Есть ли жизнь после UAC?

После объявления Google о том, что все кампании для приложений 16 ноября будут переведены на UAC, а GDN и поисковые больше не будут работать, среди рекламодателей и особенно агентств началось брожение.

Итак, CPIщики просто зарыдали. Никаких теперь CPI кампаний в Google под видом «своей крутой сети». У кого-то просто кончился их мелкий бизнес.

Рекламодатели разделились на два лагеря. Первые радостно потирают руки, злорадствуют, что теперь им не нужны будут агентства и они сами запустят UAC совершенно не напрягаясь, вторые плюются, заявляя, что UAC не работает, и они уйдут из Google.

А агентства просто не понимают, что им делать теперь. Если раньше агентство (мое например) приходило и говорило – ребята, смотрите как круто мы вам настроить Google можем - и «ребята» смотрели и радовались успехам, то в тот момент когда остались только три настройки с которыми (казалось бы! Обратите внимание) справится любой школьник – агентство не понимает своей роли. Для 99% процентов рекламодателей и агентств UAC означает что миром рекламы для приложений будет править ИИ, и человеку там уже делать нечего.

Но давайте разберемся – все ли так плоско, однобоко и грустно, как кажется на первый взгляд.

Начнем с понимания того, что такое ИИ. ИИ это не супермудрый компьютер, который понимает, что надо сделать, это не SkyNet который пытается захватить мир. Это весьма примитивный алгоритм, который обучен выполнять какую-то одну функцию. Например – распознавать рукописный текст. Распознавать текст, но не понимать, о чем он. Переводить его в читаемый машиной же формат. Или другой пример ИИ – переводить голос в текст. Опять же не понимать, что сказал человек, а просто перевести звуковые колебания в машинописный индексируемый и пригодный для поиска текст. И плевать машине, кричите вы на нее или шепчете – она будет пытаться найти знакомые ей звуки и трансформировать их в символы.

Любой более сложный ИИ – это набор примитивных ИИ, каждый из которых выполняет свою маленькую функцию. Все современные роботы, которые пытаются изобразить из себя человеческое общение (как «Алиса» Яндекса) всего лишь искусные лжецы, не более. «Алиса» не рождает своих мыслей или идей, она берет огромную базу речевых шаблонов и выбирает наиболее подходящие, чтобы обмануть человека. Никакой магии.

С тем, что в базе своей ИИ это примитивные, с точки зрения человеческого разума алгоритмы, нацеленные на выполнение весьма примитивной функции, мы разобрались.

Другой особенностью ИИ является что для работы ему необходима обучающая выборка. В самом большом упрощении примерно так. Берем миллион написанных от руки цифр «6» и показываем машине. Машина запоминает что это «6». Потом берем и показываем миллион написанных «7». Потом показываем вперемешку, машина нам отвечает, что изображено – 6 или 7, а мы ей говорим "правильно" или "неправильно". Таким образом, машина совершенствует свои алгоритмы распознавания текста, обучается методом проб и ошибок, и в 99% случаев может определить, что изображено – 6 или 7. И самое важное, на 100 примерах машина будет определять весьма неточно, а вот если ей скормить миллион, то точность станет уже высокой. Если же мы ей покажем цифру 8, то она не скажет «я не знаю такой цифры», она определит ее как 7 или 6, потому что просто не знает других ответов. Это тоже важная особенность любого ИИ – отсутствие гибкости или, свободной воли, любой ИИ следует заранее заданной программе, выполняя заранее заложенные функции.

Если функция сложна, например, вести автомобиль – то тут включается целый ряд ИИ – для машинного зрения, определения препятствий на дороге, другой для прокладывания маршрута, третий для руления, четвертый – рассчитывает дистанцию до ближайшего авто, пытаясь предугадать варианты развития событий и т.д. и т.п. Разложите сами весь процесс на примитивные составляющие.

Ну и последнее, что нам нужно знать про ИИ – любая нейронная сеть оперирует вероятностями. Машина не знает, что на картинке изображена 7ка. Она на 90, 95, или 99% процентов уверена, что это 7. На выходе ИИ выдает результат в виде вероятности, и эта вероятность никогда не равна 100%. В случае с цифрами, машина нам скажет, что на 5% это 6, а на 95% - это 7. И человек уже задает предел погрешности, например, «если вероятность 95 и вше процентов, считать, что там точно 7». И никаких однозначных ответов.

Какое все это отношение имеет к AdWords и UAC, спросите вы? Да самое, что ни на есть непосредственное. UAC управляет ИИ. Тот же ИИ, построенный примерно на тех же принципах что и машина для определения рукописного текста. ИИ Google так же нужны данные, нужны примеры и нужно подкрепление. И он оперирует вероятностями.

Как мы теперь понимаем, UAC управляемый ИИ – весьма примитивный механизм, учитывающий правда миллионы факторов, нацеленный только на одно. Вот тут-то, как говорится, собака и зарыта.

Первые UAC которые появились в Google это были простые UAC Installs. UAC ориентированные на установку. Кто тогда попробовал, начал плеваться. Мол что за ерунда! Установок много, дешево, а толку никакого. Стоп, стоп, стоп ребята! Вы чего хотите от тупенького ИИ? Он старается, из сил выбивается и делает вам как можно больше установок и как можно дешевле, ровно то, для чего предназначен. А вы хотите от ИИ чтобы он вам качественные давал? Словами всякими типа Retention, LTV и ROAS ругаетесь? Наш ИИ знает только 6 или 7, а вы заставляете его 8 распознать! С задачей «много и дешево», ИИ на мой взгляд справился на ура.

Тут, конечно, человеку делать нечего. То есть ну совсем. Тут роботы победили. Но не надо торопиться и увольнять весь PPC отдел и говорить своему любимому агентству, что давно уже вертелось на языке. Установок много, и они дешевые, конечно. Но посмотрите на uninstall rate, посмотрите на retention и т.д. Показатели, как отмечали выше, мягко говоря не очень.

Самые умные конечно начали экспериментировать с креативами. Добавлять и удалять, в общем экспериментировать. Но основная масса просто загрустила. И грустила, пока не случилось чудо. UAC Actions.

«Ага!» -воспряли духом маркетологи. «Вот оно!»- Подумали агентства. «Не скажем мы клиентам ничего, про новый чудесный инструмент. Просто сейчас настроим на нужное действие. Пусть ИИ горбатится и нужное нам действие оптимизирует в приложении. Покупочки, например»

Но вспомним мое пространное отступление про природу ИИ и обучающую выборку. Вспомним, что чем больше выборка, тем точнее работает ИИ. А теперь пошли и посмотрели в стату. 1-2% от всех установок совершает целевое действие. Быстро посчитали, сколько денег нам надо слить чтобы набрать приличную выборку и снова побежали в любимый бар топить тоску, лихорадочно изучать Facebook и обзванивать знакомых: «Привет, сколько не созванивались, лет пять? Знаешь, я тут подумываю работу сменить…»

А выход то какой, спросите вы. Всегда один и тот же. Думать. (На этом моменте, я прям вижу, как половина все же решила, что Facebook не так уж плох и почему бы не позвонить тому своему знакомому).

Итак, вернемся еще немного к природе ИИ и конкретно к природе ИИ Google. Google знает о нас чертовски много. ИИ Google может предсказать, скачаем ли мы или нет то или иное приложение. С большой долей вероятности он может предсказать, совершим ли мы inapp транзакцию или нет. Транзакции в принципе. Потому что факторов приходится учитывать великое множество, приложений тоже миллион. ИИ Google весьма точно отнесет нас к категории людей, которые поставят то или иное приложение и весьма точно спрогнозирует, что в одном из них мы совершим транзакцию. Но это будет не всегда наше приложение.

И ситуация. У нас есть игрок, который играет много, очень много. Он точно заплатит (просто дошел до того уровня, что не платить невозможно, 90% на этом уровне платят, и продолжает он играть). И второй, который играет очень мало, но очень ленивый, он платит чтобы не парится.

И вот мы машинке Goggle говорим, дружок, а найди-ка что объединяет этих двух товарищей, помимо того, что у них у обоих есть телефон. И наш наивный ИИ, который унаследовал алгоритмы построения «похожих» аудиторий, пытается понять, что же общего у 35летнего бизнесмена из Москвы и 14 летнего подростка с папиной картой из Wayomingа. Вам ответ подсказать или сами уже догадались? Ни-че-го! То есть это вообще разные товарищи. Абсолютно.

И не может нам по этим признакам машина Google оптимизировать рекламную кампанию. Даже если мы дадим ей 1000 подростков и 1000 бизнесменов. Ну слишком они разные. А ИИ никогда не догадается их разбить на две группы. Нет у него такой функций.

Да возможно у них есть 20 из 1000 признаков одинаковых, да ИИ их найдет, он простроит в своем не самом сообразительном мозгу связи и вычленит всех 25 человек по миру, которые входят в группу «похожие на этих двух». А не проще нам было разделить их на две группы, и «охотится» по отдельности на солидных мужиков из Москвы и подростков-геймеров из Штатов?

Отсюда, вытекает первое, что должны делать агентства и маркетологи. Сегментировать. Сегментировать и еще раз сегментировать. Но мы же не Google, мы же знаем гораздо меньше. Мы же видим только статистику, в которую передаются все эти миллионы эвентов, запиленных разработчиками… Миллионы.. Бинго! Давайте возьмем эти миллионы, и на основании этих миллионов простроим группы. Подключим немного фантазии. Создадим некий эвент, характерный для этой группы и начнем отдавать его в AdWords как конверсию. И пусть бедняга ИИ трудится и оптимизирует установки по этому эвенту. Отдельно, UAC на Москву, на редко играющих, но совершивших хоть одну транзакцию. Выгрузим их за год. Скормим машине Google, пусть работает. Отдельно возьмём маньков-игроманов, которые играют каждый день и достигли уровня 15, соберём группу, создадим отдельное событие «манчикин», и пусть Google найдет нам таких еще пару сотен тысяч.

Чувствуете, это уже совсем не похоже на «а что там делать с этими UAC – нажать две кнопки».

Смотрим, у нас уже в аккаунте 20 разных универсалок, но жизнь нам до сих пор кажется весьма легкой, и мы внимательно смотрим на статистику по креативам, на дизайнера, на статистику по креативам – на дизайнера. Дизайнер чует неладное и пытается загипнотизировать нас спинерром, одновременно скрываясь на гироскутере в струях дыма от вэйпа. Но нас так просто не возьмешь!

Решено, будем тестировать как разные креативы влияют на разные группы пользователей.

Пока дизайнер, проклиная все на свете рисует по нашему заказу 300 креативов (и да сделай плиз по 5 ресайзов на каждый!) мы опять должны закопаться в статистику.

Идей может быть миллион. Построить поведенческую модель «кита», причем такую чтобы событий было много, очень много. Попытаться рассчитать LTV для пользователей, поделить их на несколько групп, для каждой создать триггер, и заставить машину Google оптимизировать его. Сделать анализ моделей телефонов, понять, что только этим модели конвертятся, сделать баннеры «лучшая игра для твоего старенького HTC» запилить триггер, НТС и понаблюдать что нам ИИ выдаст.

Экспериментировать, анализировать. Находить сигналы. Тестировать. Исправлять и снова тестировать.

И главное, нам не надо оптимизировать места и ставки, нам не надо больше ковырять AdWords Editor. Нам просто нужно включить на всю голову, а всю неблагодарную работу сделает машина. Пусть ИИ в своем примитивном мозгу анализирует средний CPI на площадке, и принимает решение – отключить ее или нет. Пусть компьютер парится о ротации креативов. Это не наша проблема больше, что на площадке много показов и мало кликов. Наша задача сейчас, скормить нейронной сети правильные сигналы и посмотреть на результат.

А вы все спрашиваете, есть ли жизнь после UAC. Но самое интересное, Google ведь еще не все показал, что задумал. Правда, нам бы для начала с примитивными UAC справиться и перестроить работу от «много рук», к «много мозгов».