Рекламная машина: как искусственный интеллект научился планировать медийные бюджеты

Технологии машинного обучения с огромной скоростью покоряют одну отрасль экономики за другой. Причем если раньше считалось, что тотальная роботизация в первую очередь захватит компании, где в производстве много однообразной рутины, то сейчас ясно, что устоять перед соблазном автоматизации не смогут даже креативные индустрии. В этой статье я расскажу, как алгоритмы искусственного интеллекта уже трансформируют рекламный рынок.

Искусственный интеллект приходит в офлайн

Год назад казалось, что представители креативных профессий еще лет 10 могут чувствовать себя в безопасности. Но уже сейчас мы видим, как нейронные сети соперничают с дизайнерами интерьеров и соревнуются с писателями. На рекламном рынке пока не появилось «искусственных» арт-директоров и копирайтеров, а вот профессию медиапланера, кажется, можно автоматизировать уже в 2017 году.

Рекламный рынок устроен относительно просто: рекламодатель приносит деньги в агентство, в котором специальные люди, медиапланеры, изучают цели клиента и предлагают купить: определенное количество минут на ТВ, показов в диджитал — «Директе», «Гугл Эдвордс», поверхности в наружной рекламе и т. д. Медиаплан становится тем самым инструментом, который распределяет деньги в этой экономике — экономике медиа и рекламы.

Профессия медиапланера предполагает хорошее знание математики: важно так разместить ролики, баннеры и контекстную рекламу, чтобы охватить наибольшее количество людей из целевой аудитории за минимальную плату. Так было до 2017 года — люди пытались анализировать огромное число медиаиндексов и метрик, чтобы оптимизировать закупку рекламы и получить наибольший рейтинг GRP (Gross Rating Point). Но теперь мы видим, что искусственный интеллект способен полностью взять на себя работу профессионала и решать его задачу за меньшие деньги.

По сравнению с машиной, человек считает не так быстро и хорошо. Большую часть эволюционного развития мы как биологический вид обрабатывали большое количество визуальной и звуковой информации, но только недавно в масштабах эволюции человеческий мозг приспособился работать с цифрами. Но в любой области человеческой деятельности, связанной с обработкой цифр и математикой, машина выполнит работу лучше человека.

Индустрия рекламы начала трансформироваться несколько лет назад, когда на рынке появились решения по programmatic, алгоритмической закупке рекламных площадей в интернете. Под капотом любой programmatic биржи — сложные алгоритмы, умело использующие большие данные так, чтобы модным подросткам, например, показывать рекламу ярких кроссовок, а молодым мамам — картинки с удобными колясками.

Но если мы говорим о тотальной замене медиапланера, а потом и маркетолога на алгоритм, то помимо programmatic нам потребуются схожие решения и в традиционно аналоговых направлениях — ТВ и наружной рекламе. Необходимо перевести все данные о площадках (охват аудитории: пол, возраст, интересы) в цифровой вид, чтобы затем построить модель для машинного обучения.

Сейчас наружная реклама, по сравнению с цифровой рекламой в интернете, является «недолюбленной» областью, в которой давно не происходило ничего инновационного. При этом по темпам роста сегмент цифровой наружной рекламы второй в мире вслед за мобильной рекламой.

Как «у них» и как «у нас»

Согласно данным eMarketer, рынок DOOH (digital-out-of-home) в Соединенных Штатах — крупнейший в мире по доходам. К 2018 году доля цифровой наружной рекламы США достигнет 53% от всей наружной рекламы и составит $4,08 млрд.

Любопытно, что изменения на рынке DOOH начали происходить именно в России, а не у лидера по объемам наружной цифровой рекламы — США. С появлением систем искусственного интеллекта от oneFactor и  Media Direction Group, а затем «Яндекса» и Gallery российские рекламодатели стали делать первые пилотные кампании, сравнивая не только эффективность планирования и размещения наружной рекламы между человеком и искусственным интеллектом, но и таргетируя наружную рекламу, что само по себе уже звучит инновационно. Технология анализирует количество аудитории, выделяет ее профиль, понимает интересы, а затем выбирает из множества вариантов креатива релевантный, который соответствует интересам тех, кто контактирует с рекламным носителем. О подобных таргетингах, аналитике и автоматизации размещений наружной рекламы, которые раньше были доступны только в digital, рекламодателям в офлайн канале приходилось только мечтать, а бюджеты продолжали распределяться в пользу диджитал.

Главная проблема с рекламой на билбордах в том, что в отличие от цифровых медиа, здесь рекламодателю фактически недоступна ни одна из современных технологий профилирования, определения объемов и характеристик аудитории. То есть, по сути, владелец рекламного места весьма приблизительно знает только, сколько людей проезжает мимо щита, но не знает ни их возраста, ни какие товары их интересуют. Как оценить эффективность рекламного размещения — тоже вопрос риторический.

Эволюция в DOOH

В 2015 году американский AT&T представил решение для «умного» планирования статичной наружной рекламы на основе данных сотовых операторов. Медиапланеры получили инструмент, который позволяет разработать адресную программу, основанную на информации о количестве аудитории, ее возрасте, поле, доходах, принадлежности к национальной группе, размере домохозяйства. В учет брались обезличенные данные групп абонентов, которые перемещались как в транспорте, так и пешком. Данные, по сравнению со старой методологией подсчетов количества аудитории при помощи счетчиков, получались гораздо более точные, а целевую аудиторию стало возможным классифицировать по социально-демографическим признакам.  Сейчас в США утвержден стандарт в медиаизмерениях цифровой наружной рекламы — MORE. В основе стандарта лежит технология Streetlytics, которая использует как данные мобильных операторов, так и GPS данные.  

Это стало большим шагом вперед для всей индустрии наружной рекламы, но до конца не решало проблему с точностью данных, так как с момента планирования офлайн-кампании до ее реализации могли проходить месяцы, и данные просто могли устареть.

Как за рубежом, так и в России стали проводить эксперименты, решающие задачу с показом рекламы в режиме реального времени. В январе 2015 года Porsche в Австралии запустили рекламную кампанию в аэропорту Мельбурна, которая строилась на распознавании модели и марки автомобиля. При помощи видеокамер на цифровой рекламной конструкции и софта IBM, который позволял определять, как близко находится владелец Porsche, система определяла релевантную аудиторию и делала таргетинг. Летом 2016 похожую кампанию проводила Renault M?gane совместно с компанией Ocean в Великобритании. В рамках рекламной кампании All-New Renault M?gane, камеры, расположенные на цифровых рекламных конструкциях, определяли марки и модели авто, данные сопоставлялись с обезличенной базой транспортных средств и на основе полученных профилей аудитории показывалась релевантная реклама водителям, пока те стояли на светофоре. В России аналогичный рекламный эксперимент с использованием машинного зрения, нейронных сетей и таргетингом в режиме реального времени проводило российское представительство Jaguar совместно с агентством Mindshare в декабре 2016 года.

Ограничением для повсеместного использования подобных решений с real time таргетингом является необходимость в дооборудовании рекламных конструкций видеокамерами, высокоскоростным каналом для передачи данных, постоянное электроснабжение и техобслуживание конструкций, что сказывается на стоимости рекламных размещений.

Вероятно, лоскутное одеяло, по частям закрывающее проблемные места наружной рекламы, продолжало бы пестрить разными подходами и технологическими решениями, если бы не сразу две разработки, появившиеся на рынке с разницей в несколько недель осенью прошлого года. В России впервые цифровую наружную рекламу разместил искусственный интеллект.

Отрадно, что российские разработчики oneFactor и «Яндекс» как минимум не отстали от зарубежных коллег в той области и на том рынке, которые исторически были лучше развиты на западе. Системы, использующие технологии машинного обучения, в режиме реального времени позволяют не только находить нишевые целевые аудитории, проводить супертаргетинг, автоматически выбирать релевантный креатив, но и полностью автоматизируют процесс медиапланирования и размещения цифровой наружной рекламы, заменяя труд медиапланера работой интеллектуального робота. В представленных двух российских решениях одна сфера применения, но есть существенные различия в используемых для аналитики данных, как следствие точность определения аудитории и таргетинга тоже отличается. «Яндекс» использует исторические данные о потоках трафика на основе «Яндекс-навигатора», oneFactor — информацию о нагрузке на базовые станции сотовых операторов — количество мобильных телефонов, переключаемых с одной вышки на другую. Такой подход позволяет анализировать не только автомобильные, но и пешеходные потоки, а также пассажиров авто и передвигающихся в общественном транспорте.

Поле возможностей

В прошлом году мы совместно с группой медийных агентств Media Direction Group (входят в крупный международный рекламный холдинг Omnicom) сделали пилот по оптимизации закупок рекламных щитов в Москве для одного из крупнейших ритейлеров. Цель была предельно конкретной и практичной — можно ли понять, какие рекламные щиты работают эффективно для клиента, чтобы отказаться от неэффективных и далее перераспределить медиабюджеты так, чтобы максимизировать генерацию покупательского потока.

Для решения задачи мы использовали информацию о нагрузке на базовые станции сотовых операторов. Это полностью обезличенные агрегированные данные, из которых мы смогли с высокой точностью рассчитать, сколько людей прошло мимо билбордов и, самое важное, какой процент из них потом зашел в магазин. Проанализировав объем размещений за 2 недели, мы измерили изменение нагрузки на вышки в конкретных точках. Так мы определили посещения торговых точек теми клиентами, которые видели рекламную компанию,  и смогли понять, какие щиты дают новых покупателей магазинам, а какие нет.  

Удивительно, но разброс получился очень большой. Например, в одних локациях конверсия из случайного прохожего в посетителя супермаркета составила менее 2%, а в каких-то — 5%.

Технологии причесывают хаос

Что значат подобные кейсы и технологии для всей рекламной индустрии и рынка наружной рекламы в частности? Она станет более эффективной и прозрачной для рекламодателя. В случае с ретейлером удалось добиться прироста конверсии более чем в два раза. Учитывая, что ранее она составляла не более 2%, это большой успех. По сути, с помощью технологий искусственного интеллекта даже «аналоговые» поверхности получили цифровые свойства.

Как только похожее решение будет создано для телевидения, можно будет определенно сказать — рекламную индустрию ждут большие перемены. Нет никаких сомнений, что медиапланеров заменят машины. Это произойдет еще и потому, что на рынке не хватает хороших специалистов, а вакансии по медиапланированию в агентствах подолгу не закрываются. 

Все вышесказанное подтверждает оценку, что порядка 40% нынешних профессий в среднесрочной перспективе будут заменены машинами. И это не прогнозы футурологов, это тренд, который начинает воплощаться уже сейчас.