Как большие данные помогают делать видеорекламу лучше

Рассказывает Дмитрий Тюменков, CEO платформы программатик видеорекламы Hyper Audience

Видеорекламой традиционно принято считать ролики, которые размещаются в интернете: на сайтах, видео- и стриминговых платформах, в мобильных приложениях. В реальности набор площадок, где могут показываться рекламные видео, гораздо шире: это могут быть рекламные и выставочные стенды, цифровые экраны и любые другие подходящие носители, например, электронные газеты на жидких кристаллах или дополненная реальность.

Пользователи с каждым годом потребляют все больше видеоконтента, соответственно растет и сама сфера видеорекламы. Причем ее парадигма меняется у нас на глазах: она уходит от чисто имиджевого формата и превращается в эффективный инструмент digital-маркетинга. Сегодня рекламные видеоролики могут снабжаться формами заказа или другими СТА-кнопками, а пользователи могут совершать полезные действия непосредственно из самого рекламного видео. Перед маркетологами открываются огромные перспективы использования видео в рекламных целях.

Сегодня они научились собирать обезличенные данные о пользователях, объединять информацию об аккаунтах одного человека на разных площадках в единый профиль и показывать ему персонализированный видеоконтент в подходящий момент. Видеореклама становится таргетированной, причем происходит это в режиме реального времени. Большие игроки, производящие и продающие видеорекламу, для таких узкоцелевых показов используют социально-демографические и другие сопутствующие открытые данные о пользователях — работают с большими данными.

Вообще, говоря о Big data, следует иметь в виду, что это не какой-то огромный объем неструктурированных данных и даже не сами эти данные, а способы их обработки, с помощью которых можно распределенно обрабатывать, структурировать и представлять в понятном человеку виде.

Телеком-операторы одними из первых поняли, что можно успешно монетизировать большие данные для показа мобильной видеорекламы. Учитывая, что сейчас для них особенно актуален поиск альтернативных источников доходов — продажа обезличенных больших данных клиентов может стать для них отдельным бизнес-направлением.

Рекламные агентства с удовольствием покупают такие данные, хотя они стоят и дороже неперсонализированной информации. С помощью больших данных специалисты делают видеорекламу более эффективной, и здесь есть две большие сферы применения. Во-первых, можно проанализировать и узко сегментировать портрет потенциальной целевой аудитории. Обладая такими знаниями, показывать рекламные видео только тем, кому они действительно могут быть полезными. Можно пойти дальше и создать разные рекламные ролики для каждого сегмента пользователей, добившись тем самым колоссального повышения вовлеченности и других метрик эффективной видеорекламы. Картинку такого идеального будущего можно увидеть в фильме Спилберга «Особое мнение», когда рекламный носитель, идентифицировав пользователя по сетчатке глаза, показывает ему персонифицированную рекламу.

Во-вторых, отследив одного и того же пользователя на разных платформах и в разных соцсетях, можно проанализировать его поведение и оценить возможные паттерны его действий. Сразу хочется оговориться, что ни о какой слежке за гражданами речь здесь не идет — все идентификаторы пользователя анонимы и обезличены. Однако, анализ таких больших данных позволяет таргетировать видеорекламу не только под пользователя, но и под конкретные платформы или площадки. Данные о пользователях, собранные в открытом доступе: куки, сведения из профилей соцсетей делают видеорекламу по-настоящему омниканальной. Такая реклама может догонять пользователя при его перемещениях с одной платформы на другую и синхронизировать рекламные кампании бренда на разных устройствах.

DOOH-programmatic, digital out of home — интерактивные медиа в общественных местах. Интересный пример — наружная реклама Jaguar, которая появилась осенью 2016 года на дорогах Москвы. Уличные рекламные щиты, стоящие вдоль трасс, оборудованы «глазами» — специальными камерами, данные которых может обрабатывать искусственный интеллект. Он узнает, машины конкурентных марок, приближающиеся к щиту, затем учитывая погодные условия и время суток, показывает водителям один из четырех рекламных видеороликов.

Еще один пример, как с помощью Big data персонализировать видеорекламу — решение по сращиванию офлайна с онлайном американской компании Clear Channel Outdoor RADAR. Сервис собирает данные мобильных GPS и создает маршруты перемещений целевой аудитории. Затем он объединяет эти данные с информацией от телеком-операторов и делает прогноз, какие потребители и когда окажутся рядом с носителем видеорекламы. Таким образом система Radar повышает релевантность уличной рекламы в разы. Кроме того, она может собирать аналитику о тех пользователях, которые реально увидели конкретную видеорекламу — так Big data работает в обе стороны.

С каждым днем маркетологи могут получать и обрабатывать все больше данных о пользователях. С помощью Big data стало возможным создание персонифицированных рекламных видео, которые можно показывать индивидуально каждому пользователю, подстраиваясь под его жизненный контекст. А связка онлайн данных с информацией по ключевым геолокациям, которые посещал пользователь, делает таргетирование видеорекламы практически уникальным: вы увидите разные рекламные ролики в своем телефоне, в зависимости от того, какие магазины сегодня посетили.

Сегодня технологии идут дальше и позволяют применять программатик решения для автоматического сбора данных и создания узкотаргетированных видеороликов и даже кампаний. Программатик – это технология автоматизированной закупки рекламы на основе заранее определенных алгоритмов для принятия решений о сделке, которые учитывают социально-демографические и поведенческие данные о пользователях, имеющихся в распоряжении как рекламной площадки, так и рекламодателя. Соответственно, программатик видео – это использование метода программатик как рекламной платформы для видео.

«Продвигая свои видеоролики с помощью programmatic технологии, вы привлекаете нужных пользователей и увеличиваете время взаимодействия с вашим видеоконтентом», – Ник Адамс, руководитель по цифровой трансформации О2 рассказывает про видеокампанию О2, направленную на информирование клиентов об обновлении тарифов. Для кампании были созданы специальные mobile видеообъявления, при этом данные о пользователе, его устройстве и местоположении использовались для добавления релевантных call to action в видео. В рекламном видео пользователю показывали его модель телефона, указывали стоимость его подключения к О2 и давали ссылку на ближайший салон компании. В ходе кампании в режиме реального времени было создано более 1000 версий видеорекламы. Одним из результатов такого подхода стало 128% увеличение скорости клика по сравнению с обычным «общим» видеороликом.

Отдельно стоит выделить применение Big data в мобильной видеорекламе. Реклама в мобильных приложениях может использовать в режиме реального времени геоданные, а также информацию о том, какими приложениями пользуется абонент. Маркетологи повышают вовлеченность пользователя, применяя игровые методики и показывая ему так называемые rewards-видео. За просмотры такой рекламы пользователь получает вознаграждение, которое может зависеть от его поведенческого контекста. Это может быть персонифицированная внутренняя валюта приложения или другие бонусы, ценность которых выявлена на основе анализа пользовательской Big data. Rewarded video можно показывать игрокам в обмен на какие-то ачивки: оружие, постройку нового здания или апгрейд игрового персонажа.

Например, в Family Guy: В Поисках Всякого пользователь может просмотреть ежедневную видеорекламу и получить награду.

Не обойдется и без больших данных видеонейромаркетинг, которому как воздух нужны исследования потребительского поведения с использованием достижений нейрофизиологии и когнитивной психологии. С помощью сенсоров можно в режиме реального времени отслеживать, как реагирует пользователь на ту или иную видеорекламу и корректировать контент для показа «на лету». В британском фильме Many Worlds меняется концовка в зависимости от реакции зрителя на сюжет.

Перед началом кино на зрителе закрепляются сенсоры, которые мониторят его мозговую активность, сердечный ритм и степень мышечного напряжения. Все эти данные отслеживаются в режиме реального времени специальной программой, которая проанализировав их, показывает зрителю один из четырех возможных финалов картины.

К сожалению, не все так радужно и сегодня есть два больших препятствия на пути тотального использования Big data в видеорекламе. Это работа с персональными данными, которая строго регламентируется законом. Для рекламных агентств, работающих с большими данными, это усложняет их процессы и заставляет использовать дополнительные ресурсы, затрачиваемые на поддержание должного уровня информационной безопасности.

Вторая причина — неготовность поставщиков больших данных к сотрудничеству. Сегодня для созданий единого пула данных о потребителях необходимо объединить большие сегменты совершенно разрозненных данных. Сервисы, которые научаться делать это и использовать для производства персонифицированной видеорекламы, несомненно получат огромное конкурентное преимущество и станут первопроходцами в мир сверх-таргетированной direct-to-consumer рекламы будущего.