Мостик в офлайн: Александр Набатов о рекламной революции

Руководитель отдела рекламных технологий «Яндекса» Евгений Ломизе справедливо отмечает, что до недавнего времени реклама так или иначе не меняла своих свойств, пока в первые десятилетия XXI века не случился революционный скачок.

«Самые ранние образцы рекламы, с которыми мне приходилось сталкиваться, — это надписи на стенах Помпеи. Люди еще в древности с помощью рисунков на стенах рекламировали близлежащие «бизнесы», развлечения, гладиаторские бои. В общем, все то же самое, что и сейчас. Менялся лишь носитель: на смену стенам пришли газеты, потом изобрели телевидение. Главный принцип соблюдался: рекламодатель лишь мог рассчитывать на ту вероятность, что его объявление, размещенное на той или иной площади, увидят», — говорит Ломизе.

Рождение новой тенденции

И реклама в интернете сначала пошла по тому же проторенному пути: сайты завешивали баннерами, и можно было лишь выбрать те странички, которые более популярны у пользователей. Такая стратегия провалилась.

К счастью, технологическая революция пробила окно в будущее. Началось все с поиска. Появилась контекстная реклама, которая прямо отвечала на поисковые запросы пользователей. Естественно, такая технология получила бешеный успех. На рекламу часто кликали и переходили по ссылке.

И компаниям удавалось строить очень большой бизнес не на вероятности, что пользователь увидел рекламу, как это было раньше, а предоставляя гарантию, что человек ее все-таки увидел. И доказательством стал этот пресловутый клик.

«И с этого момента реклама, которая раньше состояла из определенного формата (баннер или ролик) и определенного места расположения (популярный сайт или прайм-тайм в федеральном эфире) превратилась в продукт, состоящий из формата, данных и математики, которая обрабатывает эти данные. Так появилась возможность оптимизации: людям стало возможно показывать именно ту рекламу, на которую они вероятнее всего кликнут», — объясняет Ломизе.

Дефрагментация между реальностью и виртуальностью

Чтобы предсказать действия пользователя от клика до покупки, нужна мощная математика и огромное количество данных.

В частности, «движок» «Яндекса», который отбирает людей, похожих на целевую аудиторию, перерабатывает в сутки до 2 тыс. Тб информации, это огромные объемы. К сожалению, жизнь разработчикам усложняет еще и дефрагментированность пользовательских данных. Человек может сидеть в Сети не только с компьютера, у него, скорее всего, есть планшет и мобильный телефон. Да даже на компьютере он пользуется несколькими браузерами сразу. И чтобы правильно понимать, что он готов сделать (чтобы показать рекламу правильного заказчика) и что он уже сделал (и тогда ему реклама может не понадобиться), необходимо связать все эти обрывистые данные между собой. Но самое обидное, что едва ли не ключевой источник данных — офлайновое поведение пользователя — оседает в компьютерах продавцов товаров и услуг, живя в своей параллельной вселенной.

«Поскольку онлайн- и офлайн-разделены, то рекламодателям надо тратиться на рекламу и там, и там. Как следствие, эта информация, доведенная до случайного потребителя, зачастую бывает неэффективной. Например, вы покупаете определенный продукт в определенном магазине. У вас есть карта лояльности, а у магазина есть ваша электронная почта. И вот, вернувшись домой, вы в поисковике пытаетесь найти дополнительную информацию о любимом продукте. И, вероятнее всего, вы увидите рекламу, которая не адаптирована для вас, она работает на новичков, которые еще никогда не покупали этот товар, и их нужно привлечь», — сетует руководитель системы «Яндекс.Крипт» Герман Царев, но тут же обнадеживает участников рекламного рынка. Оказывается, физический мир с нашими контактами, данными и привычками наконец-то начинает входить в гармонию с миром виртуальным, где наши идентификаторы анонимны и обозначаются бездушными цифрами.

«При наличии мостика между этими мирами рекламодатель видит, что вы, его лояльный пользователь, ищете информацию о любимом товаре. И он мог бы предоставить вам индивидуальную скидку или дополнительную акцию. Такое предложение не только повысит кликабельность рекламы, но и увеличит средний чек», — объясняет Царев.

В частности, «Яндекс» создал специальный сервис «Яндекс.Аудитория». Он позволяет создавать и исследовать представления об аудитории того или иного бизнес-проекта.

«У рекламодателя чаще всего есть список контактов лояльных клиентов. Он может загрузить его в систему, а наши специальные алгоритмы и машинное обу-чение позволят найти анонимные идентификаторы требуемых пользователей в Сети. Более того, в этом списке заказчик может разделить аудиторию на сегменты: например, отдельно выбрать постоянных покупателей, отдельно — ушедших клиентов, или клиентов оставляющие много денег или покупателей приходящих от случая к случаю. И в зависимости от выбранного сегмента можно воздействовать отдельно на каждую группу», — уверяет Царев.

Вернуть, убрать, «клонировать»

Проще говоря, с помощью нового сервиса «Аудитории» и данных из офлайна с контактами пользователей, которые предоставляет рекламодатель, можно реализовать ряд маркетинговых сценариев. Во-первых, попробовать вернуть ушедших клиентов. Например, у вашего проекта есть лояльная аудитория, использующая клубные карты. Однако через какое-то время часть аудитории уходит к конкурентам. Тогда можно провести выборку таких клиентов и именно им предлагать в Сети индивидуальные скидки и акции, чтобы попробовать вернуть хотя бы какую-то часть.

Во-вторых, есть возможность увеличить продажи за счет дополнительных услуг. Например, если автодилер продаст машину тому или иному клиенту, то через некоторое время он может лично ему предложить пройти техническое обслуживание автомобиля, тем самым увеличив средний чек.

Мало кому из предпринимателей не мечталось «клонировать» самых щедрых покупателей, и вот сейчас технологии искусственного интеллекта помогают решить эту проблему.

Самое забавное, что технология позволяет даже исключать отдельные сегменты из выборки. Например, если банк готовит масштабную рекламу с предложением кредитов, то есть смысл исключить из показа людей, кому ранее эта финансовая организация уже отказала в кредите. Тогда эффективность показа рекламного сообщения будет значительно выше.

Но самый любопытный сценарий, способный продемонстрировать во всей красе возможности пресловутого машинного обучения, позволяет на основе анализа того или иного сегмента ваших клиентов найти в сети похожих по интересам и поведенческим привычкам пользователей, которые с высокой долей вероятности могут тоже стать вашими постоянными клиентами. Мало кому из предпринимателей не мечталось «клонировать» самых щедрых покупателей, и вот сейчас технологии искусственного интеллекта помогают решить эту проблему. Причем система позволяет гибко формировать выборку похожести: от наименьшей точности при максимальном охвате аудитории до высокой точности при малом обхвате.

Текст опубликован в газете «Деловой Омск» № 26 (129) 5 июля

Самое актуальное в рубрике: IT и Телеком

Больше интересного в жанре: Спецпроекты