McKinsey Advanced Analytics
7 146

Эффективное промо: разобраться и перенастроить

Почему продуктовые ритейлеры испытывают трудности с промо, и как data science может помочь их решить

В закладки

Мы начинаем серию публикаций о том, как инструменты data science работают в разных отраслях бизнеса. В первой статье речь пойдет о ритейле.

Представьте себе огромный бассейн, который наполнен сотней цветных жидкостей разной плотности. Вы бросили в бассейн камень, от него пошли круги, жидкости начали смешиваться. Как они влияют друг на друга? А что если кинуть камень потяжелее или сразу несколько?

Это метафора работы ритейл-бизнеса. На динамику продаж тысяч товаров воздействуют сотни факторов, от места на полке и текущих промо-активностей до погоды и политической ситуации. Сопоставив эти параметры и проанализировав механику их взаимного влияния, розничная сеть может выйти как на новый уровень понимания своего клиента, так и на заметно более высокие показатели доходов. Единственное — это возможно только с помощью data science.

Промо – первый приоритет для data science в ритейле

Еще в доцифровую эпоху в ритейле собирали и анализировали данные, чтобы лучше разбираться в потребностях покупателей, но технологическая революция расширила эти возможности. Появились новые источники данных, способы их обогащения и главное — компьютерные мощности, которые позволяют обрабатывать терабайты информации за считанные секунды. Наступила эра углубленной аналитики — инструментов data science для работы с большими массивами внутренних и внешних данных.

Конечно, нельзя «так просто взять и покрыть аналитикой все сразу», если в компании раньше совсем не работали с большими массивами данных или работали мало. Часто возникает вопрос: с чего начать? В каком блоке бизнеса и к какой задаче применить data science, чтобы окупить затраты и заложить правильную основу для работы с углубленной аналитикой в будущем?

Промо, ассортимент и ценообразование — основные рычаги коммерческого блока в ритейле. Часто начинают именно с промо, поскольку этот инструмент является неотъемлемой частью коммерческой стратегии практически всех розничных сетей, а эффект от него можно получить достаточно быстро.

Зачем сетям промо-акции

Существует заблуждение, что ритейлеры привлекают покупателей большими скидками, чтобы избавиться от некачественных товаров. Это не так. В действительности у промо-активности ритейлеров два основных драйвера:

  • Извлечение прямой выгоды за счёт эластичности спроса. При снижении цены на товар его продажи растут; часто рост перекрывает величину скидки, и по итогам сеть остается в выигрыше
  • Вынужденное следование за другими игроками на рынке в борьбе за трафик. Если прямой конкурент проводит промо на «каждый второй» товар в категории, не делать промо-акции в этой категории у себя может быть опасно, даже если они не приносят никакого положительного экономического эффекта

Если первый драйвер понятен, то второй — вызывает вопросы. В долгосрочной перспективе обилие промо приводит к оттоку трафика из сети и финансовым потерям. Что же побуждает игроков на рынке наращивать долю промо даже в категориях, где это не приносит прямой экономической отдачи?

Когда маркетинг становится промо-зависимостью

В России промо-маркетинг получил ускорение из-за экономических кризисов. Слабый рубль и зависимость от закупок импортного сырья привели к удорожанию производства многих товаров и повышению конечной цены для потребителей.

Но темпы роста инфляции так и не дали производителям и ритейлерам приучить людей покупать товары по новым ценам. Чтобы поддержать продажи на фоне падения покупательской способности, сети стали наращивать промо-активности. Конкуренция за покупателя переросла в настоящие промо-войны.

Как результат — по статистике Nielsen, доля продаж по промо-акциям топ-20 категорий FMCG в первом полугодии 2018 года достигла рекордных 64%. А в некоторых сегментах, например, стиральные порошки, показатель превышает 80%.

Эксперты в один голос говорят о запромотированности российского рынка. Покупатели подсели на скидки, а для производителей и ритейлеров промо стало ключевой составляющей ценовой стратегии, в результате чего и те, и те рискуют потерять в маржинальности.

Причины такого поведения ритейлеров понятны. Классическая для теории игр ситуация дилеммы заключенного проявляется на розничном рынке в полном объёме. Несмотря на то, что парето-оптимальным для всех игроков было бы совместно сократить объёмы промо в части категорий (таких, как стиральные порошки или кофе), ни один не готов выступить первым в роли «санитара леса». Каждый, кто решится на этот шаг, потеряет существенную долю трафика и валовых показателей, если конкуренция не отреагирует незамедлительно.

А кто может гарантировать мгновенный симметричный ответ конкурентов? Равновесие Нэша, существование которого было доказано еще в 1950 году, продолжает обеспечивать покупателей нескончаемыми скидками на бытовую химию.

Интуиция против данных

Но и выгода в виде достижения прямого экономического эффекта — первый драйвер высокой промоактивности — вовсе не очевидна. Проблема в том, что больше половины промо-кампаний на самом деле неэффективны. В Nielsen подсчитали, что порядка 60% акций себя не окупают.

Это напрямую связано с тем, что в ритейле плохо умеют работать с богатыми массивами данных — а они есть в распоряжении каждой сети. Это чеки, профиль клиента по карте лояльности, исторические данные по промо-кампаниям.

Что лучше поставить в промо, на какой период и с какой скидкой, чтобы привлечь максимальное количество клиентов, расширить покупательскую корзину и получить лучшую компенсацию от поставщика? До недавнего времени большинство ритейлеров искали ответы на эти вопросы даже не с помощью простой математики, а на уровне ощущений, доверяя интуиции и экспертному опыту категорийных менеджеров. «Мы всегда так делали» — стандартный ответ на просьбу объяснить стратегию промо или выбор той или иной позиции.

Три эффекта промо: декомпозируя айсберг

На полках среднестатистического супермаркета 5-10 тыс. товаров, при этом в промо одновременно стоят сотни SKU (stock keeping unit — единица складского учета). И запуск акции на один товар неминуемо влияет на динамику продаж других.

В то время как большинство сетей ориентируются лишь на прямой эффект от промо — примерно оцененный прирост продаж по товару — это лишь вершина айсберга. Параллельно промо порождает косвенное влияние на другие товары внутри и вне определенной категории — как положительное, так и отрицательное. Среди таких косвенных эффектов каннибализация, закупка впрок и галло-эффект. Как и в случае с реальным айсбергом, скрытая от глаз часть может быть равной и даже больше той, что на поверхности.

Эффект №1. Галло-эффект. Промо увеличивает продажи других товаров

Например, вместе с промо на мясо для шашлыков перед майскими праздниками увеличиваются продажи кетчупа.

Оценка галло-эффекта имеет комплексный характер, так как требует предварительного формирования ассоциативных правил — вычисления поведенческих привычек, взаимосвязи между товарами. С чем чаще всего покупают товар? Такой анализ строится на базе данных лояльности или обычных чеков и оценивает, вероятность покупки каких товаров больше всего повышает факт покупки другого товара. При этом такая взаимосвязь не симметрична. Купивший бутылку виски с большой вероятностью обнаружит в своей корзине ещё и пару литров колы, а купивший колу дополнит свою корзину бутылкой виски далеко не всегда.

Задача оценки галло-эффекта становится еще более интересной, если учесть, что связанные товары также часто находятся в промо, каннибализируются другими товарами, имеют свои сезонные закономерности. В среднем проводимое промо приводит к росту продаж более десятка других товаров, а само значение галло-эффекта у продуктовых ритейлеров находится в диапазоне от 0 до 30% от прямого эффекта на промотируемый товар.

Эффект № 2. Каннибализация. Промо снижает продажи других товаров

Например, проведение промо-акции на куриные ножки может снизить спрос и на куриное филе, и на красное мясо, и на рыбу.

Ключевая сложность в оценке каннибализации не в том, чтобы вычислить, насколько снизились продажи товаров — на этот вопрос можно ответить методами базовой аналитики. Вопросы калибра углублённой аналитики — это определить, какие промо-акции привели к снижению продаж каких товаров, и как это снижение правильно распределить между всеми промо-активностями.

Приведём пример: В каждый момент времени в промо находятся от пятидесяти до нескольких сотен товаров. Даже если ограничиться одной категорией «Шоколад и конфеты», то и в ней число товаров в промо может исчисляться десятками. Преследуя цель оценить каннибализацию, вызванную промо-акцией на шоколад Lindt, который продавался со скидкой в течение трёх дней, нам предстоит пройти несколько последовательных шагов и ответить на ряд аналитических вопросов.

Вопрос 1. Какие товары категории являются товарами-заменителями для Lindt?

Ответ лежит в плоскости понимания потребностей клиента — как гость принимает решение о покупке товара? Что он обычно покупает, когда шоколада Lindt не оказывается на полке?

Оценить, между какими товарами в действительности происходит выбор, позволяет метод построения дерева покупательских решений. Фундаментом для него является анализ исторических переключений между товарами на базе данных карт лояльности или сложного покупательского опроса. Какие товары в прошлом люди «заменяли» на другие, а какие покупались независимо разными гостями.

Игнорирование ответа на этот вопрос приводит к серьезным ошибкам. Снижение продаж шоколада, который закрывает совсем другую покупательскую потребность (например, «Алёнка»), можно ошибочно объяснить промо-акцией на шоколад Lindt и сделать вывод о неэффективности этого промо — и это будет неверно. В среднем от 5 до 25 товаров-заменителей приходятся на один товар в промо, при этом для фрагментированных категорий (например, «Вино») их больше, а для концентрированных (например, «Молоко») — меньше.

Вопрос 2. Как изменились продажи товаров-заменителей?

Простой на первый взгляд вопрос таит множество подводных камней. Продажи товаров могли измениться существенно, но одна часть этого изменения могла быть вызвана отсутствием товара в магазинах, другая сезонными колебаниями спроса, а третья — вообще окончанием другой промо-акции на сами эти товары. Очистка временных рядов и выявление чистого изменения — отдельная аналитическая задача.

Вопрос 3. Какая часть изменения продаж товаров-заменителей вызвана промо на Lindt?

И даже ответив на вопрос о чистом изменении выбранных товаров, говорить об истинном значении эффекта каннибализации все равно сложно. Оказывается, параллельно с исследуемым промо на Lindt проходило также и промо на другой элитный шоколад. Более того, это промо длилось всю неделю, а промо на Lindt — лишь три дня. Кроме этого, после прошлой недели еще два вида шоколада из среднего ценового сегмента остались в распродаже с небольшой скидкой для нормализации товарных запасов.

И тем временем в части магазинов в ассортимент был введён новый шоколад, российский аналог премиального Lindt. Какую долю рассчитанного снижения стоит отнести именно к эффекту нашего промо? Корректная оценка каннибализации — один из ключевых факторов в расчете полной эффективности промо-акции и крайне интересная задача углубленной аналитики.

Значение каннибализации в денежных терминах может достигать 150% от прямого эффекта и в корне менять выводы о том, для каких товаров и категорий стоит проводить промо, а для каких — нет.

Эффект №3. Закупка впрок. Промо влияет на спрос на товары на недели вперед

Этот эффект особенно ощутим в сегменте бытовой химии и продуктов, которые могут храниться долго (так называемые категории с нерасширяемым спросом). Вместо того, чтобы стимулировать потребление товара, промо-акция только сдвигает спрос во времени.

Важный аспект закупки впрок заключается в том, что эффект присущ не только самому товару в промо, но и товарам-заменителям. Так, если промо-акция на кофе одного из брендов привела к снижению продаж кофе другого бренда (каннибализация), то после окончания промо снизятся продажи обоих брендов. И такой эффект может достигать 50% от прямого эффекта промо в отдельных нерасширяемых категориях.

Резюмируя, планирование промо — комплексная математическая задача. Она требует точных расчетов, которые невозможно сделать при помощи стандартных аналитических инструментов, поскольку переменных слишком много, а массивы данных слишком велики.

При этом объемы работы категорийного менеджера не позволяют проводить трудоемкие расчеты вручную. Промо в его календаре конкурирует с десятками других вопросов. Несколько товарных категорий с сотнями SKU в каждой, договорные отношения с поставщиками, определение ассортимента и ценовой стратегии на тысячи магазинов — все это в его ведении.

И тут на помощь приходят инструменты data science: алгоритмы, модели и Python или R, чтобы воплотить их в жизнь.

Кейс из практики

В McKinsey обратился крупный ритейлер c просьбой помочь настроить функцию промо. В торговой сети уже работали с данными, но они собирались в разных форматах, поэтому сделать правильные выводы по всем категориям товаров было невозможно. Часть инсайтов не была доступна вовсе.

Из запланированных сроков запуска промо-кампаний постоянно выбивались, огромное количество времени уходило на “тушение пожаров”. Такой порядок работы приводил к конфликтами между бизнес-функциями и напряженной обстановке в коллективе.

Совместная команда McKinsey и ритейлера разработала продвинутые алгоритмы комплексной оценки эффективности промо. Чтобы ими было удобно пользоваться каждый день, были созданы интуитивные инструменты для категорийных менеджеров и промо-команды.

Первый — календарь для планирования промо-акций по товарным категориям на базе анализа исторических данных. В календарь интегрировали модуль наполнения товарных категорий конкретными SKU. Вместе эти два инструмента позволяют прогнозировать потенциальный доход и контролировать, чтобы масштабы промо не выходили за пределы операционных возможностей, дают прозрачность поставщикам.

Подготовка и ход промо-кампании требует постоянного отслеживания (а при необходимости — корректировки) десятков параметров. Поэтому данные по этапам реализации промо (наполнение, расчет объемов, заказы поставщикам, производство товара, реализация, подвоз, выкладка) свели в промо-трэкере. А для ретроспективного анализа результатов завершившихся промо-кампаний подключили аналитические дэшборды, в которых консолидируются финансово-коммерческие данные (продажи, маржа, списание) и формируются отчеты.

По нескольким категориям товаров был запущен пилот алгоритмов и разработанных инструментов для тестирования новых подходов. Все товарные категории, участвовавшие в пилоте, показали хорошие приросты по товарообороту и марже.

Что в итоге

В отличие от интернет-ритейлеров, где углубленная аналитика изначально покрывает все функции бизнеса, традиционные розничные сети умеют собирать данные, но по-прежнему работают с ними несистемно. Оффлайн-ритейл в России только начинает всерьез осваивать data science.

Эффект от промо-кампаний, основанных на данных, может достигать 2-3% от общей выручки торговой сети. Для низкомаржинальной индустрии, которой является ритейл, это очень большие цифры.

Почему было продано мало товара? Потому что мало заказали? Потому что мало подвезли? Потому что поставщик мало произвел? Или потому что покупатель не покупал даже по скидке?

Продуманная система инструментов углубленной аналитики делает дискуссию по промо на порядок конструктивнее. Обсуждаются конкретные цифры, факты и выводы, а не истории в духе «что-то продали меньше, но в следующий раз будем стараться лучше».

В следующих статьях о data science в ритейле мы расскажем, как при помощи углубленной аналитики повысить качество двух других рычагов коммерческой триады — ценообразования и ассортимента.

{ "author_name": "McKinsey Advanced Analytics", "author_type": "editor", "tags": [], "comments": 12, "likes": 29, "favorites": 35, "is_advertisement": false, "subsite_label": "mckinsey", "id": 69835, "is_wide": true, "is_ugc": false, "date": "Thu, 30 May 2019 15:27:58 +0300" }
{ "id": 69835, "author_id": 299905, "diff_limit": 1000, "urls": {"diff":"\/comments\/69835\/get","add":"\/comments\/69835\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/69835"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 299905, "last_count_and_date": null }
12 комментариев

Популярные

По порядку

Написать комментарий...
3

очень красивая теоретическая поэма.

а в чем эффект для заказчика?
что конкретно пилотировали, какую бизнес-метрику замеряли и как она изменилась?

дэшборды сложно назвать Data Science + в них явного экономического эффекта для заказчика нет

Ответить
0

Добрый день! Спасибо за комментарий.
Совершенствование системы управления промо обычно нацелено на повышение либо валового дохода, либо товарооборота. Как упоминается в статье, 2-3% прироста – амбициозная, но реалистичная цель по росту маржи.
Полноценная «перезагрузка» системы включает внедрение целого ряда инструментов: создание и внедрение промо-календаря (распределение промо-ресурса между категориями и постановка целей), наполнения промо конкретными товарами (выбора эффективных артикулов, промо-механик), промо-ежедневника (операционное отслеживание реализации промо), а также сквозного процесса, обеспечивающего слаженную работу всех сторон и инструментов. Именно работа и эффективность этих элементов пилотируются. При этом все инструменты основываются на продвинутом алгоритме анализа реальной эффективности промо с учётом эффектов, описанных в статье – здесь и раскрывается в полной мере мощь data science.

Ответить
0

спасибо за еще одну поэму, оторванную от описываемого кейса.

не получил ответов на свои вопросы.

"анализ эффективности при помощи мощи data science" - сам термин "анализ эффективности" подразумевает репортинг, а не предсказательные/рекомендательные алгоритмы, поэтому вы связываете не совсем связываемые вещи, пытаясь назвать дэшборды "инструментом ПОВЫШЕНИЯ эффективности"

именно в этом вопросы:
- что конкретно делает алгоритм?
- какая метрика эффективности замеряется?
- как изменяется эта метрика в режиме "алгоритм vs стандартный подход"?

Ответить
1

Суть достаточно простая. Ритейлеру за сотни 4 штук баксов всучили пару костылей на питоне и r, которые прикрутили к какому-будь табло. Процесс неподдерживаемый принципиально и будет жить до первого изменения в процессах или людях.
Но продают они это круто!
Эффект был посчитан на основе лучших практик каких-то немецких и американских клиентов МсК, находящихся под nda.
Бизнес-эффект не считали, так как проект длился месяц-два
Если у ритейлера команда не сменится и разберётся в теме, то через год будет что-то адекватное

Ответить
0

Добрый день! Спасибо за комментарий!
Вы затронули очень важную составляющую любых проектов, а особенно проектов с элементами advanced analytics. Это выстраивание компетенций организации, позволяющих далее поддерживать и развивать внедренный продукт. Для обеспечения долгосрочного эффекта, мы помогаем специально выделенным сотрудникам «разработаться в теме» еще во время проекта. Они фактически участвуют в разработке вместе с нами. Причем разработка ведется прямо на серверах организации, чтобы обеспечить максимальную преемственность знаний и кода.

При этом большая доля проектов включает в себя также и стадию пилотирования, когда инструмент внедряется в реальный бизнес и оценивается его эффективность в финансовых терминах.

Ответить
1

Другими словами, вы предлагаете рознице заниматься разработкой ПО. Вам не кажется, что это противоречит всем принципам, McK которые проповедовали до этого?

Ответить
1

проблемы очерчены , но тема не раскрыта, что сделали то?...мб в будущих статьях

Ответить
1

Извлечение прямой выгоды за счёт эластичности спроса. При снижении цены на товар его продажи растут; часто рост перекрывает величину скидки, и по итогам сеть остается в выигрыше

В таком случае лучше понизить цены на товар навсегда. Зачем здесь промо, да ещё со сложными расчётами?

Ответить
0

Добрый день! Отличный вопрос.
Такая гипотеза звучит «в коридорах» многих сетей и иногда ведет к внедрению стратегии EDLP (everyday low price) для части товаров. В этом случае для них не проводится промо, а просто выставляется более низкая цена. Но это не всегда возможно, ведь зачастую скидку на товар финансирует поставщик (а его бюджеты на промо-поддержку ограничены). Также повышенный спрос на товар часто имеет временный характер и через несколько недель нахождения товара в промо сильно затухает.

Ответить
0

Много текста, но сути не увидел...
Может чего-то не понимаю, но надеюсь в будущих статьях раскроется тема.

Ответить
0

Красиво... ждем развития событий - что и как

Ответить
0

Как пощупать продукт?

Ответить
0
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Голосовой помощник выкупил
компанию-создателя
Подписаться на push-уведомления
{ "page_type": "default" }