Не стоит удивляться, если рекламная конструкция на автобусной остановке покажет вам рекламу товара, который вы в последнее время искали. Рынок наружной рекламы быстро осваивает технологии, основанные на анализе Big Data. Профильный автор «Коммерсанта» Валерия Лебедева специально для нашего блога разбиралась, откуда берутся большие данные у операторов наружной рекламы, как они уже научились их использовать, какое будущее у подобных технологий и что может мешать их развитию.
Содержание
Российские города обрастают цифровыми экранами, тогда как традиционные билборды все чаще уходят в прошлое. По данным измерителя Admetrix, доля DOOH-рекламы (Digital Out of Home; включает все цифровые рекламные поверхности) на рынке наружной рекламы России по итогам 2020 года выросла до 31% против 25% годом ранее. Цифровые конструкции стали главным драйвером роста всего рынка: согласно прогнозам, он сможет выйти на допандемийный уровень уже в 2021-ом году именно благодаря продажам рекламы на диджитал-конструкциях. В Москве, по оценке АДВ, уже более 50% размещений приходится на DOOH.
Операторы наружной рекламы демонтируют статические щиты с недостаточно большой проходимостью, а конструкции в востребованных местах заменяют на цифровые. Такие щиты позволяют разместить рекламу быстрее — нужно просто нажать на кнопку вместо того, чтобы распечатывать многометровый рекламный щит, а затем устанавливать его с помощью бригады альпинистов. Но дело не только в скорости: реклама на цифровых щитах позволяет использовать инструменты, основанные на анализе больших данных об аудитории рекламы. А они в целом превращают наружную рекламу в совсем другой продукт с новыми возможностями.
Как появляются данные
Начнем с того, откуда у операторов наружной рекламы и рекламных агентств появляются аудиторные данные. Операторы наружной рекламы собирают информацию о людях, которые проходят рядом с конструкциями, с помощью так называемых WiFi-снифферов (или WiFi-ловушек). Эти устройства собирают MAC-адреса мобильных устройств. MAC-адрес — уникальный идентификатор, назначенный сетевому адаптеру в мобильном устройстве. Чтобы считать MAC-адрес, такой ловушке достаточно, чтобы на устройстве был включен Wi-Fi, при этом подключения к нему не требуется.
Крупнейшие операторы наружной рекламы уже используют WIFI-технологию для измерения аудитории вблизи всех цифровых экранов.
Объем собираемых данных достаточно большой, каждый месяц мы собираем примерно 300 млн идентификаторов (МАС-адресов), в них около 3 млн - уникальные.
В Gallery с 700 цифровых экранов компании в день собирается около 335 млн МАС-адресов.
В компаниях говорят, что все данные о пользователях деперсонифицированы. С учетом того, что сейчас осведомленность о MAC-адресе устройства не позволяет определить конкретного пользователя, то их сбор не нарушает закон, поскольку собираемые сведения не относятся к персональным данным, говорит руководитель направления "разрешение IT & IP споров" юридической фирмы Рустам Курмаев и партнеры Ярослав Шицле.
Собранных операторами данных о МАС-адресах в большинстве случаев недостаточно: их “стыкуют” с другими базами данных из разных источников. Используются базы данных операторов связи, кассового оборудования, рекламных платформ, платформ ОФД, а также платформ, которые специализируются на сборе Big Data. Обогащенная этими данными информация о MAC-адресах позволяет понять характеристики аудитории, которая находится рядом с той или иной конструкцией.
Операторы осваивают разные способы монетизации Big Data. На данный момент можно разделить основные способы применения аудиторных данных в наружной рекламе на две группы: это планирование рекламной кампании и оценка ее эффективности.
Как данные помогают планировать кампанию
Планирование включает в себя разного рода таргетинг. Russ Outdoor, например, для планирования рекламных кампаний использует продукты Platforma, совместного предприятия ВТБ и “Ростелекома”. С помощью инструмента Geo.Platforma, оператор подбирает места размещения рекламы.
Пример тепловой карты, собранной специалистами Platforma, по запросу клиента. На тепловой карте красным обозначены локации, где встречается наибольшее количество потребителей из целевой аудитории – в возрасте 35-45 лет с доходом выше среднего, проявляющие интерес к новостройкам и ипотеке – в привязке к ключевым автомагистралям. Распределение аудитории сформировано на основе обезличенных массивов данных кликстрима и банковских транзакций.
Цифрами обозначено количество рекламных конструкций партнера.
Понимая, где целевая аудитория встречается чаще, мы предлагаем рекламодателю более выигрышные локации. Данные о финансовых транзакциях, интернет-потреблении и онлайн-поведении помогают “раскрасить” город и увидеть, чем отличаются разные районы по более чем дюжине характеристик: полу, возрастным когортам, интересам и т.д.
Данные также позволяют операторам корректировать уже запущенную рекламную кампанию в зависимости от обстоятельств. Например, показывать рекламное сообщение, когда концентрация аудитории находящейся рядом с конструкцией выше, чем в среднем по городу. Также возможен таргетинг по времени, месту, погоде и другим параметрам. Например водитель, застрявший в пробке, сможет посмотреть более длинный ролик на экране напротив: цифровые экраны и анализ данных помогут рекламодателям это учесть.
Таргетирование на целевую аудиторию в реальном времени в среднем позволяет на 20% увеличить прирост доли целевой аудитории среди тех, кто увидел рекламную конструкцию, оценивает руководитель цифровых OOH продуктов Posterscope (входит в dentsu Russia) Вячеслав Ивакин.
Для одной из наших кампаний по продвижению цифрового сервиса таргетирование в реальном времени принесло дополнительные 50% целевых контактов. При этом целевая аудитория конвертировалась в целевое действие в четыре раза лучше, чем не целевая аудитория.
Анализ данных также помогает синхронизировать выходы рекламы с другими медиа, например, с рекламой на радио или в интернете. Если при размещении интернет-рекламы ставить в приоритет тех, кто уже видел наружную, это повышает показатель CTR (отношение числа кликов на баннер или рекламное объявление к числу показов) примерно в два раза, добавил Вячеслав Ивакин.
Как Big Data помогает оценить эффективность рекламы
Big Data также также применяется для анализа рекламной компании — в моменте, когда уже завершилась. Это очень важно для рынка наружной рекламы, которую нередко называют наиболее недоисследованным медиа – набор инструментов для отслеживания ее результатов весьма ограничен. Вспомните ли вы о том, видели ли вы рекламный щит с продуктом перед тем, как его купили, если вас спросят об этом в опросе? Может да, а может, и нет. Может, вы вообще не осознали, что его увидели. А ваше мобильное устройство помнит, были вы рядом с определенным экраном в момент, когда вам показывали эту рекламу, или нет. И это большое подспорье и для операторов, и для рекламодателей.
В Gallery рассказали об оценке эффективности рекламы известного торгового центра с помощью анализа данных. Рекламная кампания проходила с февраля по март 2021 года на 82 цифровых конструкциях оператора в Москве. Оператор сравнил данные, собранные конструкциями (более полумиллиона MAC-адресов) и данные клиента с его WiFi-ловушек в торговом центре. В данных оператора были выделены два сегмента аудитории — владельцы MAC-адресов, которые видели рекламу, и люди, которые точно рекламу ТЦ не видели. Gallery проанализировала пересечение каждой из групп с данными торгового центра о посетителях. После сопоставления выяснилось, что 0,36% людей, которые видели наружную рекламу ТЦ, пришли в торговый центр, и 0,26% людей, точно не видевших рекламу, также пришли в торговый центр. Так в Gallery подсчитали прирост конверсии в число дошедших до торговой точки — он составил 28%.
Подобным образом можно использовать Big Data для анализа доходимости до рекламируемых магазинов, анализировать, сколько из увидевших рекламную кампанию людей в итоге купили тот или иной товар или услугу, измерять рост бренд-метрик. О кейсе с подобными измерениями рассказали в OMD OM Group.В марте 2021 года Nissan проводила федеральную OOH-кампанию в 13 городах России, в ходе которой семь операторов наружной рекламы передавали данные о собранных МАС-адресах со своих билбордов в систему OMD Omnitarget. С помощью этой системы рекламная группа измеряла медиаметрию, проводила аналитику портрета пользователя и анализ доходимости до одного из дилерских центров в Петербурге.
В результате удалось выяснить, что более половины аудитории (51,5%), которая дошла в марте до дилерского центра, контактировала с наружной рекламой в городе.
Развитие аудиторных данных позволяет попытаться сделать наружную рекламу измеримой, а коммуникацию — управляемой, хотя пока и не случился подход, который бы мог претендовать на некий индустриальный стандарт и на комплексное решение проблемы измерений в наружной рекламе, обобщает директор по медиа закупкам GroupM Михаил Елисейкин.
Также полученные после завершения наружной рекламной кампании данные бренды могут использовать для ретаргетинга в диджитал-каналах, например, в соцсетях. Даже необогащенные mac-адреса, собранные с роутеров наружных конструкций, обладают устойчивым знанием об оффлайн-аудитории и могут быть интересны для таргетирования в интернете, это своего рода DMP (data management platform), а значит отдельный продукт.
Рандомизация MAC-адресов
Если доля размещений на цифровых конструкциях уже значительна, то доля продаж с учетом особенностей аудитории рядом с конструкцией пока очень мала: ее оценивают в несколько процентов от всего рынка. Дело в том, что инструментов на основе анализа Big Data пока есть барьеры: прежде всего, технологические.
Главное, что мешает этому сегменту — рандомизация отправляемых с устройств МАС-адресов. Это автоматическая смена номера устройства при подключении к сети. Производители устройств внедряют ее, чтобы защищать пользователей от случайного подключения к нежелательным Wi-Fi сетям, но при этом эта технологий существенно тормозит сбор данных WiFi-снифферами. Впервые рынок столкнулся с этой проблемой еще в 2014 г. после появления iOS 8, позднее это же обновление ввел Android.
В связи с рандомизацией операторы не могут идентифицировать значительную часть MAC-адресов.
Новые версии iOS и Android используют по умолчанию рандомизацию MAC-адресов. Это значит, что один и тот же клиент, подключенный к сети оператора (который может собирать данные для профилирования) и который был идентифицирован маячком устройства наружной рекламы, не сможет быть склеен в единого пользователя. Из-за этого будет невозможно понять профиль людей, которые взаимодействовали с рекламой.
“Текущие методы измерения не идеальны, и рандомизация МАС-адресов — одна из особенностей WIFI, которые ведут к снижению доли измеряемой аудитории”, — соглашается Сергей Наумов из Russ Outdoor. Рандомизация MAC-адресов мешает проводить важную аналитику по части оценки таких ключевых медиапоказателей, как частота и охват, добавила Марина Сурыгина.
По рандомным MAC-адресам, например, нельзя анализировать маршруты населения или использовать их при оценке охвата рекламной кампании. Хотя они могут быть использованы для оценки рекламных контактов (ОТС).
Сложности при обогащении данных
Есть определенные ограничения при “скрещивании” баз данных между собой, также рассказали участники рынка. Базы данных, которые содержат информацию из различных источников — номера телефонов, номера автомобилей, MAC-адреса — стыковать непросто, также сейчас еще не существует единого сквозного персонального идентификатора человека, по которому можно было бы легко состыковать базы, говорит Марина Сурыгина. “На данный момент "стыковка" происходит не по всей базе, а только по той ее части, которая "мэтчится" с другой базой по какому-то уникальному атрибуту”, — поясняет она.
Связка данных, собранных с размещения DOOH для последующего размещения на диджитал площадках, дает низкий уровень мэтчинга, так как рекламные системы также ограничены свой базой пользователей и знанием их hard id (телефон, email), а также ограничениями в обмене подобными данными между системами (закрытые экосистемы), добавил Алексей Матвеев. “Соответственно, на каждом пути этой воронки до размещения идут потери данных и в рекламные кабинеты приходит небольшой объем опознанной аудитории”, — говорит он. “Переход от одного идентификатора к другому всегда уменьшает объем данных”, — подтверждает Сергей Наумов.
Стыковать базы между собой не сложно, но, чтобы получить хорошие выводы по собранной аудитории нужно обращаться к разными источникам данных: ОФД, мобильным операторам, поставщикам вайфай и др., считает Иван Чехов. С каждым из них по отдельности мэтчинг как правило невысокий, но если соединить всех поставщиков вместе, то можно получить подробную картину по аудитории”, — добавил он.
Big Data в наружной рекламе: что дальше
Еще один барьер для развития Big Data в наружной рекламе — то, что не все рекламодатели готовы вкладываться в подобные технологии. Многие, по словам участников рынка, относятся к ним скептически и консервативны при планировании бюджетов.
Похожую трансформацию переживал диджитал, когда сначала статичное размещение перешло в ротационное, а затем уступило, наконец, место динамическому и программатику. Сейчас, сравнивая «барабанное» размещение в ООН и программатичное с использованием BigData, не всегда просто выбрать последнее, ведь в нем существенно меньше выходов.
Однако, несмотря на все перечисленные барьеры для развития технологий, участники рынка оптимистично смотрят на перспективы их развития. По прогнозу Алексея Матвеева из Publicis Media, увеличение проникновения цифровых конструкций в регионы позволит охватывать все большее количество аудитории, а возможность использования данных при размещении обеспечит спрос рекламодателей в будущем. В долгосрочной перспективе процессы запуска и получения результатов кампании будут автоматизированы, связка владельцев данных и рекламных систем будет усовершенствована, и, соответственно, можно будет получать более значимые результаты, говорит Алексей Матвеев.
Вячеслав Ивакин (Posterscope) уверен, что через лет 5 программатик-закупка наружки «в один клик» “крепко займет свою нишу и отлично встроится в инструменты покупки и измерения разных медиа через одно окно”.
В наружной рекламе, как и в интернете, будет больше работы с агрегированными персональными данными. Общие источники данных и сквозная аналитика позволят иметь единый подход к планированию и оценке эффективности кампаний.
В Russ Outdoor рассчитывают, что в дальнейшем с помощью аудиторных данных компания сможет более точно оценивать медиа-показатели рекламных размещений — сколько людей, как часто, когда видели наружную рекламу, что об этих людях известно — а также более четко связывать факт контакта с рекламой и ключевые изменения в поведении человека. “Полученные данные позволят более точно настраивать рекламу, более детально понимать отличия аудитории различных мест в городе”, - говорит Сергей Наумов. По его словам, возможно, операторы конструкций также смогут оценивать кросс-медийный охват аудитории, то есть то, как пересекается аудитория наружной рекламы, ТВ, интернета, радио. “Таким образом можно будет планировать медиа-микс, чтобы дотягиваться до большего числа своих потенциальных покупателей и управлять частотой контакта с рекламой”, - заключил директор по маркетингу Russ Outdoor.
“Данных будет больше. Появятся, скорее всего, альтернативные источники - видеоаналитика, данные моб. приложений. Измерения станут точнее. Будет учитываться до 100% аудитории каждого показа. Внимание к наружной рекламе увеличится, т.к. будет много беспилотных автомобилей, а пассажиры не будут отвлекаться на дорогу”, — ждет Марина Сурыгина из Gallery. Возможно, появятся новые форматы и места размещения наружки — в небе, на дороге, где-то еще, а это потребует новых методов сбора аудиторных данных, считает она. При этом про расчет ROI ( коэффициент, иллюстрирующий уровень доходности или убыточности с учетом суммы сделанных инвестиций) в наружке “говорить не стоит даже через 5 лет”, так как это охватный продукт, но замер кроссканального взаимодействия на человека в нескольких медиа, расчет кроссканального охвата и частоты должны стать возможными из-за пересечения данных, считает Марина Сурыгина.
А с какой радости я должен делиться своим MAC-адресом (и, следовательно, историей перемещений) с рекламными воротилами? Хвала рандомизатору.
Карманный роутер - ~1500 рублей. максимум. Прошивка на openwrt, перебирающая адреса быстро, с вещанием - 30-40 минут написания скриптов. Ну день отладки максимум.
И имитатор большой проходимости готов.
(По мотивам той истории с тележкой телефонов имитировавшей пробку)
Не могу понять несколько моментов, касающихся обогащения данных. Подскажите, как МАС-адрес обогащается полом, возрастом, профилем трат? МАС-адресах, человека, который прошел мимо щита можно состыковать с его платежами? По МАС-адресу видна поисковая история? По МАС-адресу можно давать таргетированную рекламу?
Нет, но это делает дата сотового оператора очень хорошо.
Я с утра прочитал статью, ходил по невскому, осмыслял, самая бомба - это пиллары с такой технологией, потому что реклама будет наиболее персональной)) ин май худдд
Это актуально для многих технологий, кстати.
Рандомизация - это проблема. Современный телефон на iOS и Андройд уже как несколько лет подменивают mac адреса при пассивном поиске, да и при активном подключении теперь тоже
У сожалению решение скорее всего не найдётся
Пока что вся динамическая реклама, которую я видел вызывает только отвращение - потому что вечером яркость поставлена слишком высокой и она сбивает адаптацию глаз к сумеркам.
Логика понятна, но в какой перспективе, я, сидя в офисе в сити, буду видеть рекламу мотоциклов Ducatti на цифровом баннере соседнего здания? Какова вероятность, что из 25 человек, рядом с рекламой, именно транслировать будут именно мою?