Кратко — причинно‑следственная связь и как с ней работать.
Причина → следствие
- Рост частоты показов увеличивает вероятность, что пользователь заметит сообщение, что сначала повышает отклик (CTR/конверсии).
- При дальнейшем росте появляется «усталость» (ad fatigue): снижается CTR/CVR, растут отписки, жалобы, негативное восприятие бренда. Это происходит из‑за повторения креатива, потери новизны и раздражения пользователя.
- Итого: эффект на отклик — кривая с возрастанием на низких частотах и убывающей предельной полезностью, затем отрицательная отдача (wearout).
Как измерить
1. Базовые метрики:
- показы $I$, охват $R$, средняя частота $f=\frac{I}{R}$.
- CTR, CVR, конверсии $C$, отрицательные реакции (спам/отписки), бренд‑лифт.
2. Эксперименты:
- рандомизированный сплит по частоте (контроль vs группы с заданной частотой);
- гео‑эксперименты, holdout‑группы для оценки инкрементальности.
3. Моделирование:
- построить exposure–response: регрессия/логит с числом экспозиций как предиктор (учесть лаги и когорты);
- Bayesian/HLМ или uplift‑модели для сегментации; survival‑анализ для времени до отказа.
4. Оценка предельной отдачи:
- инкрементальные конверсии при переходе между уровнями частоты: $\Delta C(f)=C(f)-C(f-1)$.
- инкрементальная отдача на дополнительный показ: $\delta (f)=\frac{\Delta C(f)}{\Delta I(f)}$.
Как оптимизировать частоту в digital‑кампании
1. Целевая постановка: максимизировать инкрементальные конверсии/ROAS при бюджете. Формально:
- максимум ${\sum }_f\Delta C(f)$ при ограничении ${\sum }_{f}Cost(f)\le Budget$.
- или выбрать $f^{\ast }$ такой, что предельная ценность на показ $v(f^{\ast })$ ≈ стоимость показа $c_I$.
2. Практические шаги:
- сегментировать аудиторию по ценности/чувствительности (новые vs ретаргет), для каждой задать разный cap.
- установить frequency caps и recency caps, варьировать по каналам и креативу.
- ротация креативов и последовательный (sequenced) креатив для уменьшения усталости.
- динамическая оптимизация: использовать модели предсказания отклика по числу экспозиций и автоматически снижать показы при снижающейся марже.
- тестировать и пересчитывать каждые 1–2 недели: строить exposure–response и находить точку wearout.
3. Правила‑эвристики (начальные ориентиры):
- для охвата/awareness: $f\approx 1.5-3$ за рекламную волну; для конверсии/ретаргетинга — выше, но с быстрым уменьшением отдачи. Это зависит от креатива, цели и канала.
4. Сигналы усталости:
- заметное снижение CTR/CVR при росте $f$;
- рост отписок/жалоб; отрицательный брендинговый lift.
- при обнаружении — снизить частоту, сменить креатив или сузить таргет.
Коротко о реализации в DSP/SSP
- Внедрить frequency capping и recency rules; использовать pacing и bid adjustments по сегментам; интегрировать инкрементальные тесты в бюджетное решение.
Итог: измерьте exposure–response экспериментально, найдите точку, где предельная польза равна стоимости показа, и реализуйте caps/ротацию/динамическое таргетирование для поддержания этой точки.