Глобальные лидеры интернет-индустрии поздравляют Олега Назарова-Бруни с заслуженным господством в интернет-рекламе

Введите Ваше сообщение,
и наш специалист свяжется с Вами:

Проверочный код:

Введите символы с изображения:

Подписаться
на новости:

Ваша заявка принята!

Введите Ваше имя и
корректный email!

технологии управления и оптимизации (DSP)
рекламных бюджетов

Биржа
Российского
трафика

RTB

Анализ
поведенческих
данных

Behavior

Аудиторные
закупки медийной
рекламы

Audience

Инженерные
и аналитические
решения

Big Data

Big Data: Планируем кампанию с использованием Big Data

Big Data: Планируем кампанию с использование Big Dsts.

Успех предвыборной кампании президента Обамы в 2012 показал, что можно объединять большие объёмы данных из различных источников для осуществления максимально точного микротаргетинга, направленного на особо важных избирателей из особо важных избирательных округов. Но помогут ли Big Data получить аналогичные результаты в сфере потребительского маркетинга?

Об этом рассказывают эксперты в области потребительского маркетинга:

  • старший вице-президент компании Crossix Solutions Дэн Стайн,
  • директор по науке, старший вице-президент группы компаний Starcom Mediavest Group Хелен Кэтц,
  • вице-президент группы отделений корпорации Comcast Media 360 Эндрю Уорд

Big Data — это комбинации огромных наборов данных и технологий, позволяющих быстро анализировать эти данные и затем использовать их в качестве основания для оптимизации маркетинговых действий/кампаний.

С появлением Big Data мир изменился: данные стали всеобъемлющими, постоянно меняющимися. Раньше маркетологи могли лишь анализировать только результаты своей деятельности — теперь они могут использовать динамические данные в реальном времени и принимать профилактические меры до завершения кампании. Современные технологии предлагают широкий спектр возможностей по использованию данных: это как первичный сбор и хранение, так и всесторониий анализ и многоуровневая сегментация, которые позволяют реализовывать продуманные маркетинговые стратегии и выстраивать взаимовыгодные отношения с потребителем.

Раньше для изучения были доступны лишь исторические данные, теперь маркетологи могут предсказывать результаты и использовать эти данные для оптимизации. Все данные и параметры можно сопоставлять, чтобы моделировать поведение покупателей.

Маркетологи больше не задаются вопросом «Почему сформировались такие отношения?» — они принимают факт их существования и стремятся узнать, как можно использовать их для аналитических целей и продолжения маркетинговой деятельности.

Подход, связанный с использованием Big Data, уже довольно давно применяется в адресном маркетинге: сопоставление собственных данных и информации, предоставленной потребителем и третьей стороной, помогает получить сведения, необходимые для охвата желаемой целевой аудитории, например, для почтовой рассылки купонов по определённым адресам. Теперь этот подход реализуется при поддержке технологии, позволяет лучше управлять данными и переводить их в цифровой канал. Использование Big Data перед началом кампании помогает найти целевую аудиторию и осуществить более точный таргетинг, а по её завершении — оценить конкретное влияние (например, данные о недавних покупателях могут показать, какую прибыль принёс каждый из них).

Big Data приходят и в сферу телевещания, помогая изменить принцип работы телевидения («один многим»  «один нескольким»  «один одному»). Для этого эксперт Эндрю Уорд предлагает разделить географию вещания на зоны (фактически на наборы почтовых индексов) и использовать Big Data для поиска зон высокой концентрации представителей целевой аудитории.

Работа с Big Data обычно осуществляется несколькими компаниями: одна собирает данные подписчиков (имя-адрес), обеспечивает их неприкосновенность и передаёт другой компании, которая занимается сбором данных нужной тематики. Эксперты считают, что источник данных неважен. Они используют услуги сторонней компании для сопоставления информации о подписчиках и покупательском поведении, чтобы получить анонимные результаты, которые потом помогают им осуществлять точный таргетинг.

Корпорация Comcast может вставлять в телерекламу «водяные знаки», которые работают по принципу online-cookie. Они помогают определять географию активных потребителей, частоту на уровне дома/квартиры/семьи, уровень охвата. Затем проводится сопоставление данных о просмотре рекламы на уровне дома/квартиры/семьи с данными о покупательском поведении. Это даёт возможность осуществлять предварительное и итоговое тестирование и контроль для измерения важных показателей до и после проведения кампании.

Для работы с Big Data крайне важна политика безопасности информации потребителей. Эндрю Уорд рекомендует проводить двойное «слепое» сопоставление, поскольку фактически имена и адреса покупателей не важны. Необходимо также предоставлять потребителю возможность отказаться от получения таргетированной, адресованной именно ему рекламы. Этот приём в Comcast называют «уведомление и выбор». Однако потребители ясно дают понять, что с удовольствием знакомятся с релевантной рекламой и что она не является раздражающим фактором. Поэтому так важно обращаться к целевой аудитории с таргетированным сообщением, не нарушая при этом неприкосновенности их личной информации ни на одном из этапов кампании.

Имеет ли гипертаргетированная реклама преимущества для потребителя?

Если человек увидит релевантную рекламу, адресованную именно ему, он обратит на неё внимание и вряд ли переключит канал во время просмотра. Даже не говоря прямым текстом, что эта реклама полезна для него, потребитель подтвердит это своей активной реакцией.

Важно составлять профиль покупателя. Для этого нужно значительно расширить набор отслеживаемых параметров. Это помогает открыть новые параметры, о существовании которых вы даже не подозревали, а они, тем временем, замечательно подходят для описания отдельных сегментов целевой аудитории. Это позволяет осуществлять более точный таргетинг и помогает спланировать дальнейшие действия, понять, что отталкивает целевую аудиторию, и использовать это знание для оптимизации стратегии и содержания сообщений.

Необходимо также сопоставлять списки лояльных клиентов и тех, кто меняет свои пристрастия: это помогает выделить характеристики непостоянных клиентов и предотвратить их уход, а также убедить лояльных клиентов сохранить свою верность бренду.

Появление Big Data дало маркетологам возможность осуществлять очень точный микротаргетинг и проводить более детализированные кампании.

Данные Big Data помогают создавать географические модели расположенности аудитории к определённым товарам и, следовательно, просмотру отдельных типов рекламы.

Эксперт Хелен Кэтц делится с нами весьма полезным рассказом об исследовании возможностей максимально узкого микротаргетинга и использования различных типов медиа на нескольких платформах, проведённом Starcom Mediavest Group:

Сейчас потребители строго контролируют получение информации, они не сидят и не ждут, какую рекламу им покажут, они выбирают, что будут смотреть, могут пропускать рекламу, игнорировать её и т. д. Так как же маркетологам пробиться к ним? Здесь помогут Big Data. Но поскольку они поступают по большей части в форме разрозненных данных, то для проведения исследования были задействованы несколько компаний: одна проводила измерения в ТВ-канале, другая — в веб и мобильном каналах. Starcom стремились узнать больше о влиянии рекламы на нескольких платформах и о том, как проводить более таргетированные кампании.

В исследовании принимали участие три компании-рекламодателя. Было решено проводить мультиэкранную кампанию, таргетированную по принципу географических зон, интерактивную и измеримую.

Детали кампании видоизменялась в зависимости от целей и нужд каждого рекламодателя-участника.

Несколько исследовательских компаний занимались сбором различных данных:

  • 1 - Охваченная аудитория
  • 2 - Комментарии зрителей
  • 3 - Цифровые измерения/ROI
  • 4 - Покупательские измерения/ROI
  • 5 - Влияние на расположенность к бренду
  • 6 - Сопоставление данных

Перед маркетологами встал вопрос: можно ли количественно измерить воздействие телерекламы на потребителя?

Раньше ответить на этот вопрос было затруднительно, поскольку сбор данных о покупателях был невозможен. Теперь же Starcom собирались не только ответить на этот вопрос, но и выяснить:

  • Даёт ли таргетированная реклама лучшие результаты, чем простое линейное ТВ, транслируемое в прямом эфире?
  • Какое влияние на продажи оказывает использование комбинации ТВ и цифровых каналов?
  • Как влияет реклама, показанная на ТВ, на поведение и отношение покупателей к бренду?

Методы исследования:

  • Сопоставление данных о недавних покупателях со списком рассылки на уровне дома/квартиры/семьи (результат: выявлено 3,5 млн домов/квартир/семей).
  • Выбор геозон с наиболее высоким показателем потребления товаров заданной категории и бренда в целом (количество: 88).
  • Выявление внутри этих зон были домов/квартир/семей, смотревших рекламу только по кабельному ТВ и на определённом сайте (результат: 735 000 домов/квартир/семей).
  • Всеобъемлющий анализ (до и после проведения) для выяснения результатов таргетированной кампании.

В ходе кампании потребители просматривали один ТВ-ролик и два цифровых ролика. Проведению кампании предшествовал период длительностью 52 недели, сама кампания длилась 5 недель, брался в расчёт и последующий период длительностью 4 недели. Реклама демонстрировалась в 16 сетях. Она представляла собой либо ролик перед видео, либо видео в баннере.

В течение первых 4 недель после кампании на 20 % возросли продажи потребителям, смотревшим рекламу в обоих каналах.

По завершении кампании (берётся в расчет период длительностью 15 недель) продажи возросли на 51 %.

Рекламодатели, участвовавшие в исследовании, получили возможность лучше узнать своих потребителей. Они выяснили, что среди тех, кто смотрел рекламу только по ТВ, наиболее активно отреагировали новые покупатели. А среди тех, кто смотрел рекламу только в веб-канале, — старые клиенты.

Также Starcom Mediavest Group провели исследование оценочного отношения: в случайном порядке были отобраны 18 000 подписчиков, за участие им были обещаны призы и скидки. Контрольная и тестовая группы в итоге составили по 1000 человек, что обеспечило достоверность результатов. Результаты исследования оказались весьма положительными:

  • повысилось узнавание бренда;
  • повысилась расположенность к бренду (потребители сказали, что бренд им нравится);
  • отношение к конкурирующим брендам не изменилось;
  • усилилось желание рекомендовать бренд.
  • увеличилось количество потребителей, намеревающихся совершить покупку товаров бренда (только для данного бренда).

Как можно использовать Big Data для итогового анализа кампании?

БД позволяют выйти за границы того, что было возможно ранее:

  • Позволяют сопоставить результаты и конкретные данные о продажах, т. е. понять реальное влияние на потребителей.
  • Дают возможность работать быстрее. Маркетологи могут оптимизировать кампании по ходу дела, им не приходится ждать их окончания и анализировать исторические данные.
  • Помогают анализировать кампании на начальном этапе и понимать, удаётся захватить целевую аудиторию или нет.
  • Делают доступными ранние данные об изменении продаж, которые помогают понять, эффективна ли кампания.
  • Позволяют сопоставлять охват целевой аудитории и уровень продаж, во всех медиа одновременно или только в одном канале, чтобы оценить значимость каждой точки соприкосновения с покупателем.
  • Расширяют возможности анализа результативности разных аспектов кампании, дают возможность объединять данные из разных каналов.
  • Позволяют использовать продвинутые подходы к измерению показателей, фиксировать самые незначительные изменения и анализировать их.
  • Помогают проводить предварительный анализ кампании и итоговый анализ результатов.

Какое влияние на результаты оказывает проведение кампаний на нескольких платформах?

Этот подход используется уже около 10 лет, но до сих пор маркетологи не имели возможности оценить результаты взаимодействия медиаплатформ, не могли они и рассмотреть их настолько детально, насколько это позволяют сделать Big Data. Теперь же можно проследить влияние разных платформ на различные типы потребителей среди новых/имеющихся покупателей.

Также Big Data помогают увидеть эффект многоплатформенных кампаний в плане медиапродуктивности и влияния бренда и отклика покупателей.

Маркетологи могут собрать воедино все детали мозаики, понять, как работают мультиплатформенные кампании, не только в плане стандартных показателей охват/частота, но и в плане оказываемого на потребителей воздействия.

Смогут ли маркетологи с помощью БД осуществлять предельно узкий таргетинг, скажем, на уровне квартиры/дома/семьи?

Ряд платформ уже даёт такую возможность: они берут данные о покупателе в любом формате и используют для организации таргетированной (на уровне квартиры/семьи/дома) доставки сообщений и контента.

На настоящий момент трудность представляет сфера линейного ТВ.

Расширится ли сфера использования БД для медиапланирования в ближайшие годы?

Big Data более эффективны не в плане CPM, а в плане охвата целевой аудитории. Они помогают покупать определённые аудитории и сократить расходы ресурсов, анализировать больше параметров, полученных от сторонней компании, для того, чтобы понять аудиторию лучше, чем когда бы то ни было. Маркетологи могут выйти за рамки привычных параметров, типа возраст-пол-гео, использовать контекст, бизнес-правила. Это применимо как в цифровом, так и в оффлайн-мире.

Важно: сейчас бренды предлагают специфические продукты, которые подходят только специфическим потребителям. Некоторые компании не могут позволить себе охват самой широкой аудитории, среди которой точно найдутся клиенты, поэтому они стремятся сократить расходы и охватить более узкую целевую аудиторию, что позволит более эффективно продавать товары. За это они готовы платить достаточно большие суммы.

Докладчики ответили на несколько вопросов ведущего вебинара:

Вы рассказывали о подходе к проведению кампании, предполагающем участие нес��ольких аналитических компаний для сопоставления данных. Как быть небольшим организациям, чей бюджет ограничен, как и география охвата, не обязательно занимающимся розничной торговлей?

Дэн Стайн: Участие нескольких компаний необходимо для получения достоверных результатов и создания здоровой базы данных.

Но организации могут сами осуществлять сопоставление данных. Можно собирать базу данных подписчиков в форме гигантской таблицы типа Excel с именами и адресами подписчиков, постоянно добавлять в неё новые данные из различных источников. Используя движки для аналитики, можно самостоятельно проводить сортировку внутри такого файла.

Какой процент посетителей отказывается от получения таргетированной рекламы?

Эндрю Уорд: Мы проводили одну очень агрессивную кампанию в Бостоне. Мы постоянно рассылали емейлы, показывали рекламу на ТВ, чуть ли не наклейки на бампер клеили — и всё равно доля отписавшихся составила не более 6 %.

При обычных условиях («уведомление и выбор») показатель отписки — менее 2 %.

Как использовать Big Data для поиска целевой аудитории внутри, например, области? Дэн Стайн:

Выявить граждан, не имеющих страховки или имеющих неполную страховку, выяснить, знают ли об изменениях и новых возможностях, доступных им. Выявить районы внутри области с максимальной концентрацией вышеописанных граждан и провести маркетинговую кампанию в этих районах.

Как использовать Big Data для поиска аудитории с подходящими демографическими параметрами? Эндрю Уорд:

Я предлагаю использовать отбор по устройству. «Водяные знаки» в рекламе помогают отследить устройство просмотра и сделать выводы о его владельце.

В то же время мультиплатформенный подход позволяет показать контент на максимально большом числе экранов и охватить самую широкую аудиторию.

Почему большое число агентств по-прежнему вкладывают средства рекламодателей в показ рекламы на национальном уровне, а не в микротаргетинг?

Хелен Кэтц: Это две стороны одного и того же явления. Микротаргетинг подходит не всем. Иногда необходимо проводить кампании с широким охватом аудитории. Стратегии широкого и узкого таргетинга дополняют друг друга так же, как и стратегии использования различных наборов медиа.

С заключении, можно сказать одно: расширение сферы использования Big Data неизбежно. Маркетологи используют их в цифровом пространстве, скоро выйдут и за его пределы.

Хабрус: социальная миссия

Распространенность и доступность интернета способствует вовлечению всех жителей планеты в процесс создания и потребления информации. Виртуальная жизнь не проходит бесследно: кэши, логи, куки и иные технологии и приспособления запоминают каждое наше действие.
В сети создается и постоянно обновляется карта персональной активности, в ней находят отражение интересы и предпочтения человека, круг общения, а также сферы и области его повышенного внимания.

Каждый клик является единицей энергии, которая несет информацию о своем владельце и изменяет пространство вокруг себя, делая его максимально удобным и подходящим для конкретного пользователя.

Эта энергия, как и любая другая, — предмет повышенного спроса для компаний и брендов, нацеленных на результат и желающих знать о своих потребителях все.

Словно ученые, которые наблюдают и описывают движение протонов в ускорителе заряженных частиц, мы изучаем миграцию кликов и вообще любых действий, природу их поведения, центры их притяжения, исходя из полученных данных сегментируем и классифицируем аудиторию, генерирующую эти клики. Для эффективного использования энергии клика мы выделяем и описываем ее полезные свойства. В дальнейшем эта работа будет нести пользу как самим пользователям, так и тем, кто заинтересован в подобной аудитории.

Лайкни,
если тебе небезразличен клик!

HubRus — это технология, которая создает универсальные базы данных, бережно хранящие индивидуальные карты предпочтений пользователей сети; в то же время это проводник и навигатор в океане кибер-личностей, который находит нужных потребителей, собирает аудиторию с заданными параметрами и доставляет им необходимое сообщение.

Энергия клика возобновляема, но, как и любая другая энергия, она может быть использована как во благо, так и во вред. Относитесь к кликам рационально: не стоит их переоценивать, но и пренебрегать ими мы тоже не советуем.