Как медиабайер превращает аудитории прошлых кампаний в готовые шаблоны

У каждого медиабайера есть три-четыре сегмента аудиторий, которые тихо и стабильно работают лучше всего остального, — 2% Lookalike по покупателям за 180 дней, пул ретаргетинга на посетителей сайта с окном 60 дней, клиентская база, которая всегда держит группы объявлений с самым высоким ROAS. Проблема в том, что большинство байеров пересобирают их по памяти при каждом новом запуске. Этот гайд про переиспользование лучших аудиторий meta ads, которому стоит следовать: как вытащить лидеров из прошлых кампаний и собрать библиотеку шаблонов, которая делает каждый будущий запуск быстрее и опирает его на проверенные сиды.

Почему большинство байеров пересобирают с нуля

У проблемы пересборки простой корень: знание об аудиториях живёт в голове байера, а не в системе. Байер, отработавший выигрышную кампанию в феврале, знает, какая аудитория принесла результат, — но пока он явно это не задокументировал, знание не переносится на следующий запуск в мае.

Когда приходит бриф новой кампании, байер открывает Ads Manager, начинает собирать аудитории и реконструирует их по памяти. Скорее всего, он подберётся близко к изначальной настройке — но «близко» не равно «идентично», особенно если клиентская база была переэкспортирована с другим диапазоном дат или если процент Lookalike был 2% в оригинале и 3% на этот раз.

Вторая проблема — объём. У медиабайера, ведущего пять клиентов, пять отдельных наборов выигрышных аудиторий в пяти аккаунтах Ads Manager. Часть этих лидеров структурно похожа — Lookalike по покупателям за 180 дней обычно хорошо заходит для большинства e-commerce клиентов, — но у байера нет быстрого способа увидеть, какие сиды сработали по всему портфелю, или переиспользовать паттерн с одного клиента на другом (с другими данными, разумеется, но по тому же структурному рецепту).

Гайд по управлению аудиториями для агентств подаёт это как проблему уровня агентства, но та же логика работает и для одиночного байера: налог на пересборку накапливается с каждым новым запуском и каждым новым клиентским аккаунтом.

Шаг 1: Проведите аудит последних 90 дней по результативности сидов

Первый шаг — ретроспектива. Откройте историю кампаний каждого клиента и отсортируйте по основной метрике — CPA для lead gen клиентов, ROAS для e-commerce клиентов — за последние 90 дней. Вы пока не смотрите на креатив или текст; вы смотрите, какие сегменты аудиторий стабильно появляются в самых результативных группах объявлений.

Для каждой топовой группы объявлений зафиксируйте:

• Название аудитории, как оно отображается в Ads Manager
• Лежащий в основе сид (клиентская база, тип и окно вовлечения, окно посетителей сайта или источник Lookalike + процент)
• Аккаунт, в котором она живёт
• Диапазон дат, на котором она хорошо работала

Сделайте это для всех пяти клиентов. Скорее всего, вы обнаружите, что определённые структурные паттерны повторяются — Lookalike по покупателям на 1–3%, аудитории вовлечения с окнами 30–90 дней, ретаргетинг по клиентской базе — по нескольким клиентам. Эти повторяющиеся паттерны и есть кандидаты в вашу библиотеку шаблонов.

В отчёте HubSpot State of Marketing 2023 года 63% маркетологов назвали сегментацию аудиторий своей активностью с самым высоким ROI, и при этом меньше трети имеют задокументированный процесс сохранения лучших сегментов между кампаниями. Аудит — это то, как вы превращаете неявное знание, которое у вас уже есть, в явную документацию.

Шаг 2: Опишите рецепт шаблона для каждого лидера

Шаблон аудитории — это не сама аудитория, это рецепт, который её производит. Именно рецепт переносится между кампаниями и, структурно, между клиентами.

Для каждого топового сида напишите шаблон в одну строку:

• Lookalike по покупателям 2%: Клиентская база покупателей за [диапазон дат], загружена в [аккаунт], 2% LAL, исключить активных покупателей за [диапазон дат]
• Ретаргетинг по вовлечению 30 дней: Все вовлечения со страницей и профилем в Instagram, окно 30 дней, [аккаунт]
• Посетители сайта 60 дней: Все посетители сайта по пикселю, окно 60 дней, [аккаунт], исключить покупателей

Шаблон включает четыре вещи: источник сида, окно или процент, привязку к аккаунту и любые исключения. Эти четыре параметра — всё, что нужно байеру, чтобы идентично пересобрать аудиторию на следующем запуске — или собрать структурно эквивалентную версию для другого клиента на его собственных данных.

Это связано с гайдом по переиспользуемым аудиториям — структурным подходом к сборке аудиторий, которые переносятся между аккаунтами, а не запираются внутри одного.

Шаг 3: Соберите библиотеку и держите её актуальной

Когда шаблоны задокументированы, соберите сами аудитории в централизованном хабе. Audience Hub от Wevion перечисляет, собирает и синхронизирует аудитории по всем подключённым аккаунтам с одного экрана. Байер видит аудитории каждого клиента в одном представлении, собирает по рецепту шаблона и проверяет дату создания, чтобы знать, когда сид пора обновлять.

Поддержание библиотеки в актуальном состоянии — лёгкая рутинная задача, если она запланирована, а не реактивна. Для аудиторий на клиентской базе список нужно перезагружать, когда данные старше 90 дней: match rate снижается по мере того, как люди меняют почты и телефоны, а устаревший список даёт более слабый Lookalike. Поставьте ежеквартальное напоминание на каждого клиента, чтобы переэкспортировать список и загрузить заново. Для аудиторий вовлечения и посетителей сайта Meta обновляет их автоматически, пока активны пиксель и страница; задача байера — только подтвердить, что окно всё ещё корректно.

Платформа синхронизируется примерно каждые 15 минут через официальный Meta API, так что аудитория, собранная в Wevion, появляется в подключённом аккаунте в пределах этого окна. Это то же API-рукопожатие, которое байер уже использует, управляя кампаниями в Ads Manager; никакого отдельного технического слоя поддерживать не нужно.

Шаг 4: Используйте библиотеку на каждом будущем запуске

Операционная отдача — в день запуска. Вместо того чтобы открывать Ads Manager и собирать аудитории по памяти, байер открывает библиотеку, находит шаблон под бриф новой кампании и выбирает готовую аудиторию. Если аудитории ещё нет в целевом аккаунте, байер создаёт её по рецепту шаблона — это пятиминутная задача со всеми задокументированными параметрами против тридцатиминутной реконструкции по памяти.

Для новых клиентов библиотека шаблонов служит структурированным инструментом онбординга. Вместо вопроса «какие аудитории собрать для этого клиента?» байер смотрит, какие рецепты шаблонов подходят бизнесу клиента — какие у него есть конверсионные данные, какие сигналы вовлечения он может задействовать, какая история пикселя доступна, — и собирает из проверенных структурных паттернов на собственных сидах этого клиента.

Что это меняет на масштабе портфеля

По пяти клиентам библиотека шаблонов даёт накопительный эффект. Каждая новая отработавшая кампания либо подтверждает паттерн шаблона — добавляя ему уверенности, — либо вскрывает новый, который попадает в библиотеку. Библиотека становится со временем полезнее, а не остаётся статичной, потому что накапливает фактические результаты байера, а не общие best practices.

Отдача хорошо задокументирована на уровне данных. Forrester в 2023 году сообщил, что организации со зрелыми практиками работы с аудиториями и сегментацией показывали ощутимо более высокую эффективность кампаний, чем те, кто полагается на разовую настройку, — что подкрепляет, почему сохранение проверенных сидов, а не пересборка по памяти на каждом запуске, напрямую переводится в более низкую стоимость привлечения на масштабе портфеля.

Полный гайд по таргетингу аудиторий разбирает структурную логику того, почему определённые сиды стабильно обгоняют остальные, — библиотека шаблонов это операционный слой, который делает эти инсайты переиспользуемыми, а не разовыми.

С точки зрения тарифов Audience Hub доступен начиная со Starter €99/мес, рядом с Free €0, Pro €499, Plus €1 499/мес (€1 199 в год) и Enterprise. 14-дневный пробный период рядом с бессрочным бесплатным планом даёт байеру достаточно времени, чтобы подключить все пять клиентских аккаунтов, провести аудит, собрать первый круг шаблонов и увидеть разницу в скорости запуска на первой же кампании, которая использует библиотеку.

Workflow — аудит, шаблон, сборка, переиспользование — не требует новых навыков или нового мышления об аудиториях. Он требует задокументировать то, что байер уже знает, и положить это в место, где оно остаётся актуальным и доступным, а не запертым в кампании прошлого квартала. В этом и состоит всё изменение, и оно накапливается с каждым следующим запуском.

Подробнее об эффективном управлении несколькими клиентскими аккаунтами — в материале как вести пять клиентских аккаунтов без вкладок и в гайде по библиотеке аудиторий для агентств. Этот гайд — часть нашего хаба по lead generation; изучите весь кластер, чтобы найти связанные плейбуки по аудиториям и запускам.