порой — единственной покупкой.

Современный ретаргетинг должен вовремя распознавать изменения в поведении и предлагать весомый повод для возврата: персонализированные условия, напоминание о заинтересовавшем товаре или информацию о новых возможностях приложения.

Алгоритмы машинного обучения анализируют поведенческие сигналы и помогают точнее определить, кому, когда и с каким сообщением стоит показать рекламу, чтобы повлиять на решение пользователя. Это делает ретаргетинг одним из самых эффективных инструментов роста LTV.

Как Bidease решает задачи ретаргетинга

Ретаргетинг в DSP (платформа для автоматизированной закупки рекламы) — это цепочка решений, принимаемых для каждого рекламного запроса. Когда пользователь из целевой аудитории открывает стороннее приложение с доступным рекламным местом, платформа получает возможность участвовать в аукционе. Однако делать ставки на все аукционы нерационально — показ должен быть экономически оправдан. Bidease оценивает запросы по сотням поведенческих параметров, отбирая только те показы, которые прогнозируют отдачу, и применяет отдельные модели оптимизации для целевых событий и других post-install-метрик.

Нейросети, обученные на данных экосистемы

При работе с программатик-платформами бренды часто сталкиваются с одной и той же проблемой: системе требуется время, чтобы понять, каких пользователей стоит возвращать в приложение. На начальном этапе кампании, когда данных мало и алгоритм только обучается, точность прогнозов ниже, а значит, и результаты скромнее. Этот период называют холодным стартом.

Bidease использует другой подход. Платформа работает на основе нейросетевой модели, уже обученной на большом массиве исторических данных. Это означает, что ей не нужно начинать с нуля и тратить время на «раскачку»: с самого старта кампании система лучше понимает, кого, когда и как возвращать.

Нейросетевая модель сложнее стандартных алгоритмов и способна выявлять тонкие взаимосвязи и изменения в поведении. Она учитывает расширенный набор параметров для каждого пользователя: количество посещений за период, их плотность во времени, динамику активности и другие сигналы. Благодаря этому платформа точнее определяет не только подходящих для ретаргетинга пользователей, но и оптимальный момент для контакта.

Дополнительно система использует модели, обученные на свежих данных конкретного рекламодателя. По мере накопления информации алгоритмы адаптируются под задачи клиента, повышая качество закупки. В результате ретаргетинг не только быстрее стартует, но и становится эффективнее в процессе кампании.

Например, в кампании для «Спортмастера» нейросетевой подход позволил обрабатывать значительно больше данных и точнее выявлять поведенческие закономерности. Это помогло удерживать стоимость заказа в рамках целевых метрик, а в отдельные месяцы — сокращать рекламные расходы вдвое.

Четыре стратегии работы с аудиторией

Bidease предлагает гибкую логику повторных касаний, ориентированную на различные бизнес-задачи, а не только на сегмент «неактивных пользователей».

Евгений Журов, руководитель отдела перформанс-маркетинга, «Звук»:

Для нас ретаргетинг — не просто повторный контакт, а инструмент управления эффективностью. В «Звуке» мы сегментируем аудиторию по RFM-методу, поэтому важно учитывать не только факт прошлого взаимодействия, но и его давность, частоту и ценность.

На этой основе мы определяем, кого, когда и с каким сообщением стоит возвращать. Поэтому нам близок подход Bidease, где решения принимаются для каждого аукциона с учетом поведенческих сигналов.

Такой метод позволяет точнее работать с существующей базой, снижать избыточное рекламное давление и контролировать экономику возврата. В этом случае ретаргетинг становится не «догоняющей рекламой», а полноценным инструментом роста вовлеченности, повторных конверсий и LTV.

Такая сегментация меняет подход к ключевым метрикам. Для ретаргетинга важны стоимость возвращенного пользователя и его дальнейшая активность. Для брошенной корзины — конверсия в заказ и инкрементальная выручка. Для активной базы — частота покупок, маржинальность повторных заказов и вклад в LTV.

Основа для этого — корректно переданные сегменты и in-app-события. В кампании платформа фокусируется на пользователях с установленным приложением, используя следующие типы аудиторий:

Статичные списки. Подходят для разовых коммуникаций с заранее определенной группой — например, участниками акции или конкретной когортой.
Автообновляемые аудитории. Формируются в MMP и передаются в платформу практически в реальном времени. Состав группы автоматически обновляется по мере изменения статуса пользователей.
Аудитории на основе NAD. Аналогичны автообновляемым, но создаются на стороне Bidease по заданным условиям без дополнительных платных функций MMP. Однако возможности алгоритма зависят от глубины доступной истории событий.

Чем детальнее передаются события из сервиса аналитики — от установки и сессии до просмотра карточки товара или покупки — тем точнее платформа определяет «состояние» пользователя в воронке.

На практике алгоритмы Bidease проходят пять этапов принятия решений.

1) Оценка готовности пользователя к целевому действию

Intent Score анализирует не просто факт присутствия пользователя в базе, а поведенческие признаки, указывающие на вероятность совершения действия:

Время последнего визита, просмотра, добавления в корзину или покупки.
Количество посещений за период и интервалы между ними.
Динамику активности: рост, снижение или выход из сценария.
Интерес к конкретным товарам и категориям.
Историю транзакций и предыдущих целевых действий.
Технический и медиаконтекст запроса.

Важно, что алгоритмы не заменяют маркетинговую стратегию. Они не определяют, что ценнее для бизнеса: заказ, подписка или повторная покупка. Цель задает рекламодатель, а система оценивает вероятность ее достижения для каждого показа.

2) Целесообразность участия в аукционе

Прогноз вероятности конверсии помогает избежать неэффективных показов. Если вероятность низкая, участие в аукционе не имеет смысла — даже дешевые показы без отклика расходуют бюджет и снижают общую эффективность.

При высокой вероятности система рассчитывает ставку (динамический bidding). Стоимость показа зависит не от сегмента, а от прогнозируемой отдачи конкретного запроса. Чем выше ожидаемая ценность контакта для целевой метрики, тем конкурентнее ставка.

Таким образом, бюджет концентрируется на перспективных точках воронки, а не распределяется равномерно по всей базе.

3) Оптимальное время для контакта

Даже релевантное предложение не сработает, если показано не вовремя. Пользователь, только что добавивший товар в корзину, и клиент, покупавший месяц назад, требуют разных подходов.

Алгоритм оценивает идеальный момент для контакта, учитывая свежесть события, скорость изменения интереса и вероятную реакцию на рекламу. Это помогает не только находить моменты с высокой конверсией, но и избегать показов, которые с большой вероятностью не дадут эффекта.

Для разных вертикалей оптимальные окна неактивности различаются. В e-commerce и ритейле ключевым фактором является цикл покупки. Для товаров повседневного спроса подходят короткие интервалы, для дорогостоящих — более длинные. При этом важно учитывать специфику продукта: даже внутри одной категории паттерны поведения могут отличаться.

4) Выбор креатива

Креатив в ретаргетинге — не финальный шаг, а один из ключевых параметров решения. Если пользователь интересовался определенной категорией, персонализированное предложение будет эффективнее общего баннера.

Bidease использует нативные и полноэкранные баннеры, видео, интерактивные форматы с геймификацией и их комбинации. Разнообразие форматов расширяет инвентарь: кампания, подготовленная только под статичный баннер, не участвует в аукционах, где видео могло бы принести лучший результат.

Таким образом, использование нескольких форматов — не самоцель, а способ повысить релевантность сообщения в каждом конкретном контексте.

Например, в кейсе «Додо Пиццы» аудиторию разделили по давности последнего заказа. Наиболее отзывчивыми оказались пользователи, не делавшие покупки более 30 дней: перенос бюджета на этот сегмент обеспечил максимальное количество повторных заказов. Среди форматов самым эффективным стало вертикальное видео со средним CTR около 22%.

5) Контроль частоты показов

Управление частотой — важная часть экономики ретаргетинга. Без него кампания рискует концентрироваться на самой доступной части базы: тех, кто чаще других оказывается в приложениях. Это создает иллюзию охвата, но повышает риск выгорания и неоправданных расходов.

Поэтому система учитывает не только вероятность конверсии, но и историю рекламных контактов. На старте задается разумное ограничение (например, максимальное число показов в сутки), а затем алгоритм адаптирует частоту по реакции: увеличивает там, где это влияет на конверсию, и снижает, когда дополнительный показ не добавляет ценности. Оптимальная частота определяется не предустановленными значениями, а измеримым эффектом каждого контакта.

Ретаргетинг как инструмент управления LTV

В 2026 году ретаргетинг работает в связке с привлечением, повышая отдачу от уже оплаченного трафика: помогает клиенту на этапе выбора, возвращает после паузы, стимулирует повторную покупку или предлагает релевантный продукт с учетом его истории взаимодействия с приложением.

Подход Bidease основан на автоматизации решений для каждого показа. Для performance-команд ценность такого метода заключается не просто в использовании ИИ, а в возможности связать ретаргетинг с конкретными бизнес-задачами и управлять кампанией не через усредненные сегменты, а с учетом прогнозируемой ценности каждого контакта.

Это вторая статья цикла о работе алгоритмов Bidease. В первой мы разбирали привлечение новых платящих пользователей. В следующей расскажем, как алгоритмы работают на охват и узнаваемость бренда.