Искусственный интеллект стал размещать и таргетировать наружную рекламу в России
Разработка и результаты проектов «Яндекса» и Gallery для бренда Mazda, а также oneFactor и Media Direction Group.
В конце марта 2017 года компания-разработчик систем искусственного интеллекта oneFactor и группа медийных агентств Media Direction Group, входящая в рекламный холдинг Omnicom, объявили о результатах пилотного проекта — цифровой наружной рекламы с использованием искусственного интеллекта.
Проект был запущен с 26 января по 28 февраля на 22 цифровых поверхностях оператора «Дизайн Мастер» в Новосибирске, в пилотном размещении принимали участие шесть рекламодателей из различных категорий: Metro, MediaMarkt, Bayer, Uber, HeadHunter, Hasbro.
Система, использующая технологии машинного обучения, в режиме реального времени определяла портрет и численность аудитории у цифрового щита, формировала индивидуальный медиаплан для каждого видеоэкрана и выбирала необходимый креатив — именно для той аудитории, которая в данный момент контактирует с рекламным носителем
Разработчики и авторы идеи называют свой продукт уникальным и отмечают, что технология не имеет аналогов не только на российском, но и на международных рынках. Редакция vc.ru узнала о подробностях запуска проекта, сути и перспективах технологии.
Предпосылки и задача: кому и для чего это нужно
По словам директора по закупке наружной рекламы Media Direction Group Сергея Гумеля, потребность в подобном продукте назрела на рынке наружной рекламы уже давно: возможности измерения, планирования и покупки устарели, а новых решений, сравнимых с измерениями других медиаканалов, еще не было.
Наружная реклама к 2016 году вошла в топ-3 медиаканалов по затратам и возможностям охвата целевой аудитории в России, а возможности измерения, планирования и закупки в OOH (out-of-home, наружной рекламе — vc.ru) оставались на уровне 90-х годов прошлого века. При этом, цифровые форматы в медиаканале также активно развивались. Поэтому мы поставили себе цель — разработать инструмент для получения устойчивых данных в наружной рекламе, сравнимых с метриками других медиаканалов.
По словам Гумеля, решить поставленную задачу могла бы платформа для измерения и продаж инвентаря в наружной рекламе — инструмент, который бы в режиме реального времени оценивал трафик в поле видимости рекламных поверхностей.
С этой задачей Media Direction Group обратилась в компанию oneFactor, которая специализируется на сервисах машинного обучения, георекомендациях и системах искусственного интеллекта для b2b-рынка.
Решение: заменить человека машиной
Генеральный директор oneFactor Роман Постников отмечает, что в задаче с разработкой нового инструмента для наружной рекламы компания увидела «большой потенциал для увеличения эффективности этого канала коммуникаций за счет технологий искусственного интеллекта».
Мы специализируемся на разработке рекомендательных сервисов, интеллектуальных роботов, которые позволяют автоматизировать процесс принятия решений, заменяя машиной человека.
Наружную рекламу в России оценивают как некий стандартный канал коммуникаций, эффективность которого сложно отследить: таргетинг — весьма абстрактное понятие, и какой эффект для бизнеса она дает, особенно в большом медиамиксе, тоже не очень понятно.
Мы совместно с коллегами из Media Direction Group создали продукт, который в корне меняет традиционный подход. Можно сказать, что технология революционная и произведет переворот на рынке цифровой наружной рекламы.
Уникальность продукта
Как отмечает Сергей Гумель, на протяжении последних пяти-семи лет в качестве возможного технологического решения разработчиками предлагались различные технологические решения, которые позволяли бы измерять транспортные потоки и даже взгляды на рекламные конструкции (специальные камеры и другое навесное оборудование) — но это не подходило для решения задачи.
Во-первых, подобного рода устройства имели высокую стоимость, к которой были готовы далеко не все операторы. Во-вторых, навесное оборудование имело ряд существенных ограничений: необходимость постоянного электроснабжения и высокоскоростного канала передачи данных.
Например, в проекте, реализованном в Москве в конце прошлого года, была задействована одна рекламная конструкция и навесное оборудование — специальные камеры и программное обеспечение, которое позволяет считывать марку автомобиля. Данная технология крайне дорогостоящая, кроме того, из-за технических ограничений ее масштабирование не представляется возможным в среднесрочной перспективе.
В этих обстоятельствах технологическое решение, предложенное oneFactor, оказалось наиболее жизнеспособным, говорит Гумель. Он отмечает несколько причин, по которой технологию, предложенную Media Direction Group и oneFactor, можно назвать уникальной:
- масштабирование инструмента: технологическое решение работает на всей территории России в зоне покрытия сетей GSM (более 250 населенных пунктов, для более 350 тысяч рекламных конструкций);
- таргетинг: аудиторию можно профилировать не по «марке автомобиля», а по гораздо большему спектру параметров (пол, возраст, доход, геолокационные параметры, а также поведенческие профили и характеристики), что дает возможность таргетировать OOH-кампании на узкоцелевые аудитории;
- эффективное использование медиабюджета: данные можно получать в режиме реального времени и, соответственно, вносить изменения в размещения с учетом текущего трафика, то есть использовать Digital Programmatic в наружной рекламе, а это позволяет максимизировать эффективность кампании.
Роман Постников подчеркивает уникальность технологии, которая, по его словам, не имеет аналогов не только на российском, но и на международных рынках.
Что касается мирового опыта, известны попытки решения похожей задачи на малом охвате и на основе другой технологии (кейс Jaguar с определением марки машины по видеокамерам), либо в офлайне (например, AT&T в Америке делает измерения на основе своих данных, но в офлайне, для статичной наружной рекламы). То есть прямых аналогов нет.
О разработке похожей системы измерений, позволяющей для каждого экрана определять размер аудитории, социально-демографические характеристики, а также количество видео, которые может просмотреть один человек, осенью 2016 года объявил «Яндекс» — во второй половине января 2017 года проект с использованием этой технологии был запущен компанией Gallery и агентством Maximize (Mindshare Group Russia) для бренда Mazda. Роман Постников отмечает отличия технологических решений oneFactor и «Яндекса».
Во-первых, решение oneFactor и Media Direction Group умеет регистрировать не только число автомобилей на дороге по данным GPS-навигаторов и сервисов оценки пробок, но реальный пешеходный поток и пассажиров общественного транспорта. Это критично для cити-форматов, большинством аудитории которых являются как раз пешеходы.
Во-вторых, наша технология, помимо точных данных по пешеходному потоку, позволяет замерять число пассажиров автомобилей и общественного транспорта. К примеру, навигатор не знает, сколько человек находится в машине, а пассажиры общественного транспорта, которые вообще не пользуются навигатором в момент передвижения на трамвае, автобусе, троллейбусе или метро.
При этом число пассажиров сильно варьируется по разным типам автомобилей и интервалам в течение суток — в одном автомобиле это только водитель, в другом — это еще плюс три пассажира. Это дает возможность точного измерения всей аудитории, т.к. пассажиры — это не менее 30% всей аудитории пользователей автомобилей. Не говоря уже об общественном транспорте.
Ну и главное, наш сервис анализирует транспортные потоки в режиме реального времени — не просто исторические данные о загруженности дорог. Так, рекламный контент таргетируется на ту аудиторию, которая находится перед рекламной поверхностью именно сейчас. Это дает принципиально другие возможности для креатива, учитывая интересы именно этой аудитории и, например, погодные условия, окружающий ландшафт и так далее.
Технология и методология: как это работает
По словам Постникова, основа платформы, использованной в проекте, была заложена еще в 2012 году, когда команда разработчиков — сегодняшних сотрудников oneFactor — разрабатывала геоаналитические сервисы, решая прикладные задачи в области сити-менеджмента, управления розничными сетями, транспорта и логистики.
Разработка системы — в том виде, в котором она представлена сейчас — велась в течение полутора лет. Основная задача, над которой работала команда — увеличение точности геолокации по данным от мобильных операторов.
Применяя наши технологические решения, нам удалось решить задачу с увеличением точности местоположения, сравнимую с точностью GPS-данных, а также разработать уникальные алгоритмы сегментации различных аудиторий. Понимая, какое количество аудитории находится у той или иной рекламной конструкции, мы профилируем поток с точки зрения его качественных характеристик.
По словам Постникова, разработанная платформа позволяет находить нишевые целевые аудитории, делать супертаргетинг, при этом в режиме реального времени определяет портрет и численность аудитории у цифрового щита, формирует индивидуальный медиаплан для каждого видеоэкрана и выбирает необходимый креатив из множества вариантов.
- Мобильный телефон. Потенциальный объект рекламного сообщения — любой водитель, пешеход, пассажир общественного транспорта со включенным мобильным телефоном. По мере передвижения человека телефон автоматически подключается от одной базовой станции к другой, а система искусственного интеллекта отслеживает эту нагрузку и ее переходы в режиме реального времени.
- Анализ скорости. Учитывая скорость движения, можно понять, пешеходный это поток или транспортный, а также понять, есть ли возможность у человека или группы людей увидеть тот или иной видеоэкран (либо движение происходит от экрана, и принимать в расчет такую аудиторию не стоит).
- Анализ количества. Система искусственного интеллекта анализирует в режиме реального времени, сколько людей находится возле конкретного рекламного щита.
- Анализ «портрета аудитории». Технология машинного обучения позволяет профилировать данные о потоке аудитории — по поведенческим и иным признакам.
Например, есть массив обезличенных данных, которые описывают поведение водителей такси. Система, использовав такой набор характеристик единожды, может вычленять из огромного множества данных те, которые схожи с заданными настройками.
Кроме того, она на основе наблюдений за такими массивами данных отмечает, какие еще характеристики могут быть присущи данной аудитории, и самообучается. Для того чтобы «выучить» новую информацию, системе требуется не более одной-двух секунд.
Как отличить аудиторию водителей такси от владельцев собственного транспортного средства? По поведенческим признакам. Например, мы знаем, что этой аудитории [водителей такси] свойственно чрезмерно частое использование автомобиля в достаточно продолжительные временные отрезки, отличные от времени пользования офисными сотрудниками.
Учитывая скорость перемещения и тип перемещения, система искусственного интеллекта на этом примере самостоятельно обработает массив больших данных, вычленив похожие признаки и выявив новые характеристики, которые могут быть присущи этой категории людей.
Точно так же работают системы профилирования аудитории, которые используются в поисковых системах и социальных сетях. Для профилирования систему необходимо первично обучить, предоставив ей данные о характерных параметрах анализируемого профиля. А дальше система будет самообучаться и совершенствоваться самостоятельно.
- Выбор аудитории для показа объявления (супертаргетинг). Одно из ключевых достоинств технологии — возможность таргетировать OOH-кампании на узкоцелевые аудитории.
Супертаргетинг работает, профилируя аудиторию по какому-то признаку или ряду признаков. Например, сейчас практически у каждого большого бизнеса есть своя CRM-программа лояльности, в ходе которой рекламодатель аккумулирует данные об именно своих покупателях. Рекламодатель может загрузить в наш сервис список своих клиентов, при условии наличия со стороны клиентов согласия на обработку данных, и система по принципу Look-A-Like найдет похожих по поведенческим характеристикам людей. Обучившись однажды, дальше будет самообучаться уже без участия человека при пополнении базы данных клиентов.
Таким образом, супертаргетинг дает возможность бизнесу не додумывать, какие характеристики типа пола, возраста, уровня доходов и других присущи его аудитории, а таргетироваться максимально точно именно на своих клиентов или похожих на них.
Стандартными параметрами являются социально-демографический портрет: пол, возраст, уровень дохода и так далее — это позволяет создавать классические для наружной рекламы целевые аудитории, например, женщины 25-45 лет со средним и выше среднего уровнем дохода. Но также мы можем строить значительно более сложные сегменты, используя все наше обширное признаковое пространство, осуществляя так называемый супертаргетинг: пользователи такси, посетители определенного торгового центра, приверженцы определенного автомобильного бренда и другие.
Такие сегменты мы создаем собственными силами, то есть выполняя в некотором смысле еще и роль DMP (data management platform, часть программного обеспечения, которая используется для хранения, систематизации и анализа данных — vc.ru)
- Показ рекламного объявления. Система показывает те рекламные сообщения, которые соответствуют интересам, социально-демографическому профилю или другим критериям, выбранным рекламодателем. Для каждого рекламного щита формируется свой медиаплан — в режиме реального времени.
Как отмечают в Media Direction Group, приоритеты по показу определяются не только размером аудитории (если показывать тот ролик, представителей целевой аудитории которого больше, всегда крутился бы ролик для самой широкой аудитории). При выборе ролика «учитываются объемы закупленного и открученного на данный момент инвентаря по каждому клиенту, а также равномерность открутки».
По словам Романа Постникова, технология позволяет значительно увеличить эффективность размещений, уменьшить стоимость целевого контакта, оперативно и точно оценить результат рекламного размещения.
Процесс: «интересное алгоритмическое упражнение»»
На первом этапе проекта была разработана методология: как оценить трафик в зоне видимости рекламных поверхностей. Обеспечить супертаргетинг — создание узких целевых аудиторий под запросы клиентов — было интересным алгоритмическим упражнением, говорит Роман Постников. После был запущен пилотный проект в Новосибирске.
Мы начали готовиться к пилотному запуску еще в прошлом году, ведя разработку внутри и проводя нагрузочные тесты, а коллеги из Media Direction Group договаривались о размещении.
Самым главным вызовом было обеспечить непосредственно технологическую схему и «онлайновость»: мы тестировали разработку с партнерами — владельцами поверхностей — и добивались того, чтобы не только наша система адаптировала плейлист в режиме реального времени, но и показ на рекламной конструкции реагировал на наши рекомендации с минимальной задержкой.
Результаты: измерение бизнес-показателей
Как отмечают в Media Direction Group, по итогам размещений были проанализированы не только медийные показатели, такие как объем накопленных целевых рейтингов или охват целевой аудитории, но и реальные бизнес-показатели, которые наружная реклама раньше не позволяла измерять: прирост трафика, конверсию в посещения торговых точек.
Удалось повысить таргетированность размещения и его эффективность в два раза и более (по узкотаргетированным целевым аудиториям), а также более чем в полтора раза увеличить конверсию рекламных кампаний (конверсия измерялась по реальным посещениям торговых точек и другим целевым действиям, необходимым рекламодателям).
Как показали результаты пилотного проекта, благодаря таргетированности размещений аффинитивность DOOH-кампаний с применением programmatic-технологий достигает 200%.
Показатели Ad Recognition (узнаваемость ролика в DOOH) на узкие целевые аудитории оказались в 1,5—2 раза выше, чем по населению в целом, а эффект конверсии (разница эффекта в тестовых группах) в среднем составляет 175%.
Мы применяем инновационный подход по оценке конверсии показов в реальные действия, как, например, посещения торговых точек или увеличения уровня использования сервиса. За счет адаптации расписания показов в режиме реального времени и применения супертаргетинга сервис искусственного интеллекта позволяет увеличить конверсию в желаемые действия в 2—2,5 раза.
Перспективы
Широкая коммерческая эксплуатация продукта Media Direction Group и one Factor продолжится в других городах России — в ближайшее время в Москве и Казани. Технологическое решение используется несколькими брендами и, как отмечает Роман Постников, каждый из них успешно решает собственные задачи.
MediaMarkt развивает омниканальную модель продаж, поэтому мы последовательно применяем все форматы, которые объединяют digital- и офлайн-каналы коммуникации с потребителем. По итогам тестирования programmatic-технологии в Новосибирске, в феврале сопоставимые продажи магазинов в Сибири выросли на 5%, в том числе и в онлайн-канале.
Мы видим перспективы сотрудничества с Media Direction Group по размещению наружной рекламы с использованием технологии искусственного интеллекта. В частности, с точки зрения повышения фактической конверсии в магазинах и потенциально — дополнительного трафика и продаж на сайте MediaMarkt в результате показа релевантных сообщений нашим клиентам.
По слова Постникова, задачи у клиентов самые разные: одни решают вопросы по увеличению посещаемости торговых точек, другие — стимулируют установки мобильного приложения, третьи — решают задачи максимального охвата сложнодоступной целевой аудитории.
Как отмечает Постников, cистема умеет решать самые разные задачи, исходя из потребностей бизнеса. Используемые алгоритмы машинного обучения позволяют не только использовать стандартные параметры задания целевых аудиторий, но и, например, предсказывать потребность пользователя в заказе такси или поиске работы.
Технология также может использоваться для аналитики по ритейлу, чтобы получить рекомендации, где лучше открыть торговую точку, рекомендации по ассортиментной политике и так далее.
По словам генерального директора Media Direction Group Андрея Брайовича, использование технологии programmatic открывает огромные преимущества перед стандартными способами демонстрации контента: во-первых, оптимизирует затраты на размещение при сохранении параметров кампании как с точки зрения охвата, так и накопленных TRP, во-вторых, увеличивает эффективность на 15–35% от каждого потраченного рубля.
Как отмечает Брайович, Media Direction Group активно использует и рекомендательные сервисы oneFactor для планирования и оптимизации геолокаций на разные целевые аудитории в стандартной наружной рекламе, доля которой, несмотря на бурный рост числа digital‑конструкций, остается пока доминирующей.
Объем рынка DOOH
Мировой рынок. По данным PQ Media, в 2016 году мировой рынок ООН (включая DOOH) вырос на 6,2% до $49,23 млрд и показал самый быстрый рост за 9 лет.Мировой DOOH в 2016 году вырос на 12,6% и фактически достиг $12 млрд.
Российский рынок. По данным АКАР, российский рынок OOH (включая DOOH) в 2016 году вырос на 6% и составил 38, 3 млрд рублей. По данным «Эспар-Аналитик», DOOH в 2016 году вырос на 257% и составил более 2 млрд рублей.
«Яндекс»: о разнице подходов, кейсе Mazda и собственных разработках
Во второй половине января 2017 года бренд Mazda протестировал закупку цифровой наружной рекламы Gallery на основе технологий «Яндекса». Как отмечают в агентстве Maximize (Mindshare Group Russia), реализовавшем размещение, рекламная кампания автомобилей Mazda CX-5 и Mazda6 стала первым коммерческим опытом размещения на уличных цифровых экранах с оплатой за количество контактов.
По словам менеджера по маркетинговым коммуникациям и исследованиям ООО «Mазда Мотор Рус» Марины Гринберг, в результате двухнедельного размещения компания получила наглядное подтверждение как очевидных фактов — например, основной набор контактов пришелся на будние дни, — так и уникальной информации: предельный охват на основные частоты накапливается в первые семь дней кампании.
Основная часть аудитории контактировала с сообщением в эффективном интервале частоты: за две недели из 65% охваченной аудитории 18% видели рекламу три раза и менее, в то время как более 20 раз — 8%, говорит Гринберг.
О кейсе для Mazda
Проект агентства Maximize и компании Gallery для бренда Mazda по планированию и открутке рекламных кампаний на цифровых билбордах на основе наших измерений — часть общей стратегии компании по объединению онлайн и офлайн.
Мы постоянно работаем над тем, чтобы пользователю показывалось самое релевантное рекламное сообщение, соответствующее его интересам в данный момент. Понимая, какие объявления человек видел, сколько раз и в каких медиа, мы сможем принять решение, какую рекламу ему показать онлайн. А у клиентов и агентств появляется возможность кроссмедийного планирования и создания performance-предложения с измерением конверсии в визит на сайт или покупку.
По результатам кампании агентство и клиент получили фактические данные медиаэффективности: охват аудитории, среднюю частоту, кривые накопления охвата на различные частоты.
О технологии «Яндекса»
Местоположение пользователя. Измерения строятся на геоинформационных и рекламных технологиях «Яндекса». От устройств, на которых установлены приложения геосервисов «Яндекс.Навигатор» и «Яндекс.Карты», мы получаем обезличенные данные, включая GPS-координаты и вектор движения с точностью около 10 метров. И на основе этого знания в режиме реального времени получаем информацию о загруженности дорог.
Кроме того, мы располагаем дорожным графом — упрощенно детальной картой дорог, привязанной к координатам. Его используем, чтобы уточнить реальное местоположение устройства, в случаях, если сигнал нестабильный. Скрестив наши знания о потоке и дороге, на основании математической модели мы можем восстановить информацию о полном потоке.
Управление экраном. Мы не вносим никакие изменения в конструкцию, у нас нет такой необходимости. Мы оцениваем поток по GPS-данным, которые получаем из обезличенной статистики наших сервисов. Для управления экранами владельцы конструкций используют различный софт, самые популярные сейчас решения это Broadsign, Scala, есть и российский аналог Addreality.
Мы интегрируемся с этим программным обеспечением и через наше API передаем, когда и какую рекламу лучше показывать, чтобы выйти на заданные параметры по частоте и охвату. Оператор через API отвечает нам, выполнил ли он наши рекомендации по показам. И далее мы даем рекомендацию на следующий период. Ролики загружаются заранее, мы оперируем только ID.
Показы. Реклама показывается исходя из параметров, которые наиболее приоритетны рекламодателю. Например [сейчас можно] поставить такую задачу: охватить охватить 65% населения 18+ с заданной частотой 3+ и при этом показываться (быть заметным) в течение месяца — раньше это было невозможно. Также можно проводить кампании и с целью максимального охвата узкоспециального сегмента, тогда мы оцениваем процент людей в зоне видимости с заданными интересами.
Социально-демографические характеристики определяет технология «Крипта», которая умеет находить группы пользователей по их поведению в интернете. Маркетинговые агентства помогают найти людей с нужными социально-демографическими характеристиками: определенного пола, возраста, с необходимым уровнем дохода и образованием, привычками и интересами.
«Крипта» изучает эти данные в обезличенном виде: как ведут себя типичные представители группы в сети: какие слова используют в запросах, сколько запросов задают за сессию, какие сайты посещают, в какое время суток выходят в интернет и так далее. В итоге получается формула, по которой «Крипта» определяет, относится человек к данной группе или нет.
Об опыте других компаний
[Если говорить о других проектах, то] в кейсе агентства Mindshare и компании Synaps Labs для Jaguar нет возможности эффективно рассчитать частоту и охват при планировании кампании, если только [технология] не начнет распознавать автомобильные номера и сопоставлять их частоту появления у того или иного щита. [Этот кейс] больше похож на спецпроект и требует дополнительного оборудования, цена входа в такой проект, насколько мне известно, очень высока и исчисляется в миллионах рублей.
Для международного рынка автоматизированные закупки «наружки» на данных операторов не новость: там эти технологии существуют уже около полутора лет. Но западные компании пришли к тому, что для полноценного планирования охвата кампании, расчета количества контактов с рекламным сообщением, анализа аудитории, понимания ее социально-демографического профиля и интересов, нужно больше, чем данные операторов. И хотя, в целом, выход на рынок oneFactor — это положительный момент, их подход вызывает вопросы: результатов расчетов мы пока не видели.
Всегда мотаю вниз, чтобы почитать коменты настоящих экспертов.
Без которого очень сложно правильно обучить алгоритм...
Гомеопатия и до рекламы добралась)