Автор:

Виктория Цидова Старший специалист по таргетированной рекламе E-Promo

Те, кто занимается созданием и продвижением видеоконтента в digital, постоянно находятся в поиске баланса: высокого VTR (view-through rate, досматриваемость до конца) при низком CPV (cost-per-view, цена просмотра).

Возьмём два ролика с одинаковой длиной: у одного показатель досматриваемости составляет 3% от общего количества показов, а у другого — 23%. Причём ролики едва отличаются друг от друга: в них одинаковые персонажи, но небольшие отличия в локациях и диалогах. Почему так сильно расходятся показатели? А теперь представьте, что вам нужно проанализировать не два таких ролика, а 22. Или даже 122. Пора уступить место искусственному интеллекту.

Мы в E-Promo любим тестировать новые инструменты, особенно если они касаются анализа больших данных. Сегодня я расскажу о новом решении VidMob — сервисе, который детально анализирует видеокреативы, используя для этого технологии машинного обучения.

С помощью сервиса можно проанализировать весь пул видео, доступных в рекламных кабинетах различных платформ. Полученные данные помогают рекламодателям делать выводы о причинах высокого или низкого VTR — что побуждает пользователя фокусировать внимание на видео, а что заставляет его прекратить просмотр.

Мы провели закрытое тестирование на нескольких рекламных кампаниях наших клиентов, изучили функциональность и определили достоинства и недостатки сервиса.

Коротко о платформе

VidMob можно использовать на Facebook, Snapchat и Twitter. В будущем сервис планируют интегрировать с Pinterest и YouTube. Хотелось бы, конечно, и интеграцию со ВКонтакте, но пока её нет.

Сервис рассчитан на решение задач крупных клиентов, поэтому стоимость услуг формируется индивидуально.

Для каждой площадки у VidMob есть отдельная инструкция на английском языке, информации в ней достаточно, чтобы сразу приступить к работе. После регистрации необходимо предоставить доступ платформе к странице, от имени которой ведутся рекламные кампании, а также к рекламному кабинету.

Платформа анализирует видео с помощью алгоритмов машинного обучения — распознаёт людей, знаменитостей, музыку, логотипы, эмоции, текст, визуальные элементы (дым, свет) и предметы интерьера. Так можно анализировать и статичные изображения, но наша задача — разобраться с функциями для работы с видеороликами.

Креативы можно анализировать по одному, по несколько или сразу все видео, доступные в аккаунте.

Что не так с вашим видеокреативом?

Для начала попробуем разобраться, что не так с одним конкретным роликом.

С помощью VidMob мы можем отследить момент, на котором большинство пользователей прекратили его просмотр, определить, кто досмотрел до конкретной секунды, разбить аудиторию по соцдем-признакам и понять, кому видео понравилось больше. И, конечно, сравнить показатели со средними по рекламному кабинету.

В левой части экрана отображается видео, выбранное для анализа. В правой — вся информация, которую предоставляет сервис.

Статистику по ролику можно смотреть в двух аспектах. Режим View Percentage показывает процент пользователей, которые просмотрели рекламу на конкретной минуте от общего числа тех, кому был показан креатив. А выбрав Drop Off Rate, можно увидеть количество пользователей, которые перестали смотреть видео на той или иной секунде. Так можно определить максимально неудачные моменты видео, на которых пользователь прекращал просмотр.

Мы видим, что чаще всего зрители закрывали анализируемое видео на 5 секунде — так поступало примерно 60% аудитории, но это на 20% меньше, чем среднее значение по всему рекламному кабинету.

Каждый неудачный момент можно проанализировать с точки зрения содержания, чтобы получить гипотезы о том, что именно в ролике так не понравилось зрителю. Элементы, которые система определит в видео, отображаются под графиком, в соответствии с таймлайном. Можно проанализировать, как влияет на зрителя появление в видео людей, текста, определённых объектов или даже выражаемые героями эмоции.

На нашем графике мы видим, что примерно на той самой 5 секунде в видео кто-то из героев злится. Возможно, именно это заставляет зрителей прекращать просмотр?

Как понять, когда наш ролик примелькается аудитории настолько, что она перестанет на него реагировать? Для этого можно воспользоваться лонгитюдным анализом. Это функция покажет динамику досматриваемости, изменения CTR или стоимостных показателей различных метрик за определённый период. Если кривая уверенно идёт вниз, а РК ещё не закончена — пора менять креатив.

Почему похожие ролики имеют разную эффективность?

Ролик со звездой экрана или начинающим актёром? Правда ли, что животные в рекламе больше нравятся женщинам, чем мужчинам? Какой лимузин в кадре выглядит убедительнее — белый или чёрный? Цветы или конфеты? День или вечер? Чай или кофе? Кто смотрит рекламу дольше 10 секунд?

Ответы на эти и десятки других вопросов мы можем найти, сравнивая между собой видеоролики — похожие и не очень.

С помощью VidMob можно сравнивать несколько креативов, а также объединить креативы в определённые группы и сравнивать их между собой.

Анализировать ролики можно по разным показателям — процент досматриваемости, стоимостные KPI и другим метрикам. Так мы можем сравнить их по сегментам аудитории, посмотрев, какие креативы лучше заходят у мужчин, а какие — у женщин, а также сравнить эффективность видео для различных возрастных групп.

Но самое интересное — сравнить VTR нескольких роликов в зависимости от присутствующих на видео элементов. Как мы уже говорили выше, система может определять на видео известных личностей, животных, определённую одежду, книги, автомобили. Сравнивая креативы по элементам, можно предположить, что именно привлекло аудиторию в одном видео и оттолкнуло в другом.

Видео можно сравнивать сразу по всем показателям, анализируя их для разных соцдем-сегментов аудитории. Например, сравним процент досмотра женщинами роликов с едой и роликов с домашними животными на десктопе и мобильном, чтобы понять, что где лучше использовать. Смогли бы вы это сделать вручную? Если в рекламном кабинете десятки или сотни видео (а у очень крупных клиентов бывает и несколько сотен креативов), причём некоторые используются сразу в нескольких РК, то даже вспомнить, в каком из видео котики, а в каком — йогурты, будет очень непросто.

В этом случае машинное обучение значительно сокращает время, которое может быть потрачено на анализ и выявление сильных и слабых сторон, влияющих на VTR. Специалисту остаётся творческая часть этого процесса — собрать всю полученную с помощью сервиса информацию и сложить её в единый пазл.

В среднем по аккаунту

С помощью VidMob можно получить полезную информацию в целом по конкретной рекламной кампании или всему аккаунту. Вполне вероятно, что подобные данные можно получить и средствами площадки, с которой вы работаете, но здесь вы получаете всё в одном удобном дашборде.

Итак, общая статистика по аккаунту предоставляется в разрезе по KPI, длине видео и наличию в нём конкретных элементов. Анализируя результаты, можно получить самые неожиданные знания о поведении пользователей, их восприятии и реакциях на креативы.

Проанализировав статистику по одному из наших рекламных аккаунтов, мы подтвердили цифрами несколько гипотез, которые выдвигали для клиента. Например:

• Видео, на котором присутствует еда, чаще досматривают мужчины в возрасте от 25 до 34 лет, чем женщины того же возраста. А видео с участием селебрити люди досматривают до конца независимо от возраста.

• В целом досматриваемость выше в Instagram, но для видео до 10 секунд она выше на Facebook.

• Положительные эмоции лучше заходят в посте, продвигаемом в ленте Instagram (1:1), а отрицательные — в сториз (9:16).

Скорее всего, эти выводы будут верны только для конкретного рекламодателя, а для других креативов мы получили бы другие инсайты.

Несколько советов по работе с VidMob

1. Идеальных инструментов не бывает. Не исключение и VidMob. У кого-то могут вызвать сомнения результаты работы алгоритмов машинного обучения. Например, вывод о том, что положительные эмоции лучше заходят в ленте Instagram, а отрицательные — в сториз, на мой взгляд, очень спорный. Старайтесь объективно оценивать результаты, соотнося их с текущим моментом и контекстом.

2. В работе с любой системой автоматизации по-прежнему важен человеческий фактор и учёт обстоятельств. Например, будет некорректно сравнивать с помощью этого инструмента ролик в ленте Facebook, набравший 25 тысяч показов, с видео из сториз с 25 миллионами показов. Выводы системы будут в этом случае неверными.

3. Тщательно изучите логику работы инструмента, она не всегда совпадает с логикой рекламной кампании. Учтите, что при анализе рекламного кабинета VidMob не разделяет плейсменты в одной группе объявлений. Если вы объедините в группе разные ролики для сториз и ленты, система соберёт по ним общую статистику, а значит для для каждого видео в отдельности данные будут некорректны. Если вы хотите анализировать креативы по отдельности и пользоваться этой платформой, то важно плейсменты разделять.

Даже несмотря на то, что мы пока не готовы безоглядно доверять алгоритмам машинного обучения, и некоторые выводы VidMob выглядят нелогичными, платформа — большое подспорье для специалиста по видеорекламе. Этот инструмент незаменим, если в рекламном кабинете на постоянной основе продвигается большое количество роликов. Он поможет специалистам оперативно анализировать весь пул продвигаемых видео, а креативной команде — учитывать полученные инсайты и создавать наиболее успешные видеокреативы для будущих рекламных кампаний.

Источник фото на тизере: Claudio Schwarz on Unsplash