«Я только подумал об этом, и вот»: как новые технологии помогают создавать персонализированную рекламу

О главных технологиях кастомизации и этических вопросах, которые они вызывают, рассказал Павел Мрыкин, эксперт по сквозной аналитике Calltouch.



Сверхточный таргетинг и теории заговора

Накануне пятничной вечеринки вы с друзьями обсуждаете, какую пиццу заказать на ужин, а через полчаса рекламные баннеры местных пиццерий появляются в Facebook и Instagram. Примерно так, по мнению потребителей, работает таргетированная реклама. Приложения подслушивают наши разговоры, передают данные третьим лицам, а те оперативно настраивают рекламу. 

Действительно, некоторые мобильные приложения используют микрофон на смартфоне в пассивном режиме и даже передают сведения партнерам. Например, этим занимается компания Alphonso, которая определяет, какие рекламные ролики слушает пользователь. Существуют также сервисы, которые распознают фоновый шум и вычисляют, где именно находится человек — в метро, в супермаркете или офисе. 

Но, как показывают исследования и эксперименты, крупные соцсети подслушиванием не занимаются — у них есть намного более эффективные инструменты аналитики и таргетинга. Так, Facebook позволяет таргетировать объявления на микрогруппы пользователей — и для этого достаточно базового функционала рекламного кабинета. 

Например, можно создавать рекламу для людей, которые находятся в отношениях на расстоянии. Или для тех, кто только что вернулся из отпуска. Даже телеканалы уже могут подбирать рекламу под отдельные группы зрителей — например, только под тех, у кого есть кошки. 

Компании действительно используют поведенческие маркеры, чтобы предлагать пользователям более релевантную рекламу. И эффективность этого метода подтверждают опросы — так, аналитики Accenture выяснили, что 91% клиентов отдает предпочтение брендам, которые предлагают персонализацию. А 90% готово «пожертвовать» своими данными ради бонусов. В то же время другие опросы показывают, что только 17% потребителей считает персонализированную рекламу этичной. Более того, многим она кажется пугающей — неудивительно, что в сети появляются теории заговора о жутких корпорациях, которые шпионят за нами в режиме 24/7. 


ЦА по образу и подобию

И все же, какие технологии персонализации сегодня набирают популярность и насколько они эффективны? Для начала нужно понять, что большинство современных приемов персонализации опираются на поведенческую аналитику — на ней строятся бизнес-модели большинства соцсетей. 

Так, Instagram и YouTube получают 83% и 99% выручки соответственно от продажи таргетированной рекламы. Технологические платформы собирают данные об аудитории, бренды задают параметры в рекламных кабинетах, а ЦА получает релевантный контент. Сайты обмениваются данными в режиме реального времени, а пользователям присваиваются уникальные идентификаторы. В основе этой механики лежит поведенческий ретаргетинг: сегодня вы выбираете кроссовки в интернет-магазине, а через несколько минут их реклама появится в вашей ленте Instagram.

Управлять этим процессом помогают рекламные кабинеты и платформы в комплекте с базами данных. Еще 15-20 лет назад компании пользовались только CRM-системами, которые помогали отслеживать заинтересованную аудиторию и лояльных покупателей. Со временем их дополнили DMP-системы (платформы для управления данными о клиентах) — они позволяли собирать сведения о целевой аудитории, которая еще не совершала покупки. 

В тот же период компании начали использовать Lookalike-моделирование — прием, который позволяет находить группы потенциальных клиентов с похожими интересами. Ретаргетинг, DMP и Lookalike-техника все еще остаются самыми популярными методами персонализации, но им на смену постепенно приходят более эффективные и точечные технологии. 

Разберемся, какие именно. 




Роботы-оптимизаторы

«Нужный контент, показанный нужному пользователю в нужное время» — так звучит главный принцип эффективной рекламы, который не менялся десятилетиями. Однако раньше для его воплощения приходилось прилагать массу усилий — обычно над этим работала целая команда специалистов. Сегодня настроить сверхточную персонализацию могут алгоритмы на базе машинного обучения. Они уже берут на себя весь спектр задач — от создания рекламных креативов до программатик-продвижения. 

Так, еще в 2018 году Lexus создала видеоролик с помощью ИИ — для этого алгоритм изучил лучшие рекламные кампании со всего мира за последние 15 лет. Роботы также уже пишут тексты для рекламных рассылок, настраивают таргет, анализируют метрики и прогнозируют успех отдельных кампаний. Например, сервис Pattern89 с помощью ИИ определяет, насколько эффективной будет рекламная публикация в Facebook и Instagram. 

Искусственный интеллект также помогает настраивать локализацию рекламных роликов — с помощью технологии дипфейков можно скорректировать мимику актера в видео, подстроив ее под язык перевода. Благодаря этому американская знаменитость будет убедительно говорить на китайском или русском — и никто не заметит подвоха.  Этот прием использовали авторы социального ролика о борьбе с малярией, в котором снимался экс-футболист Дэвид Бэкхэм. Другой пример — сервис Rosebud.ai, который генерирует виртуальных моделей с учетом разной ЦА. 

Автоматизацию применяют и при обзвоне клиентов — например, российская компания TWIN использует для этого чат-ботов и голосовых ботов. Они могут совершать холодные звонки, собирать информацию и автоматически пополнять базы данных. Технологии постоянно эволюционируют — сегодня виртуальные помощники уже умеют распознавать пол и даже возраст клиента, а также определять его эмоции по голосу.

Алгоритмы также упрощают процесс динамической оптимизации креативов (DCO). Система с помощью распознавания образов анализирует контент и контекст, а затем встраивает подходящую рекламу в ролик или на веб-страницу. IBM недавно представила ИИ-альтернативу современным DCO-инструментам. Для рекламы сервиса прогноза погоды компания использовала «климатический» таргетинг: в регионах с дождливой погодой в креативах упоминался дождь, а в других локациях ставку делали на засушливую погоду или метели. Определял релевантность искусственный интеллект без участия человека.

Технологии машинного обучения с каждым годом становятся все более доступными и демократичными, а значит, в будущем рекламные инструменты на базе ИИ распространятся так же, как программатик 10 лет назад. Главное преимущество ИИ — это возможность обрабатывать колоссальные объемы данных. Например, учитывать мельчайшие нюансы предпочтений пользователя. В перспективе это позволит создавать гиперперсонализированный контент — современный ретаргетинг на его фоне будет выглядеть устаревшей технологией. 

---

Читайте также: «Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта

---

Знай своего клиента

Чтобы алгоритмы могли обрабатывать массивы данных, их прежде важно обучить и натренировать. А для этого компаниям нужно собрать достаточное количество информации о клиентах и вывести закономерности. 

Относительно новый тренд на рекламном рынке — это платформы для управления данными о клиентах (CDP). Они аккумулируют информацию из CRM и DMP, что дает компании возможность отслеживать активность каждого потребителя на всех этапах его пути. С помощью CDP-платформ формируется профиль пользователя, в котором учитываются вся цепочка его действий — как в онлайне, так и в офлайне. Изначально такие платформы использовались сервисами по продаже недвижимости и автомобилей, поскольку покупатели дольше обдумывают такие покупки и оставляют больше данных. Но сегодня CDP-системы начинают внедрять даже стартапы, которые работают по омниканальной модели.

CDP-платформа определяет, какие шаги предпринимал клиент, чтобы оформить покупку. И если до оплаты дело так и не дошло, система определяет, что именно остановило покупателя. Например, он хотел приобрести ноутбук, но перед этим планировал обменять свою старую модель по программе trade-in. Зная об этом, компания может предложить ему скидку или дополнительные бонусы в обмен на старое устройство. 

Еще один тренд, который упрощает персонализацию, — это уникальный рейтинг покупателя. Отдаленно он напоминает кредитный рейтинг, однако при его составлении учитывается не только платежеспособность, но и набор персональных данных, а также история покупок, в том числе с использованием программ лояльности. 

Обычно к скорингу прибегают крупные ритейлеры или торговые группы, которые хотят как можно лучше узнать свою аудиторию. Но сбор информации иногда выходит за рамки этических норм — например, американская компания Equifax при составлении рейтинга потребителей учитывала семейное положение, доход и даже площадь жилья. А дата-агрегатор Sift собирает на каждого пользователя досье на несколько сотен страниц, в котором фиксируются все действия человека на таких сайтах, как Airbnb и Instacart.




Умные маячки

Технологии персонализации применяют не только онлайн-ритейлеры. Взаимодействовать с клиентами можно и в офлайне, получая сигналы со смартфонов покупателей. Во многих магазинах сегодня установлены Wi-fi радары, которые «улавливают» все гаджеты, подключенные к Wi-Fi. В результате обмена данными датчик магазина считывает MAC-адрес смартфона, то есть получает его уникальный идентификатор. Конечно, это не позволяет ритейлеру заглянуть в историю браузера прохожего. Но зато помогает отследить, как человек перемещался по магазину, и на какие товары обращал внимание, а затем предложить релевантный контент. 

Например, покупатель рассматривает новые модели айфонов, а потом переходит в другой отдел, где стоит рекламное табло. На него можно вывести рекламу наушников и других комплектующих для смартфона. Такие методы лежат в основе Out-of-home-программатика (OOH). 

Нечто подобное внедряла Coca-Cola еще в 2013 году, когда предлагала клиентам отметиться в специальном приложении — как только пользователь оказывался рядом с адаптивным билбордом, на доске высвечивалось его имя. Сегодня таких решений становится все больше. У пользователей они часто вызывают беспокойство — мысль о том, что бренды следят за ними, доставляет дискомфорт. Но большинство OOH-систем используют анонимизированные данные: магазин не знает имени и адреса клиента, но по набору доступных сведениий об активности и перемещениях может составить его примерный портрет.


Будущее персонализации

Спектр технологий персонализации постоянно расширяется, а их возможности растут с каждым годом. Если еще 20 лет назад современные инструменты таргетинга в Facebook казались фантастикой, то сегодня мы всерьез рассуждаем о распознавании эмоций при просмотре рекламных роликов по телевизору. Или обсуждаем нейроинтерфейсы от компании Илона Маска Neuralink — будут ли бренды использовать чипы для таргетинга рекламы в мозг, или комиссии по этике такого не допустят? 

Кстати, об этике. В последние годы государства стали все чаще обращать внимание на работу социальных сетей и их влияние на общество. Например, соцсеть Facebook неоднократно подвергалась критике, поскольку в настройках ее рекламного кабинета обнаруживали инструменты дискриминации. 

Персонализация действительно может навредить отдельным группам людей или усилить неравенство. Еще в 2012 году в США разгорелся скандал с участием торговой сети с говорящим названием Target. Ритейлер начал рассылать купоны на товары для беременных девушке-подростку — на беременность указывала ее активность в интернете. При этом родственники об этом не знали — и только купоны Target помогли «раскрыть дело». Это не единичный случай — часто персонализированная реклама напоминает людям о драматичных событиях и даже усугубляет депрессию.

* * *

Это не означает, что от персонализации нужно полностью отказаться — релевантная реклама может принести клиенту пользу и упростить процесс шопинга. Но компаниям стоит учитывать как эффективность инструментов, так и потенциальные риски. Например, предупреждать пользователей о сборе данных для аналитики и таргетинга, причем извещать их в максимально доступной форме. Мы все соглашаемся с условиями обслуживания, но редко их читаем. Пожалуй, стоит пересмотреть эту практику.

Павел Мрыкин, 
эксперт по сквозной аналитике Calltouch.

Для New Retail