Гики приходят в рекламу

Кто те люди, которые разрабатывают алгоритмы рекламных показов и помогают брендам находить целевую аудиторию? Издание AdWeek объясняет, что статистика и специалисты по количественному анализу могут в какой-то момент оказаться самым важным в рекламном бизнесе.

Бен Лянг (Ben Liang), получив степень в математической академии, первоначально планировал построить карьеру финансового аналитика. Так поступает большинство американских выпускников, за исключением тех, кто остаётся и дальше служить науке. По такому пути пошёл в своё время и отец Бена.

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.

В 26 лет Лянг пришёл на двухгодичную стажировку в Bank of America с целью поработать в подразделении, занимающемся инвестициями. Однако вскоре он осознал, что даже ему, очень любящему цифры, на Уолл-стрит скучно.

Вы просто превращаетесь в машину по обработке данных, — отметил Бен в интервью AdWeek.

Спустя год мытарств в Bank of America наш герой решил найти себе занятие поинтересней — такое, где его таланты были бы оценены по достоинству, а сам он не превращался в антропоморфное приложение к компьютеру.

Конечной точкой его поисков стала компания ChoiceStream, занимающаяся рекламными технологиями. Бен нашёл себе место инженера-аналитика. Его обязанностью стала оптимизация алгоритмов показа рекламы — она демонстрировалась пользователям, исходя из их интересов и поведения в интернете. Проще говоря, Лянг начал помогать брендам искать своего потребителя.

В 2012 году количество кампаний, в которых задействовался анализ пользовательского поведения, удвоилось по сравнению с 2011 годом. Согласно исследованиям компании Forrester, доля таких компаний в ближайшие несколько лет достигнет 50%. Между тем, в 2013 году объем цифровых данных в мире превысит 2,7 зетабайт (10 в 21 степени байт) — для хранения такого объема информации на внешних носителях понадобится около 700 млрд дисков.

Само собой, большинство из этих данных бесполезны. Но часть из них может быть успешно задействована для нужд рекламы — чтобы вывести её на качественно новый уровень. На экспертов в этой области уже сейчас возникает высокий спрос в США и странах Европы. Специальность, название которой на русский можно перевести как «вычисления в сфере рекламы», уже появилась в Стэнфордском университете; в 2012 году о запуске своего Института данных заявил Колумбийский университет.

Бен Лянг не был единственным, кто оставил науку ради рекламы — в ChoiceStream его коллегами оказались, в частности, обладатель степени Ph.D. Массачусетского технологического института в области неврологии, инженер-программист из Кембриджа и специалисты по биомедицинской статистике.

Теперь гики могут воспринимать работу в рекламе как творческую и интересную для себя деятельность, — отметила Рита Раз (Rita Raz), рекрутер компании Analytic Recruiting.

Для специалистов-математиков реклама — своеобразный Дикий Запад количественного анализа — горизонты широки, правила постоянно меняются, а рекламные объявления ведут захватнические войны. О том, как это происходит, пишет, в частности, Кристофер Штайнер (Christopher Steiner) в своей книге «Автоматизируй это».

Бен Лянг свою работу сравнивает с трудом портфельного инвестора: Мы используем наши алгоритмы для того, чтобы выяснить, какие люди наиболее полезны для нашего клиента, то есть, занимаемся, фактически, тем же, чем и хедж-фонд.

Когда бренд или агентство обращаются в компанию вроде ChoiceStream, они либо хотят добиться лидирующих позиций на конкретном рынке, либо, в некоторых случаях, определить, что за рынок это может быть.

Как именно алгоритм (иными словами, математическое уравнение) может сообщить маркетологу о том, что ему лучше продавать свои минивэны многодетным матерям, живущим в пригороде Нью-Джерси? Анализировать потребителей и их желания можно по сотням различных критериев, и в результате получить сто различных результатов анализа.

Как пишет в своей книге Кристофер Штайнер, «алгоритмы можно рассматривать как огромные дерева решений, где есть два варианта событий для каждого действия — пройдя весь путь, мы приходим к одному чёткому ответу».

В 2012 году в ChoiceStream обратился интернет-магазин Zappos. Они попросили разработать алгоритм показа баннеров, который принимал бы во внимание не только стандартные демографические характеристики пользователей, но и погоду в месте их пребывания. Таким образом, если погода была дождливой, баннеры предлагали пользователям купить в Zappos дождевик или резиновые сапоги, в солнечные дни — товары для пляжного отдыха. Таким образом, ритейлеру удалось снизить свои затраты на рекламу и повысить её эффективность. Это был первый опыт компании, когда кампания основывалась на анализе пользовательских данных: Конверсия была достаточно высокой, чтобы обеспечить возврат рекламных инвестиций, — отметила Лиза Аршамбо (Lisa Archambault), менеджер по дисплейной рекламе Zappos, — Объявления показывались именно тем конкретным людям, которые и были нашей целевой аудиторией.

В 2012 году BMW провела кампанию с использованием пользовательских данных. По её результатам продажи в североамериканском регионе только за 2 квартал года выросли на 40%. У Bridgestone этот показатель составил 45%. Алгоритмы обработки данных для обеих кампаний разрабатывала компания Rocket Fuel.

Однако не всем удаётся достичь успеха, прибегая к высоким рекламным технологиям — на рынке существуют в большом количестве компании, обещающие сверхточный таргетинг, но не обладающие достаточными ресурсами для его осуществления.

Иногда результаты анализа могут быть нелогичными. Так, один из ресторанов фастфуда нанял ChoiceStream для того, чтобы вывести на рынок новый сорт кофе. Выяснилось, что целевой аудиторией продукта являются отнюдь не кофезависимые люди, а владельцы Jeep. Именно на хозяев внедорожников была сориентирована рекламная кампания, ставшая успешной.

ChoiceStream была основана в 2000 году, но лишь в 2011 представила свой главный в настоящее время продукт — Crunch. Это алгоритм, который использует, помимо прочего, генетическое программирование, то есть заимствует черты из поведения человека. «Мы улавливаем интуитивные желания и превращаем их в нечто более мощное», — говорят в компании.

Судя по всему, в недалёком будущем именно гикам удастся радикально изменить будущее рекламы. А может быть, и взрастить на основе существующих алгоритмов настоящий искусственный интеллект, который для каждого товара найдёт своего покупателя.

Источник: AdWeek