Маркетинг
i-Media
292

Что не смогут автоматизировать рекламные системы

В закладки

С каждым годом рекламные сервисы предлагают все больше инструментов автоматизации для рекламы. Сегодня с их помощью в контекстной рекламе мы можем:

  • планировать бюджеты с учетом сезонности;
  • генерировать объявления, в том числе с учетом эффективности комбинаций элементов;
  • подбирать ключевые фразы и аудитории;
  • находить целевую аудиторию с помощью автоматических таргетингов;
  • получать рекомендации по оптимизации рекламных кампаний;
  • автоматически назначать ставки с учетом выбранной стратегии;
  • использовать автоматическую прослушку и обработку звонков с рекламы (коллтрекинг);
  • автоматически передавать данные из CRM-систем в рекламные кабинеты.

По сути, реклама уже способна вести саму себя. Например, умная кампания для КМС в Google требует для запуска и ведения минимального ручного труда: система автоматически создает объявления, выбирает таргетинг и назначает ставки. Возникает закономерный вопрос: что не может быть автоматизировано в рекламе и в чем человек способен конкурировать с автоматизацией?

Автоматизация и машинное обучение в рекламных системах

Автоматизированные инструменты в рекламе — это по большей части результат работы машинного обучения (machine learning). Оно нацелено на поиск скрытых закономерностей в данных, то есть в совокупности объектов. С точки зрения математики единственное требование к объекту — быть описанным некоторой совокупностью переменных. Машинное обучение применимо, когда объект характеризуется переменными двух типов: наблюдаемыми (могут быть измерены для любых объектов) и скрытыми (не могут быть измерены в явном виде).

Для примера рассмотрим работу автоматической стратегии назначения ставок «Максимум конверсий». Задача алгоритма — распознать пользователя, который с высокой вероятностью совершит конверсию и повысить для него ставку до оптимального уровня. В качестве наблюдаемых переменных выступает накопленное «статистическое портфолио» пользователя: демографические характеристики, посещаемые ресурсы, история онлайн-транзакций и т. д. — все параметры, фиксируемые метриками.

В качестве скрытой переменной в простом случае выступает бинарная величина — осуществит пользователь конверсию или нет. В более сложном случае — вероятность совершения конверсии. Обучающая выборка формируется из совокупности объектов с завершенным циклом (конверсия либо совершена, либо по ряду признаков признается несовершенной).

С помощью анализа закономерностей между «статистическим портфолио» пользователя и фактом совершения конверсии строится алгоритм прогнозирования, который будет применим для произвольных объектов — таких, что находятся вне обучающей выборки, то есть именно он будет определять подходящие ставки для каждого пользователя в последующих аукционах.

В чем сила человека

Уместно предположить, что в рекламе не может быть автоматизировано только то, что невозможно описать с помощью наблюдаемых и скрытых переменных. «Проблемными» в таком случае становятся «гуманитарные зоны» рекламы:

  • поиск точных синтаксических и семантических взаимосвязей слов;
  • творчество как эмоциональный интеллект или эмпатия;
  • критическое мышление.

Например, релевантно среагировать на повестку и построить коммуникацию с пользователем на ее основе пока может только человек. Машина не способна учесть культурно-исторический контекст, менталитет и национальный юмор.

Готовясь к новогодней акции, рекламодатель может адаптировать объявление и наполнить его ассоциациями. Предложить не просто посетить торговый центр, а «насладиться атмосферой приближающегося праздника, выбирая подарки для близких». Или, говоря о насущном, оперативно отреагировать на нестандартную ситуацию и упомянуть бесконтактную доставку в период эпидемии вируса.

Однако стоит заметить, что если креативное мышление и способность целенаправленно эмоционально воздействовать пока являются безусловным преимуществом человека, то лингвистическая интеллектуализация стремится к соперничеству. Доказательство этого — разработки инженеров корпорации Google с участием Томаша Миколова (ученый в области машинного обучения, научный сотрудник Facebook, ранее — Google).

Команда разработчиков переводила слова естественного языка в векторы, совокупность которых составила так называемое «семантическое пространство». Инженеры доказали, что алгебраические операции в этом пространстве сопоставимы с логическими операциями по поиску синтаксических и семантических взаимосвязей слов. Это значит, что компьютер понимает, какой из смыслов многозначного слова в конкретном контексте имеется в виду: он отличает шариковую ручку от дверной, съедобный лук от оружия и даже идентифицирует разницу между поликлиникой-зданием («поверните за поликлиникой») и поликлиникой-структурой («записаться на прием в поликлинику»).

Для рекламодателей это значит, что предложенные к расширению ключевые фразы и динамические объявления будут совершенствоваться по мере развития технологий и потенциально смогут достичь качества ручного труда.

Подводя итог

Тенденции показывают, что машинное обучение будет технически совершенствоваться и охватывать новые неочевидные для измерения данные. Параллельно будут развиваться и преобразовываться в искусственный интеллект инструменты автоматизации рекламы.

Однажды машины тоже научатся реагировать на повестку, анализируя частоту упоминания информации в новостных сводках, ее резонанс. Они научатся шутить, ориентируясь на понравившиеся пользователям публикации. Гипотетически, они научатся делать всё, что подвержено логике и может быть измерено. Но чтобы придумать, как измерить неочевидное, потребуется человеческий ум.

Полностью доверить творческий процесс машинам пока еще нельзя: эмпатия и культурно-исторический контекст, в которых существует пользователь, сейчас не приоритетные направления в развитии машинного обучения.

Критическое мышление как оценка результатов работы машинного обучение с учетом специфики конкретного проекта — привилегия человека.

Автор: Мария Стоянович, специалист по контекстной рекламе i-Media

Статья подготовлена для ppc.world

{ "author_name": "i-Media", "author_type": "self", "tags": ["\u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435_\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435","\u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043d\u0430\u044f_\u0440\u0435\u043a\u043b\u0430\u043c\u0430","\u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f"], "comments": 3, "likes": 2, "favorites": 13, "is_advertisement": false, "subsite_label": "marketing", "id": 131285, "is_wide": false, "is_ugc": true, "date": "Mon, 01 Jun 2020 22:33:41 +0300", "is_special": false }
0
3 комментария
Популярные
По порядку
0

Кто дочитал? Какая основная мысль ?

Ответить
2

на машинное обучение надейся, но и сам не плошай

Ответить
0

Сегодня автоматические стратегии можно тестировать, но когда уже есть накопленная статистика. Рекомендуем на начальном этапе использовать ручное управление ставками.

Ответить

Комментарии