Как расширять целевую аудиторию

Что проверяют

Умеете ли вы превратить маркетинговую задачу в постановку для данных: кого считаем целевой аудиторией, какую модель строим и как докажем, что прирост настоящий. Следом почти всегда спрашивают: «Как вы отличите новых клиентов от тех, кто пришёл бы и без кампании?»

Как отвечать

Начните с определения: расширение это поиск людей, похожих на ценных клиентов, но ещё не охваченных. Дальше каркас:

• сегментация текущей базы: кластеризация (KMeans, HDBSCAN) по поведению и ценности, RFM-разметка. Цель: понять, какой сегмент приносит LTV, а не какой самый большой;
• look-alike модель: классификатор, где позитивы это лучшие клиенты, а остальная доступная аудитория не размечена. Формально это PU-learning, и честнее так и сказать, чем называть неразмеченных «негативами»;
• propensity и uplift: склонность к покупке показывает, кто купит, а uplift-модель (T-learner, X-learner, библиотеки вроде causalml) показывает, на кого кампания реально влияет. Для расширения важен второй вопрос;
• эксперимент: новую аудиторию запускают с контрольной группой без воздействия и считают инкрементальные конверсии;
• метрики: CAC, конверсия и удержание новых когорт, их LTV по сравнению со старыми, доля каннибализации.

Хорошо добавить про exploration: модель, обученная на текущих клиентах, находит только их двойников. Часть бюджета стоит отдавать на проверку непохожих сегментов, иначе аудитория сжимается вокруг одного профиля.

Если есть свой кейс, расскажите его с реальными цифрами и тем, как вы мерили эффект. Придумывать проценты не нужно: интервьюер спросит, как они посчитаны.

Где спотыкаются

Отвечают маркетинговыми лозунгами про «персонализацию и новые ниши» без единой модели и метрики. Для позиции в data science это провал.

Путают охват с приростом: показы и регистрации растут, а доля платящих и удержание падают, потому что пришла нецелевая аудитория.

Оценивают look-alike по AUC на исторических данных и считают задачу решённой. Без холдаута в продакшене неясно, принесла ли модель хоть одного клиента, который не пришёл бы сам.