Otwórz Meta Ads Manager niemal dowolnego konta dealera i znajdziesz jeden zestaw reklam, jeden tekst, jeden głos — skierowany do całego kodu pocztowego. Promień targetowania może wynosić pięć lub dwadzieścia mil. Tekst wewnątrz nigdy nie zmienia się w zależności od tego, kto faktycznie znajduje się w tym promieniu. To standard — i jest błędem, który większość dealerów nigdy nie miała powodu analizować.
Jeden kod pocztowy to nie jeden klient. To 22-latek kupujący swój pierwszy samochód, przewijający TikToka o 23:00, bardziej przejęty szansą na akceptację kredytu i wysokością raty niż jakimkolwiek parametrem technicznym. To 61-latka sprawdzająca Facebook przy porannej kawie, porównująca dwa salony oddalone o piętnaście minut i czytająca każdą recenzję przed tym, jak zadzwoni. Ten sam promień pięciu mil. Ten sam magazyn. Zupełnie inna reklama.
Dlaczego jeden głos reklamowy zawodzi w obrębie jednego kodu pocztowego?
Problem nie polega na tym, że dealerzy nie wiedzą, że ich rynek jest zróżnicowany. Polega na tym, że produkcja tekstów reklamowych nie ma mechanizmu, który pozwalałby na uwzględnienie tej różnorodności. Opiekun konta w agencji lub marketer wewnętrzny pisze jedną wersję posta prezentującego model, jedną wersję posta z ofertą raty, jedną wersję posta dotyczącego odkupu auta — i ten sam zestaw jest emitowany wszystkim, których obejmuje promień targetowania, od 22-latka po 61-latkę, po angielsku, z tymi samymi haczykami zaufania, ponieważ pisanie pięciu wersji każdej treści do każdej kampanii to workflow, na który nikt nie ma czasu, robiąc to ręcznie.
American Community Survey Biura Spisowego publikuje dane dotyczące wieku, dochodów i gospodarstw domowych aż do poziomu ZIP Code Tabulation Area i okręgu spisowego — dokładnie tej geografii, którą faktycznie obejmuje promień targetowania dealera. Te dane zawsze pokazywały to, czego każdy dyrektor generalny już się domyśla: pięciomilowy promień wokół salonu nie jest demograficznie jednorodny. Ma określony rozkład grup wiekowych, mieszankę językową, rozpiętość dochodów. Dane potrzebne do pisania różnych reklam dla różnych segmentów tego promienia istnieją od lat. Prawie nikt nie włącza ich do procesu tworzenia tekstów reklamowych, bo ręczne korzystanie z nich — dla każdego kodu pocztowego, każdej kampanii, co tydzień — to coś, czego żaden zespół marketingowy nie jest w stanie skalować.
Co tak naprawdę różni nabywcę w wieku 22 lat od nabywcy w wieku 61 lat?
Przedział wiekowy to nie demograficzny przypis — zmienia to, co reklama musi zrobić, żeby doprowadzić do konwersji. Młodszy nabywca, kupujący po raz pierwszy lub drugi, jest bardziej wrażliwy na wysokość raty i zaniepokojony możliwością uzyskania kredytu niż zainteresowany specyfikacją techniczną; reklama, która zatrzyma jego uwagę, to ta, która od razu podaje konkretną liczbę i nie marnuje trzech pierwszych słów na budowanie mitu marki. Starszy, często powracający nabywca jest mniej zaniepokojony akceptacją kredytu, a bardziej przejęty sygnałami zaufania — stażem, reputacją, opinią serwisu, nazwą, którą już zna z okolicy — i znacznie częściej świadomie porównuje dwa lub trzy salony, zanim zadzwoni do któregokolwiek.
Same platformy wzmacniają ten podział, zanim zostanie napisane choćby jedno słowo tekstu. Pew Research Center — najczęściej cytowany autorytet w kwestii granic wiekowych pokoleń — definiuje pokolenie Z jako dorosłych urodzonych między 1997 a 2012 rokiem, a pokolenie Baby Boomers jako osoby urodzone między 1946 a 1964 rokiem, jednocześnie ostrzegając, że te kategorie nie są naukowo zdefiniowane i mogą prowadzić do nadmiernych uproszczeń, jeśli stosuje się je nieostrożnie. To ostrzeżenie ma znaczenie: chodzi nie o to, by wpisywać każdego nabywcę w generacyjny stereotyp. Chodzi o to, że własne dane odbiorców dealera, nałożone na rzeczywisty rozkład wieku według kodu pocztowego, pokazują, gdzie faktycznie leży odchylenie — a jeden głos reklamowy napisany dla przeciętnego nabywcy nie dociera właściwie do żadnej z dwóch skrajności tego rozkładu.
Dealer prowadzący jeden zestaw reklam Meta dla całego promienia optymalizuje się pod kątem przeciętnego nabywcy, który — na rynku z realnym zróżnicowaniem wiekowym — może nie reprezentować ani nieproporcjonalnie młodszej, ani nieproporcjonalnie starszej połowy ludzi, do których reklama faktycznie dociera.
Czy to ten sam problem co targetowanie na podstawie etniczności lub języka?
Nie — i właśnie tego brakuje większości porad w stylu „poznaj swój rynek". Targetowanie na podstawie etniczności i języka domowego to realny, odrębny problem: kod pocztowy, w którym 35% mieszkańców mówi w domu po hiszpańsku, potrzebuje kreacji w języku hiszpańskim — i już. Ale to inny wymiar niż wiek. Hiszpańskojęzyczne gospodarstwo domowe może liczyć 24 lub 64 lata. Anglojęzyczne gospodarstwo domowe może liczyć 24 lub 64 lata. Przedział wiekowy decyduje o tym, która platforma wyświetla reklamę i jaki psychologiczny bodziec zatrzymuje uwagę; język i etniczność decydują o tym, w jakim rejestrze są faktycznie napisane słowa. Dealer rozwiązujący tylko jeden wymiar — prowadzący kreacje po hiszpańsku, ale pisany jednym generycznym głosem niezależnie od tego, kto je czyta, lub prowadzący kreacje segmentowane wiekowo, które ignorują realną mieszankę językową rynku — nadal pozostawia drugą połowę problemu segmentacji nierozwiązaną.
Te dwa wymiary nakładają się na siebie. Rynek z przewagą języka hiszpańskiego i młodszą populacją potrzebuje kreacji po hiszpańsku, nastawionych w pierwszej kolejności na przejrzystość raty, emitowanych na TikToku i Reels. Rynek z przewagą języka hiszpańskiego i starszą populacją potrzebuje zupełnie innego rejestru — bardziej formalnego, mocniej zakorzenionego w zaufaniu, emitowanego w Facebook Feed. Traktowanie „kreacji dwujęzycznych" jako jednego produktu, bez analizy tego, która grupa wiekowa faktycznie niesie ten udział językowy, daje teksty technicznie przetłumaczone, które i tak chybiają celu.
Jak w praktyce tworzyć różne reklamy dla różnych grup wiekowych na tym samym rynku?
Mechaniczna odpowiedź brzmi: potrzebujesz rzeczywistych danych demograficznych dla konkretnej geografii, którą obejmuje kampania — nie założenia na poziomie miasta, nie tabeli przeglądowej „ta metropolia jest młoda" — i potrzebujesz procesu produkcyjnego, który przekształca te dane w odrębne warianty tekstów bez konieczności ręcznego przepisywania przez marketera każdego zestawu reklam dla każdego przedziału wiekowego, co tydzień, dla każdego salonu w grupie.
To problem z danymi i problem z wydajnością produkcji nałożone jeden na drugi. Większość konfiguracji marketingowych dealerów nie rozwiązuje żadnego z nich: promień targetowania pochodzi z szablonu planu mediowego, a tekst — z wariantu zatwierdzonego przy onboardingu i od tamtej pory nigdy nie zaktualizowanego. Efektem jest tekst skalibrowany dla nikogo konkretnego, emitowany na rynku, który w rzeczywistości zawiera kilka bardzo konkretnych osób.
Jak AUTONOMi to rozwiązuje
AEGIS buduje brief wywiadowczy rynku każdego dealera na podstawie rzeczywistych danych American Community Survey na poziomie okręgu spisowego dla każdego pierścienia targetowania — populację, liczby gospodarstw domowych, dochody, rozkład wieku, posiadanie pojazdów, rozkład etniczności i najczęściej używane języki domowe — pobieranych z bezpłatnych publicznych API Biura Spisowego, bez udziału jakichkolwiek danych osobowych, wyłącznie zagregowanych statystyk okręgowych. Te dane nie trafiają do raportu. Zasilają bezpośrednio sposób, w jaki tworzony jest tekst reklamowy.
Dla każdego dealera AEGIS tworzy personę rynkową do tekstów reklamowych Meta i TikTok z tego samego briefu spisowego oraz wyodrębnionego głosu dealera — profil, który decyduje, w jakim rejestrze językowym i z jakim udziałem ma być pisany tekst, uwzględniając to, które grupy wiekowe faktycznie niosą dany udział językowy na danym konkretnym rynku, odświeżany w stałym cyklu, a nie ustawiany raz podczas onboardingu. Persona wyraźnie wyklucza teksty, które mogłyby być emitowane na dowolnym rynku dla dowolnego dealera — każdy wyprodukowany wariant musi zawierać coś, co tylko ten dealer, na tym konkretnym rynku, może powiedzieć zgodnie z prawdą. Nie ma żadnego stałego wskaźnika etniczności ani tabeli przeglądowej nazw miast napędzającej tę decyzję — rzeczywiste dane okręgowe dla konkretnego pierścienia tego dealera decydują rynek po rynku.
To bezpośrednia odpowiedź na problem różnic wiekowych, który otwierał ten artykuł: persona budowana przez AEGIS to nie jeden głos dla całego promienia. Powstaje z odczytania tego, gdzie faktycznie leży odchylenie wiekowe i językowe w rzeczywistej geografii obejmowanej przez kampanię, i komponowania tekstów, które to odzwierciedlają — dyscyplina, której zatwierdzone kreacje co-op nigdy nie mogą zastosować, bo te szablony są pisane raz dla każdego rynku jednocześnie.
Co się dzieje z dealerami, którzy tego nigdy nie naprawią?
Nic katastrofalnego — i właśnie dlatego problem trwa. Zestaw reklam z jednym głosem nadal generuje kliknięcia. Nadal przynosi jakieś leady. Po prostu przynosi ich mniej niż powinien, z rynku, który dealer już opłaca, żeby do niego dotrzeć — bo połowa ludzi, którzy widzą reklamę, nie rozpoznaje w niej siebie. To nie jest historia o przepalonym budżecie w dramatycznym sensie — pytanie dyrektora finansowego o to, który dolar wydatku reklamowego przyniósł sprzedaż generującą marżę, nie jest nawet zadawane na tym poziomie, bo nieefektywność nigdy nie pojawia się jako osobna pozycja. Pojawia się jako CPL, który jest w porządku, współczynnik konwersji, który jest w porządku, i sufit, którego nikt nie zauważa, bo nikt nie mierzy w stosunku do alternatywy.
Dealerzy, którzy to naprawiają jako pierwsi, nie robią tego dlatego, że wskazał na to konkurent. Robią to dlatego, że te same dane spisowe, publicznie dostępne od lat, mają wreszcie ścieżkę produkcyjną do rzeczywistych tekstów reklamowych emitowanych dzisiaj — tę samą zmianę, która już oddziela dealerów prowadzących kreacje natywne dla platformy od dealerów powielających jeden zasób wszędzie. Kod pocztowy nigdy nie był jedną personą. Jedyna rzecz, która się zmieniła, to to, czy ktoś pisze do tych, którzy faktycznie w nim mieszkają. Jeśli chcesz zobaczyć, jak wygląda rzeczywisty rozkład wieku i języka na twoim rynku w porównaniu z tym, co zakłada twój obecny tekst reklamowy, możesz zamodelować wydatki i dane rynkowe swojego salonu w narzędziu budżetowym AUTONOMi i zobaczyć tę lukę bezpośrednio.