Резюме для керівництва
Так, глибокий таргетинг уже є нормальною практикою великих міжнародних брендів, але він виглядає дещо інакше, ніж просто «покажемо чоловікам один банер, жінкам — інший». У найсильніших кейсах бренди одночасно використовують кілька шарів сегментації: життєвий етап, поведінку, історію покупок, схильність до купівлі, контекст, інтереси, мову, місцеперебування, час доби, пристрій і статус у customer journey. Потім змінюється не лише ставка або аудиторія, а саме повідомлення, продукт, CTA, зображення, відеосцена, мова, промопропозиція або навіть цілий сценарій комунікації. Це видно у Coca-Cola, OREO, Panera, Qantas, Garnier, Samsung, Tree Hut, Blinkist та інших. 1
Найближчий до наведеного у запиті прикладу «студентам одне, старшим людям інше» — OREO. Mondelēz прямо поділяв аудиторію за life stage на батьків, empty nesters і студентів коледжів. Для молодих батьків креатив нагадував узяти OREO разом із речами для ранкової прогулянки з дитячим візком; студентам, які вчилися, пропонувалася «печивна винагорода» після наступного розділу. Усього було створено 254 динамічні варіації, які дали на 40% більше кліків за стандартну display-рекламу. 2
Ще чистіший приклад вікової/життєвої диференціації дає Qantas: frequent flyers були розкладені на prosperous families, urban achievers, mature affluents, graduates та young professionals. Старшим заможним користувачам показували Сан-Франциско, випускникам і молодим професіоналам — Лос-Анджелес; невідомим відвідувачам — універсальну Каліфорнію. Персоналізований креатив мав CTR 0,5% проти 0,1% у generic-креативу, а conversion rate був на 170% вищим, ніж у попередніх Programmatic Guaranteed кампаніях без персоналізації. 3
У food/FMCG це вже не виняток. Coca-Cola перетворила один ролик на 32 різні відеореклами за інтересами; Panera — на понад 4 000 комбінацій персональних пропозицій і рекомендацій; Too Good To Go поєднує історію поведінки, вподобання, геолокацію та фактичну наявність товару; Bumble Bee у кампанії 2025–2026 років окремо шукала молодших покупців, back-to-school cohorts та lookalike-аудиторії; Boxed Water розділила B2B і B2C, оскільки вони купували в різні дні та в різних режимах. 4
Особливо важлива тенденція 2025–2026 років — мова стає не просто локалізацією країни, а окремою targeting dimension. Tree Hut у США окремо працювала з English general market і bilingual/Spanish-speaking audiences: Amazon використовував мовні налаштування сервісів та сигнали споживання контенту, а для іспаномовної аудиторії бренд створив іспанські версії video та display creative. Англомовна кампанія дала 3× purchase rate, bilingual — 1,75×; обидві суттєво випереджали попередні показники бренду. Ferrero USA також тестувала Spanish-language copy,
voice-over та overlay text на додачу до звичних англомовних матеріалів і повідомила про +5,7 пункту до intent. 5
Водночас треба розділяти «бренд має сучасну capability» і «конкретна кампанія сьогодні все ще активна». Для Starbucks, Mars DINE, Bumble Bee, Boxed Water, Hellmann's, Tree Hut, Netflix і Spotify є публічні сигнали 2025–2026 років. Частина надзвичайно показових кейсів — OREO, Qantas, Audi, Samsung, Cadbury — старші; вони доводять використання методики, але не означають, що саме цей креатив зараз перебуває в ротації. 6
Головний стратегічний висновок: найбільш розвинений deep targeting сьогодні — це не «знайти 100 дрібних аудиторій». Це система:
first-party/consented data → meaningful segments → modular creative → channel/journey decision → experiment → incremental measurement → feedback loop.
Саме поєднання сегмента й реально іншого змісту повідомлення відрізняє сильні кейси OREO, Coca-Cola, Qantas, Garnier, Panera, Floward, Blinkist і Canva від звичайного performance targeting.
Методологія та критерії
У цьому дослідженні під «глибоким таргетингом» я не вважаю просту зміну bid або показ одного й того самого банера різним аудиторіям. Кейс включався до основної вибірки, якщо було задокументовано хоча б два з трьох елементів:
сегментація → creative/message differentiation → algorithmic/cross-channel activation.
Найсильніші кейси мають усі три.
Я розрізняю три умовні рівні:
Рівень Що відбувається Приклад
Deep-1: cohort Різні повідомлення великим студент / parent / mature personalization сегментам affluent; English / Spanish
Deep-2: behavioral/ Повідомлення залежить від дії, abandoned cart, lapsed lifecycle покупки, retention status, часу customer, breakfast visitor
Алгоритм у реальному часі predictive purchaser, Deep-3: predictive / вибирає продукт, креатив або індивідуальна рекомендація, dynamic / 1:1 next-best-action dynamic artwork
OREO і Qantas — чудові Deep-1/2 приклади; Panera, Too Good To Go і BlaBlaCar — Deep-2/3; Netflix — майже чистий алгоритмічний Deep-3. 8
Пошук пріоритезував офіційні brand/platform case studies, brand newsrooms та технічні публікації: Google Marketing Platform/Think with Google, Amazon Ads, Braze customer cases, Meta for Business, Starbucks, Spotify та Netflix Research/Tech Blog. Cadbury залишено як історично
важливий benchmark із матеріалу технологічного постачальника Idomoo, тому його доказовість нижча за брендове або платформне first-party джерело. 9
Є важливе методологічне обмеження. Case studies рекламних платформ — це не незалежні randomized meta-analyses: вони природно відбирають успішні кампанії. Крім того, «+170% conversion», «+22% sales» і «+64% subscriptions» не можна безпосередньо порівнювати: контрольні бази, attribution windows і методи вимірювання різні. Деякі кейси мають справжні control groups — Sephora тримала 20% цільового сегмента як контроль, BlaBlaCar порівнювала target/control; інші використовують prior campaign, YoY, media benchmark або campaign-attributed metrics. 10
Тому нижче я трактую KPI як доказ того, що конкретна механіка працювала в конкретному кейсі, а не як прогноз «персоналізація завжди дасть +X%».
Щодо актуальності використано три позначки:
● Current — публічний кейс або офіційний продукт 2025–2026 років; ◐ Recent/operational — відносно сучасна documented CRM/personalization capability; ○ Benchmark — старший кейс, важливий як перевірена модель, але не доказ того, що кампанія live у серпні 2026 року.
Каталог кейсів
Продукти харчування, напої, food-service та FMCG
Coca-Cola — Саудівська Аравія /Middle East, ○/◐. У World Cup activation бренд узяв один базовий 38-секундний ролик і через Ads Creative Studio створив 32 персоналізовані версії для affinity audiences. «Home and garden enthusiasts» отримували жарт про скошування футбольного поля; «thrill seekers» — сцену зі стрибком із парашутом на стадіон. Канали: YouTube Video Reach, skippable in-stream, DV360. Сегментація: психографіка/інтереси + media behavior. VTR становив 46% проти запланованих 30%; економія planned CPV budget — 42%; у промоперіоді в Саудівській Аравії market share зріс на 10%, sales volume — на 22%. На сторінці офіційного кейсу доступні самі відеоприклади. 11
OREO /Mondelēz — США, ○ benchmark. Це один із найчистіших прикладів life-stage targeting. Google/VaynerMedia визначили parents, empty nesters і college students та поєднали їх із daypart/snacking behavior. Батькам показували контекст прогулянки з дитячим візком; студентові за навчанням — OREO як винагороду після наступного розділу. Канали: Display & Video 360, YouTube/display, Campaign Manager 360. Результат: 254 варіанти, на 40% більше кліків проти standard display, на 25% менше часу на production/management і 4× швидше розгортання варіантів. 2
Panera Bread — Північна Америка, ◐, кампанія трансформації меню від 2024 року. Тут сегментом може бути вже не демографія, а поведінкова потреба: sandwich lovers → нові sandwiches; frequent drink buyers → Unlimited Sip Club; morning guests → breakfast promotions. Окремо AI decisioning виявляв at-risk/lapsed customers, а перегляд меню без покупки запускав follow-up email/push. Створено понад 4 000 комбінацій offers/recommendations і понад 40 tailored Content Cards; канали — email, push, in-app, app/web. Результат: +5% retention, 2× loyalty-offer redemptions, 2× purchase conversion у abandoned-order follow-ups. Офіційна сторінка містить зображення персоналізованих повідомлень. 12
Too Good To Go — EMEA, ◐. Компанія сегментує за app sessions, переглянутими, доданими в favorites і купленими Surprise Bags, engagement/churn score, геолокацією та поточною локальною пропозицією. Це вже майже 1:1 supply-demand targeting: коли поруч з'являється релевантний bag, push отримують люди, для яких він найімовірніше цікавий; «dessert campaign» автоматично підтягує десерти, доступні саме поблизу користувача. Результат — +135% CRM-attributed purchases і 2× message conversion rate. 13
Grubhub Campus — США, ◐. У цьому випадку первинний segment — саме college students, але всередині нього journey розгалужується за campus connection, додаванням campus card та активацією Grubhub+ Student. Welcome message персоналізується деталями конкретного кампусу і first-order incentive; далі інше повідомлення підштовхує додати campus card; третє пояснює benefits студентського Grubhub+. Email + push. Заявлений результат: +836% ROI, +188% Grubhub+ sign-ups, десятки тисяч інтегрованих студентів і сотні тисяч замовлень. 14
McDonald's Hong Kong — Гонконг, ○/◐. GA4 machine learning формував predictive audiences, зокрема “likely 7-day purchasers”, на основі real-time ecommerce data. Аудиторія передавалася в Google App Campaigns for Engagement, де алгоритм тестував комбінації text/image/video. Тобто differentiator тут менш «студент проти пенсіонера», а більше purchase propensity + dynamic creative selection. За два місяці в сегменті likely 7-day purchasers: +550% conversions, −63% CPA і +560% revenue. 15
Starbucks — США, ● Current, 2026. 10 березня 2026 року Starbucks запустила нову трирівневу Rewards-модель: Green, Gold, Reserve з дедалі більш персоналізованими benefits. Навіть launch creative/product layer був сегментованим: Green мав власний secret-menu drink, Gold — інший, Reserve — третій; Reserve отримує також особливі experiences та personalized Reserve card. Комунікація membership level і benefits іде через app та email. Це хороший приклад purchase/loyalty history → tier → different product/experience/message, хоча Starbucks не оприлюднила causal conversion uplift саме від нової сегментації. 16
Ferrero USA — США, language targeting, ◐. Meta описує тест, у якому confectionery/snack brand додала Spanish-language copy, voice-over та overlay text до звичних English-language assets. Це дуже важливий приклад: базова brand proposition може лишатися тією самою, але execution змінюється мовою та аудіовізуальною формою під мовний сегмент. Meta повідомила про +5,7 percentage points intent lift. 17
Mars DINE — Австралія, ● Current 2025–2026. Cat Decoder дозволяв власнику завантажити фото кота й обрати тип взаємодії; AWS AI генерував індивідуальне анімоване відео з «перекладом думок» тварини. Кампанія поєднала Prime Video, Amazon homepage, online video, display та TikTok creators, останні допомагали розширити reach серед younger adult cat owners. За шість тижнів серпня–вересня 2025 року було створено 9 500 personalized videos із 99% completion rate; Amazon unit sales зросли на 73% YoY, 36% sales були new-to-brand; Circana зафіксувала 2,2% offline lift для DINE brand. 18
Bumble Bee Foods /Snackers — США, ● Current, липень 2025 — березень 2026. Завдання було нетиповим: запустити single-serve tuna для younger consumers, не канібалізувавши понад десять існуючих ліній. AMC формувала lookalike buyers, back-to-school shoppers та younger consumers, у тому числі за connected-household Prime signals; активація включала Sponsored Products/Brands, display, Amazon DSP і Prime Video. Revenue сягнув $30 млн проти $24,5 млн goal; sponsored-ads conversion — 52%; repeat purchase — 12,5%, а в новому AMC cohort — 22% проти 10,5% pre-launch baseline; cross-product modelling не виявило cannibalization. 19
Boxed Water Is Better — США, ● Current, 2025–2026. Дуже цінний приклад того, що «різні аудиторії» — це не обов'язково вік. Бренд виявив, що business buyers і ordinary consumers поводяться принципово по-різному: B2B купує переважно в будні. Кампанії були розділені на B2B/B2C, для business demand виділені окремі Sponsored Products і weekday dayparting. B2B sales growth досяг +34% YoY, ACOS знизився з 14,22% до 5,8%, total sales у грудні — +18,57% YoY. 20
Hellmann's — США, ● Current, 2026. Після Big Game spot бренд не просто ретаргетував тих самих людей банером, а трансформував формат: Fire TV отримав AI-powered karaoke experience “Mayo for a Melody”, участь у якому відкривала 15% discount. Далі journey йшов через Fire TV, Amazon DSP display, Streaming TV, Prime Video/online video, audio, Alexa та Amazon store. Multi-format exposure дала +96% conversion проти single-format, а 3+ touchpoints — 5,2× conversion; new-to-brand rate був на 10 пунктів вищим, коли karaoke входило в multi-format journey. 21
Cadbury Dairy Milk — Австралія, ○ historical benchmark. Flavour Matcher використовував дані Facebook — age, location, interests та profile photo — щоб зіставити людину з одним із 12 flavours і автоматично створити personalized video. За даними технологічного партнера Idomoo, completion rate становив 90%, CTR — 65%, conversion до promotion form — близько 33%, а понад 12% глядачів ділилися відео. Це сильний концептуальний доказ 1:1 creative, але джерело vendor-side і кейс старий, тому ці цифри потрібно трактувати обережніше, ніж сучасні first-party case studies. 9
Непродовольчі бренди
Garnier /L'Oréal — Індія, ○/◐ benchmark. Garnier Color Naturals створила 37 core audience segments у 35 metro areas: Beauty Mavens, Fashionistas, TV Show Audiences, Travel, Movie Lovers тощо. Copy і CTA змінювалися за interest/context: читачкам матеріалу про TV shows — меседж про «colorful twist», movie lovers — «great reviews for your hair». З базових images + copy + audience feed було згенеровано 100 000 creative variations. За два тижні кампанія охопила 21 млн+ users, дала +42% ad recall, +22% CTR проти попередніх кампаній і 87% економії часу production/trafficking. 22
Samsung Galaxy Note20 — Іспанія, ○ benchmark, 2020. Samsung працювала з понад 300 behavioral audiences, побудованими з Analytics 360: наприклад, abandoned-cart users або visitors конкретної Samsung page. 400 creative variants із різними product offerings/messages були створені менш ніж за п'ять днів і активовані через Studio, Campaign Manager 360 та DV360. ROAS був на 173% вищим, ніж у existing display creatives. 23
Audi Q2 — Німеччина, ○ benchmark. Після interaction з configurator бренд знав funnel stage + бажану модель + колір + диски й міг показати людині рекламу фактично її конфігурації. Понад 6 000 creative combinations показувалися across devices/publishers через DV360. Programmatic buying дала у середньому 4× conversion rate традиційних buys; на фінальній стадії dynamic creative з індивідуально сконфігурованою машиною був більш ніж удвічі ефективнішим за standard ads.
Qantas — Австралія, ○ benchmark. Це один із найкращих кейсів для вашої постановки задачі. Frequent flyers класифікувалися як prosperous families, urban achievers, mature affluents, graduates, young professionals. Older affluent → San Francisco; graduates/young professionals → Los Angeles; first-time unknown visitor → generic California; плюс усі banners локалізували closest departure airport і price. Personalized CTR — 0,5% проти 0,1% generic, +57% CTR проти минулих Programmatic Guaranteed buys і +170% conversion rate. 3
Sephora SEA — Південно-Східна Азія, ○/◐. Target cohort: люди, які переглядали makeup product page протягом 30 днів, але не користувалися Virtual Artist AR. Їм відправляли push/Content Card із step-by-step video; клік переводив у наступний in-app message, далі deep link — безпосередньо в AR. 20% сегмента лишили control group. Adoption AR зросла на 28%, usage/user — на 16%, overall Virtual Artist traffic — на 48%. 25
Floward — MENA/UK, ◐. Тут segmentation layer — RFM: recency, frequency, monetary value + market + churn status/new customer status. Для кожного customer segment створювалися personalized content і visuals, а для кожного market — окрема кампанія. Канали: WhatsApp, push, in-app, email; send-time теж персоналізувався. WhatsApp read rate досяг 55%; позитивні reviews +21%, share of voice на Valentine’s Day — 99,1%; точний conversion uplift компанія публічно не навела, лише зазначила, що WhatsApp мав найвищий revenue/conversion серед каналів. 26
Netflix — глобально, ● Current capability, 2026. Netflix — мабуть, найглибший приклад із усієї вибірки, хоча це переважно product personalization, а не paid targeting. Один і той самий Good Will Hunting може отримати artwork із романтичною парою для людини з історією romance viewing і artwork із Robin Williams для користувача, який часто дивиться comedy; Pulp Fiction — Uma Thurman fan бачить Uma, Travolta fan — Travolta. Signals включають viewing history, genres, country, language preference, device, time/day та context. У лютому 2026 Netflix Research уже публікував нові роботи про LLM-based Artwork Personalization і integration Foundation Model у personalization applications, тобто capability явно жива. Netflix не публікує в цих матеріалах універсального CTR/conversion uplift, тому я не вигадую його. 27
Spotify — глобально, ● Current, 2025–2026. У 2025 Wrapped individualized digital stories були винесені в глобальну physical activation: кампанія працювала у 30+ markets, із близько 50 installations/pop-ups, а цифровий experience був розрахований на понад 700 млн fans. У березні 2026 Spotify запустила в New Zealand Premium beta Taste Profile, де алгоритм враховує music/podcast/audiobook history, interests і навіть situational habits — наприклад workout або weekday commute — і дозволяє людині коригувати профіль. Це приклад переходу від непрозорого профайлінгу до user-steerable personalization. Прямого incremental revenue KPI для цих personalization mechanics Spotify не оприлюднила. 28
Canva — APAC /глобальний продукт, ◐. “Time to Try” визначає, які features людина вже використовувала і скільки разів, і рекомендує наступну найдоречнішу функцію. Для одного feature існувало до восьми personalized content variants за user type/journey; загалом система генерувала сотні variants, а розширена реалізація охоплювала 650+ unique campaigns і понад 75 features. Email/journey orchestration. Результат: +55% opens, +47% clicks, до +8% feature adoption, близько 1 000 production hours saved. 29
BlaBlaCar — 22 markets, ◐. Abandoned-booking journey розрізняє, де саме людина зупинилася: carpool search, bus search, інший state, already booked тощо. Event properties підставляються в email/push copy; non-converters після owned CRM можуть sync'итися в Facebook/Google paid audiences. Тест target проти control показав до +48% message click rate і +30% bookings для enriched/personalized emails. 30
Blinkist — багато ринків, ◐. Це чудовий приклад одночасної сегментації free vs premium + behavior + region + language + customer segment. Free user спочатку отримує корисний free content; якщо взаємодіє — переходить в інший journey, де показуються premium-only features/content. Action Paths автоматично вирішують route. Результат: +64% subscription purchases та +50% sessions у Daily Pick/customer-journey activity. 31
Stash — США, ◐. Фінансовий застосунок персоналізує onboarding за точкою drop-off і real-time behavior: людина, яка не завершила конкретний крок deposit setup, отримує не generic «поверніться», а messaging про наступну потрібну дію. Канали: email, push, in-app, SMS. Заявлено +64% email CTR, +72% open rate, а FirstDeposit_Started conversion rate — 20,34%. Через фінансову категорію це водночас хороший приклад того, де privacy/fairness governance має бути значно жорсткішим, ніж для печива або кави. 32
Tree Hut — США, ● Current evidence 2024–2025. Кампанія розділила English general market і bilingual/Spanish-speaking audiences. Amazon використовував language preference на properties/devices плюс content/entertainment signals; Spanish team створила окремі Spanish-language video/display versions. Канали: Streaming TV на Prime Video/Twitch/Fire TV та publishers, online video і display. English campaign: >3,5× branded-search rate, 6× detail-page-view rate і 3× purchase rate; bilingual: 2,5×, 3× і 1,75× відповідно. 33
Таким чином, вибірка містить 26 кейсів: 13 food/food-service/FMCG і 13 non-food, від простого language/life-stage differentiation до predictive та 1:1 personalization. Дата кейсу і доказовість суттєво відрізняються, що враховано в інтерпретації вище.
Порівняльна матриця та візуалізації
Основна Що реально Публічний Бренд Ринок Канали сегментація змінюється результат
VTR 46%; Saudi/ інтереси, YouTube, сцена + Coca-Cola sales +22% MENA психографіка programmatic message
parents / empty display, life-stage copy/ clicks +40% OREO US nesters / YouTube context 2 students + daypart
retention purchase +5%; N. email, push, product/offer/ Panera behavior, purchase America in-app, web CTA daypart, churn conversion 2×
behavior, конкретний CRM Too Good preference, EMEA push/app локальний purchases To Go geo, offer +135% 13 availability
student life benefits + ROI +836%; US stage, Grubhub email, push campus- sign-ups campuses onboarding specific CTA +188% 14 status, campus
predicted app text/image/ Hong conversions McDonald's purchase campaigns/ video Kong +550% 15 propensity Google combination
Основна Що реально Публічний Бренд Ринок Канали сегментація змінюється результат
loyalty tier/ benefits, causal uplift Starbucks US purchase app, email product, не disclosed engagement experiences 35
Spanish copy, intent +5.7 pp Ferrero US language Meta/social voice, overlays 17
cat-owner profile, Prime Video, individualized Amazon units Mars DINE Australia younger display, TikTok AI video +73% YoY 18 adults, interaction
younger, back- Amazon DSP, product/use- $30m vs Bumble to-school, US sponsored, case & $24.5m goal Bee lookalike, Prime Video audience path 19 purchase data
B2B vs B2C, campaign Boxed sponsored/ B2B sales US weekday architecture/ Water programmatic +34% YoY 20 behavior daypart
conversion passive ad → exposure/ CTV, display, +96%; 3+ Hellmann's US interactive journey stage audio, Alexa touchpoints karaoke 5.2× 21
CTR 65%; age, location, Facebook/ 1:1 flavour/ Cadbury Australia conversion interests social video ~33%* 9
interests/ ad recall programmatic copy, CTA, Garnier India context, +42%; CTR display images women 25–44 +22% 22
page behavior, offer + ROAS +173% Samsung Spain abandoned programmatic message 23 cart
conversion funnel, model/ actual rate 4× Audi Germany programmatic color/rims configured car traditional
families, destination + affluent older, conversion Qantas Australia programmatic local airport/ graduates, +170% 3 price young pros
recent makeup educational AR adoption Sephora SEA interest + no push, in-app video + next +28% 25 AR use action
Основна Що реально Публічний Бренд Ринок Канали сегментація змінюється результат
WhatsApp, content + RFM, churn/ WhatsApp Floward MENA/UK email, push, visuals + new, market read 55% 26 in-app timing
viewing, genre, cast, country, title artwork exact KPI not Netflix Global app/web language, itself disclosed 27 device
direct uplift listening/taste, personalized Spotify Global app, OOH not disclosed habit, context stories/profile
features used, opens +55%; APAC/ recommended Canva frequency, email/journey clicks +47% global next feature events 37
abandonment 22 email, push, next-action bookings BlaBlaCar point, travel markets paid sync copy +30% 30 mode
free/paid, free vs Multi- behavior, subscriptions Blinkist CRM/app premium market region, +64% 31 content path language
next funnel/drop- email, push, email CTR Stash US onboarding off behavior in-app, SMS +64% 32 action
English vs bilingual/ translated/ purchase 3× CTV, video, Tree Hut US Spanish + localized English; 1.75× display consumption assets bilingual 33 signals
*Cadbury — vendor-reported historical metric, тому не ставлю його на один доказовий рівень із контрольованими first-party tests. 9
Операційна модель, яка повторюється в найсильніших кейсах:
Social /Video
Programmatic / CTV Conversion / brand / Decision layer Creative assembly retention rules • propensity • AI • image • video • copy • Channel decision next-best-action language • offer • CTA
Email / Push / In-app Дані Сегментація CRM • purchases • Holdout / incrementality / life stage • value • intent • behavior • language • geo learning churn • affinities • context
OOH /Retail /Marketplace
Ця схема є синтезом підходів Coca-Cola, OREO, Panera, Too Good To Go, Samsung, Canva та BlaBlaCar: дані не повинні завершувати процес у Media Buying; вони мають повертатися безпосередньо у creative decisioning. 38
Розподіл каналів у 26 кейсах
На графіку каналів одна кампанія може враховуватися у кількох категоріях. Це моє кодування 26 розглянутих кейсів, а не оцінка частки рекламних бюджетів. Особливо помітно, що deep targeting тяжіє до programmatic/display та owned mobile/app channels; OOH у публічних personalization case studies зустрічається значно рідше. Spotify є показовим винятком, коли персональний digital phenomenon розгортається також у фізичному просторі. 39
Вибрані оприлюднені uplift-метрики
Другий графік не є рейтингом брендів: +550% conversion McDonald's, +170% conversion Qantas, +135% CRM purchases Too Good To Go і +22% sales volume Coca-Cola вимірюють різні речі й мають різні baselines. Його сенс — показати, що у documented cases deep targeting впливав не лише на CTR, а на весь funnel: recall → click → product adoption → purchase → revenue → retention. 40
Закономірності й найкращі практики
Перша закономірність — найкращий segment не обов'язково демографічний. У традиційному маркетинговому brief легко написати «18–24» і «55+», але Panera отримує більш actionable distinctions із “sandwich lover /drink buyer /morning guest”; Too Good To Go — із real-time availability та історії favorites/purchases; Audi — з model/color/rim preferences; Canva — з features already used. Поведінкова ознака частіше одразу говорить, який наступний message має сенс, тоді як сам вік нерідко нічого такого не пояснює. 41
Друга — life stage усе ще надзвичайно сильний, коли він пов'язаний із реально різними jobs-to-be-done. OREO демонструє parents проти college students, Qantas — mature affluent проти graduates/young professionals, Grubhub — окрему campus journey. Різниця тут не у зміні кольору банера: змінюється situation, destination, benefit або occasion. 42
Третя — креатив потрібно будувати модульно. Coca-Cola мала base video + swappable visuals/messages; Garnier — audiences × images × copy; Samsung — product offering × audience message; Panera — offer × recommendation × behavioral state. Саме це дозволяє перейти від 5–10 вручну намальованих банерів до сотень, тисяч або десятків тисяч варіантів без пропорційного збільшення production cost. 43
Четверта — персоналізувати треба не тільки creative, а й route. Sephora: push → Content Card → IAM → AR; BlaBlaCar: CRM першою, paid retargeting лише тим, хто не конвертував; Hellmann's: CTV/Fire TV interaction → discount → Store/product page; Floward: RFM segment → channel/timing combination. Це вже journey orchestration, а не звичайна таргетована реклама. 44
П'ята — мова заслуговує окремого шару сегментації. Не лише «перекласти весь сайт іспанською», а визначити мовну preference/audience, локалізувати voice-over, overlays, CTA і creative format. Tree Hut і Ferrero показують саме цю модель. Blinkist додає language безпосередньо до journey logic разом із region та customer segment. 45
Шоста — глибина не повинна означати нескінченну кількість мікросегментів. Boxed Water знадобилося лише фундаментальне розділення B2B/B2C, щоб виявити різні weekday patterns; OREO — кілька meaningful life-stage groups; Qantas — п'ять frequent-flyer personas. Натомість 100 000 Garnier variants були наслідком combinatorial creative assembly, а не 100 000 вручну придуманих personas. 46
Сьома — правильний KPI залежить від сегмента. Для new customer це acquisition/first purchase; для lapsed — reactivation; для high-value loyal — retention/LTV; для product explorer — adoption; для B2B — profitability/weekday conversion; для brand video — recall/VTR. Спроба оцінити всі аудиторії одним CTR суперечить тому, як фактично будували кампанії Panera, Bumble Bee, Boxed Water, Sephora та Coca-Cola. 47
І нарешті, найкращі системи переходять від “segment personalization” до “decision personalization”. Netflix не каже: «всі чоловіки 25–34 бачать Robin Williams». Алгоритм оцінює конкретний member-title-image context із viewing history, language, country, device та іншими signals. Too Good To Go аналогічно поєднує user profile із поточною availability, а McDonald's — predicted propensity. Це більш перспективна архітектура, ніж дедалі детальніше ручне розрізання аудиторій. 48
Правові, етичні та privacy-наслідки
Deep targeting технологічно привабливий саме тому, що створює багаті профілі людей, — і це одночасно його головний юридичний та етичний ризик.
У ЄС EDPB прямо розглядає targeting social-media users на основі inferred data як діяльність, що типово включає profiling; необхідно визначити належну legal basis, забезпечити transparency, purpose limitation, data minimization та інші вимоги GDPR. EDPB окремо попереджає, що behavioural advertising може створювати ризики discrimination, exclusion та manipulation. 49
Додатково Digital Services Act забороняє online platforms показувати рекламу на основі profiling із використанням special categories personal data, а для minors встановлює окремі обмеження на profiling-based advertising. Тому ідея «виділити людей із певною хворобою, релігією, сексуальною орієнтацією або політичними поглядами й адаптувати persuasion creative» юридично й етично принципово відрізняється від безпечнішого «morning coffee buyer /frequent sandwich buyer». 50
Для Великої Британії ICO наголошує, що non-exempt technologies, які зберігають або читають інформацію з device, у загальному випадку не можна pre-enable до отримання належної згоди; користувач повинен отримати зрозумілу інформацію про technology, purpose, third parties та duration. Окремі PECR rules поширюються на direct electronic marketing, включаючи email, SMS і деякі in-app/direct messages. 51
У Каліфорнії CCPA/CPRA надає споживачеві право opt out of sale or sharing, причому “sharing” охоплює cross-context behavioral advertising; CPPA також вказує на user-enabled opt-out preference signals. Для міжнародного martech stack це означає, що consent/opt-out signal має подорожувати разом із профілем до activation layer, а не губитися між CRM, CDP, ad platform та agency. 52
Для України Закон «Про рекламу» є чинним у редакції станом на 31 липня 2026 року, але паралельно реформа privacy framework ще перебувала в русі: законопроєкт №8153 «Про захист персональних даних» був включений до порядку денного п'ятнадцятої сесії Верховної Ради 10 лютого 2026 року як проєкт до другого читання. Отже, не слід помилково поводитися з №8153 як із
уже чинним законом; при практичному запуску треба перевіряти актуальну редакцію чинного законодавства про персональні дані, рекламу та електронні комунікації безпосередньо перед кампанією. 53
Практично я рекомендував би розділити targeting variables на три зони.
Зона Приклади Політика
purchase history, product використовувати за належної legal basis і Зелена preference, daypart, language transparency voluntarily selected, loyalty tier
inferred lifestyle, precise location, household Жовта DPIA/risk review, necessity test, frequency limits composition, age extremes, financial propensity
health condition, religion, не використовувати для persuasive ethnicity, sexual orientation, segmentation без дуже специфічної законної Червона political beliefs, vulnerability/ підстави; у багатьох ad contexts це заборонено exploitation або неприйнятно
Ця зональність є моєю governance-рекомендацією, а не формальною класифікацією GDPR. Вона випливає з того, що регулятори приділяють особливу увагу profiling, special-category data, children та intrusive behavioural advertising. 54
Є й етичний принцип, який добре видно з Netflix і нового Spotify Taste Profile: користувачеві варто давати agency. Spotify у 2026 році пішла в напрямку, де людина бачить, як сервіс інтерпретує її Taste Profile, і може сказати «більше цього /менше цього». Це сильніша довгострокова модель довіри, ніж невидима система, що робить дедалі точніші психологічні висновки без можливості їх виправити. 55
Рекомендації для впровадження
Для бренду продуктів харчування я б не починав із “давайте зробимо 100 аудиторій”. Найпрактичніша стартова архітектура — 5–8 дійсно різних jobs-to-be-done плюс поведінкові стани всередині кожного. Саме такий принцип простежується від OREO/Qantas до Panera й Boxed Water.
Наприклад, для умовного міжнародного бренду готового сніданку/снеку можна побудувати таку систему:
Креативна Додаткова Segment Insight Формат/канал обіцянка персоналізація
ціна, «Перекус між Студенти 18– швидкість, TikTok/Reels/ campus/город, парами за 2 24 навчання/ YouTube Shorts student promo хвилини» дорога
Креативна Додаткова Segment Insight Формат/канал обіцянка персоналізація
«Сніданок, який mobile video, Молоді rush-hour, morning daypart, встигає раніше programmatic, професіонали convenience commute context за тебе» app
«Запас для YouTube/CTV, Батьки з planning, family pack size, repeat шкільних retail media, дітьми occasions purchase ранків» CRM
«Простий зрозумілість, larger typography, 55+/senior знайомий YouTube/CTV, familiar usage, straightforward household сніданок display, email value CTA щодня»
High-frequency уже знають «Спробуйте CRM/app/retail purchase history buyers продукт новий смак» media → flavour
«Поверніться — давно не email/push/paid Lapsed buyers ось що last purchase/SKU купували CRM sync змінилося»
bulk, «Коробка для retail search, weekday/daypart, B2B buyer predictability офісу / HoReCa» B2B email volume SKU
Це не означає, що треба припускати, ніби всі люди 55+ однакові. Вік тут лише initial routing variable; далі purchase behavior має переважати demographic stereotype. Саме тому Panera's “morning guest” або “drink buyer” і Audi's explicit product preference є більш надійними personalization signals, ніж абстрактна persona. 57
Далі потрібно створити creative grammar, а не десятки незалежних рекламних кампаній. Наприклад:
[occasion] + [benefit] + [product/SKU] + [proof] + [offer] + [CTA] + [language] + [format]
Тоді студент може побачити vertical 9:16 «перекус між парами» + small pack + student price + Ukrainian CTA; батьки — 16:9 family breakfast + multipack + weekly saving; repeat buyer — картинку його звичного SKU + новий flavor; польськомовний користувач — ту саму proposition польською; lapsed user — CRM message «останнього разу ви купували X — тепер є Y». Саме feed/template architecture дозволила Garnier зробити 100K variants, Samsung — 400 variants для 300+ audiences, Coca-Cola — 32 videos із одного base asset. 58
Критично, щоб language не визначалася грубим етнічним proxy, коли можна використати безпечніший explicit language setting або contextual language signal. Tree Hut є хорошим прикладом: кампанія опиралася на English/Spanish language preferences на Amazon properties/devices і content signals, після чого для іспаномовної аудиторії створили належні Spanish creative versions. 33
Для даних я б будував пріоритет так:
zero/first-party declared preference → first-party transaction/behavior → contextual signals → consented platform audiences → inferred characteristics лише там, де вони справді потрібні.
Це одночасно покращує relevance й знижує privacy risk. Too Good To Go, Panera, Canva, BlaBlaCar та Starbucks показують, наскільки багато можна зробити на власних lifecycle/purchase/behavior signals без необхідності створювати «психологічне досьє» на людину. 59
Для measurement потрібна не лише A/B перевірка creative A проти creative B, а чотири рівні:
generic vs personalized; personalized cohort A vs cohort B; contacted vs holdout; single-channel vs orchestrated journey.
Sephora є хорошою моделлю через 20% control group; BlaBlaCar — через target/control; Hellmann's показує важливість аналізу кількості й комбінації touchpoints. 60
Особливо для FMCG я б відділяв media KPI від business KPI. Наприклад:
CTR/VTR → product-page engagement → add-to-cart → first purchase → repeat purchase → incremental sales → cannibalization → margin.
Bumble Bee цікава саме тим, що аналізувала не тільки revenue, а й repeat purchase та cannibalization між SKU. Для великої продуктової компанії це значно важливіше, ніж красиво повідомити «CTR зріс на 40%». 19
Оптимальна implementation sequence виглядала б так:
Спочатку 5–8 macro segments і один control/generic creative. Потім 3–5 behavioral states — new, active, high-frequency, at-risk, lapsed. Далі language, location/daypart та product history. Після цього modular DCO і cross-channel orchestration. І лише після накопичення експериментальних даних — predictive next-best-action/AI. Така послідовність фактично веде від логіки Qantas/OREO до Panera/Too Good To Go і далі до Netflix-level decisioning. 61
Найважливіше — не персоналізувати заради персоналізації. Кожний сегмент повинен пройти простий тест:
Чи є в цієї групи інша потреба? Чи можемо ми на підставі цього показати реально корисніше повідомлення або продукт? Чи очікувала б людина, що ці дані використовуватимуться саме так? Чи можемо ми довести incremental value?
Якщо відповідь на перші два питання «ні», окремий creative не потрібний. Якщо проблемне третє — personalization може бути creepy або незаконною. Якщо немає четвертого — це виробничо складна система без доведеного бізнес-ефекту.
Саме тому найцікавішими орієнтирами для продуктів харчування я вважаю OREO для life-stage creative, Coca-Cola для psychographic video variation, Panera для purchase/daypart personalization, Too Good To Go для location + real-time inventory, Tree Hut/Ferrero для multilingual execution, Bumble Bee для acquisition без cannibalization, Boxed Water для B2B/B2C differentiation і Starbucks для loyalty-tier personalization. 62
А серед непродовольчих найціннішими моделями є Qantas для радикально різних life-stage audiences, Garnier для mass-scale DCO, Audi для product-preference personalization, Samsung для behavioral segments, BlaBlaCar для lifecycle orchestration, Blinkist для language + subscription status, Canva для next-best-feature і Netflix як кінцева точка — коли бренд перестає думати «який банер показати сегменту?» і починає вирішувати «який саме representation продукту найбільше відповідає конкретній людині в конкретному контексті?». 63
Джерела
1 4 11 38 43 How Coca-Cola used personalized ads to reach millions with 1 video https://www.thinkwithgoogle.com/intl/en-emea/future-of-marketing/creativity/coca-cola-personalized-ads-video/
2 7 8 42 56 62 Mondelēz International improves cross-functional collaboration with Campaign Manager 360 https://marketingplatform.google.com/about/resources/mondelez-spends-25-percent-less-time-on-creative-and-media- optimizations/
3 61 63 Australia’s Qantas uses Display & Video 360 to reach frequent flyers with relevant ads https://marketingplatform.google.com/about/resources/qantas-reaches-frequent-flyers-relevant-ads/
5 33 45 Language drives full-funnel results for Tree Hut | Amazon Ads https://advertising.amazon.com/library/case-studies/tree-hut-bilingual-campaign
6 35 Reimagined Starbucks Rewards loyalty program launches with new member benefits https://about.starbucks.com/press/2026/reimagined-starbucks-rewards-loyalty-program-launches-with-new-member- benefits/
9 How Cadbury Used Personalized Video to Launch in New Markets | Idomoo https://www.idomoo.com/blog/cadbury-launched-two-successful-personalized-video-campaigns/
10 25 44 60 Sephora Case Study | Boosting Engagement with AR Marketing https://www.braze.com/customers/sephora-sea-case-study-ar
12 34 41 47 57 How Panera Bread Drove Retention with Braze https://www.braze.com/customers/panera-case-study
13 59 Too Good To Go Improves the ROI of Their Campaigns With Personalization at Scale https://www.braze.com/customers/too-good-to-go-case-study
14 How Grubhub Revamped Their Onboarding Flow to Achieve an 836% Increase in ROI https://www.braze.com/customers/grubhub-onboarding-case-study
15 40 McDonald’s Hong Kong uses Google Analytics 4 to increase in-app orders by 550% https://marketingplatform.google.com/about/resources/mcdonald-hong-kong-uses-google-analytics-4-to-increase-in-app- orders-by-550-percent/
16 Starbucks Unveils Reimagined Loyalty Program To Deliver More Meaningful Value, Personalization
and Engagement to Members https://about.starbucks.com/press/2026/starbucks-unveils-reimagined-loyalty-program-to-deliver-more-meaningful-value-personalization-and-engagement-to-members/
17 Ferrero USA: Facebook ads case study | Meta for Business https://www.facebook.com/business/success/ferrero-usa?utm_source=chatgpt.com
18 DINE drives sales lift with AI-powered campaign | Amazon Ads https://advertising.amazon.com/library/case-studies/mars-dine-cat-decoder
19 Xnurta and CA Fortune help Bumble Bee grow 22% on Amazon | Amazon Ads https://advertising.amazon.com/library/case-studies/xnurta-ca-fortune-bumble-bee-foods
20 46 Quartile helps Boxed Water grow B2B sales 34% on Amazon | Amazon Ads https://advertising.amazon.com/library/case-studies/quartile-boxed-water-b2b-growth
21 Hellmann's increased conversion 96% with Fire TV | Amazon Ads https://advertising.amazon.com/library/case-studies/hellmanns-mayo-for-a-melody
22 58L’Oréal was able to make one creative idea work 100K+ different ways with help from Display & Video 360 https://marketingplatform.google.com/about/resources/how-did-loreal-make-one-creative-idea-work-100k-different-ways/
23 Samsung increases return on ad spend by over 2x with data-driven creatives https://marketingplatform.google.com/about/resources/samsung-increases-return-on-ad-spend-by-over-2x-with-data- driven-creatives/
24 Audi’s dynamic creative ads reinforce car customization possibilities https://marketingplatform.google.com/about/resources/audi-dynamic-creative-ads-reinforce-car-customization-possibilities/
26 Floward Builds Stronger Customer Connections with WhatsApp https://www.braze.com/customers/floward-case-study
27 48 Medium https://netflixtechblog.com/artwork-personalization-at-netflix-c589f074ad76
28 39 How Our 2025 Wrapped Campaign Turns Your Year in Listening Into a Global Celebration — Spotify https://newsroom.spotify.com/2025-12-03/wrapped-marketing-campaign/
29 37 Canva Case Study | Boosting Engagement with Content Catalogs https://www.braze.com/customers/canva-case-study-catalogs
30 BlaBlaCar Case Study | Abandoned Cart Campaigns https://www.braze.com/customers/blablacar-case-study-abandoned-cart
31 Blinkist Converts Free Users to Subscribers With Targeted Customer Journeys https://www.braze.com/customers/blinkist-case-study
32 Stash drives long-term investing habits with sophisticated, personalized user onboarding https://www.braze.com/customers/stash-case-study
36 55 A New Era of Personalization: Shape Your Taste Profile on Spotify — Spotify https://newsroom.spotify.com/2026-03-13/taste-profile-beta-announcement/
49 Guidelines 8/2020 on the targeting of social media users https://www.edpb.europa.eu/documents/guideline/guidelines-82020-on-the-targeting-of-social-media-users_en? utm_source=chatgpt.com
50 54 Regulation - 2022/2065 - EN - DSA - EUR-Lex https://eur-lex.europa.eu/legal-content/EN-NL/TXT/?uri=CELEX%3A32022R2065&utm_source=chatgpt.com
51 How do we comply with the PECR rules? | ICO https://ico.org.uk/for-organisations/direct-marketing-and-privacy-and-electronic-communications/guidance-on-the-use-of- storage-and-access-technologies/how-do-we-comply-with-the-pecr-rules/?utm_source=chatgpt.com
52 Frequently Asked Questions (FAQs) - California Privacy ... https://cppa.ca.gov/faq.html?utm_source=chatgpt.com
53 Про рекламу - повідомлення - Верховна Рада України https://zakon.rada.gov.ua/go/270/96-%D0%B2%D1%80?utm_source=chatgpt.com