[МУЗЫКА] И первый большой блок, который мы рассмотрим,
это именно данные, то, кому мы будем показывать нашу рекламу.
И в последнее время все чаще и чаще встречаются такие понятия,
как большие данные, Big Data.
Все говорят, что ее нужно использовать, хранить.
На самом деле огромное количество данных о людях,
о их жизни, о их поведении хранится у таких крупных организаций,
как, например, «Сбербанк» или Налоговая, которые являются самыми большими
хранилищами данных в России на данный момент.
И вообще, весь объем данных, который сейчас доступен в мире,
растет невероятными темпами.
Конечно, большой толчок к этому дал Интернет,
который позволил не просто хранить данные, но еще и делиться ими с другими людьми.
Но и организации понимают, что на самом деле внутри них
хранится огромный потенциал, исследовав который, можно понять, куда же двигаться.
И это непосредственно подтверждается цифрами в том, что объем данных,
хранимый внутри стран, непосредственно внутри России,
растет от года к году довольно сильно.
И если разделить все те данные,
которые можно использовать в рекламе непосредственно в programmatic закупках,
то можно выделить три блока, три категории этих данных.
И делим мы их на основании того, кому они принадлежат.
И первый большой блок, он наиболее ценен для самого рекламодателя, для самого
клиента, это First party data, который непосредственно принадлежит рекламодателю.
Это вся информация, которая у него есть о его пользователях.
Это данные CRM базы о том, кто покупает у него товары,
это их мобильные телефоны, либо почта, либо имя и фамилия и так далее.
Эти данные хранятся у клиента, ему непосредственно принадлежат.
Противоположная категория этой — это Third party data,
это те данные, которые принадлежат некоей третьей стороне,
они ею обработаны, сформированы и готовы к продаже.
Эти данные наиболее развитые, они появились исторически самыми первыми
и сейчас чаще всего используются, так как они доступны на рынке, их легко купить.
Между этими категориями находится категория Second party data.
Это данные партнеров, которые на самом деле являются их First party data,
но когда они делятся со своим партнером на безвозмездной основе,
для партнера они становятся Second party data.
Это не самая используемая категория данных,
так как зачастую два даже контрагента боятся делиться своими данными,
боятся, что конкуренты или даже партнер сможет узнать то,
чего не стоит, либо сможет обогатиться за этот счет.
Поэтому мы сегодня поговорим в первую очередь о данных первой
стороны и данных третьей стороны.
И начнем мы именно с данных третьей стороны, так как этот вид
наиболее распространен и наиболее проработан на programmatic рынке.
Как раз те самые DMP, Data Management Platforms,
и являются хранилищами всех данных, они их обрабатывают,
они их предоставляют на рынок в виде готовых сегментов, которые можно купить.
И самым простым и классическим видом таких данных является
обработанное поведение в Интернете: что пользователь ищет на сайте,
что пользователь вбивал в поиск в Интернете, какие категории сайтов посещал,
какие разделы, какие товары просматривал в интернет-магазинах и так далее.
Второй вид данных уже приближает нас к некоему офлайн-поведению
пользователя — это геолокация.
Геолокация стала развиваться, когда стали развиваться мобильные телефоны, которые
практически в безостановочном режиме собирают все данные, где мы находимся.
Соответственно, чем больше мобильных телефонов, чем чаще включен у них GPS,
тем больше данных мы знаем о пользователе,
куда он ходит, в какие рестораны заходит, как часто и так далее.
И это очень важно, потому что, конечно,
мы много времени проводим в Интернете и много оставляем о себе цифровых следов.
Но ведь огромная часть нашей жизни остается в офлайне: мы просыпаемся,
чистим зубы зубной пастой какого-то бренда, идем утром за кофе в
какую-то кофейню по дороге на работу, где-то работаем.
Потом идем с друзьями в кино, выбираем определенный кинотеатр.
И вся эта информация не всегда хранится где-то в Интернете.
Поэтому, конечно, очень интересно для рекламодателей ее тоже обрабатывать
и применять для рекламы, для создания полного портрета аудитории.
И к этому рынок стремится,
рынок стремится собирать обезличенные данные, так как только это законно на
данный момент: офлайн-данные с транзакций пользователя, так как именно то,
где мы расплачиваемся, часто характеризует все наше офлайн-поведение.
Следующий этап, до которого еще пока рынок не дошел,
но уже близок к этому, это сбор данных с носимых устройств: с «умных» часов,
с «умного» дома — это любая бытовая техника, которая подключена к Интернету,
которая знает, вероятно, о том, какие продукты хранятся у вас в холодильнике,
«умные» часы знают, какая у вас температура тела и какой пульс.
И это так же позволяет рекламодателям, точнее, еще позволит в будущем,
знать все о своем пользователе вплоть до его состояния здоровья.
Примерами таких данных третьих лиц, которые доступны на данный
момент на рынке, может быть, например, для бытовой техники,
это некий интерес, который пользователь проявляет в данный момент.
Он читает отзывы, выбирая себе стиральную машину, он смотрит на YouTube видео о том,
какие машины лучше, смотрит видеообзоры, ищет в поиске информацию,
сравнивает модели на разных сайтах, на «Яндекс.Маркете», например, и так далее.
Кроме того, можно искать по косвенным признакам, например,
интерес к ремонту, вероятно, вызовет интерес к бытовой технике,
к обновлению бытовой техники в квартире.
Либо покупка новой квартиры также может привести к покупке бытовой техники в
будущем.
Все эти интересы можно использовать в рекламных кампаниях, показывая тем самым
свое сообщение не всем, а тем, кто близки в данный момент к покупке.
Другой пример — это скидки и акции.
Как мы знаем, люди делятся на несколько типов, и многие из них реагируют именно
на скидочные предложения и в Интернете зачастую ищут что-то со словом «скидка»,
«акция», ищут, где купить товар по наиболее выгодной цене.
Это особая категория людей, для них стоит подбирать
особые сообщения и в рекламной кампании выделять для них особые сегменты.
Это тоже позволяет сделать programmatic закупка.
С другой стороны, финансовая история.
Тоже достаточно важно понять, кому показать рекламу кредита,
а кому показать рекламу вклада.
Здесь тоже существует ряд методов того, как мы можем на данный момент найти
пользователей, например, тех, кто проявлял интерес к кредитам, тех,
кто на различных сайтах сравнивал кредиты у разных банков, выбирал кредитную карту.
Причем в калькуляторах подбора кредита зачастую вводится и текущая заработная
плата пользователя, и тот период, на который он готов взять этот кредит.
Соответственно, информацию мы можем собирать в огромном количестве и
показывать рекламу настолько сегментировано,
насколько сейчас считаем эффективно.
Другой большой блок данных — это собственные данные пользователя.
И в первую очередь, тот подход,
который позволяет использовать собственные данные, это ретаргетинг.
Ретаргетинг по сути — это сбор пользователей с сайта клиента для
дальнейшего их преследования.
Инструмент сейчас активно развивающийся, все его используют,
так как непосредственно этот пользователь уже проявил интерес к вашему
продукту или товару, значит, в ближайшее время он, скорее всего, его купит.
Соответственно, необходимо быть максимально близко с этим пользователем,
чтобы до покупки он о вас не забыл.
При этом programmatic открывает огромный простор,
для того чтобы делать ретаргетинг эффективно, так как мы в любой момент,
когда пользователь находится в Интернете, по сути, можем оказаться рядом с ним,
так как programmatic объединяет огромное количество сайтов.
Соответственно, пользователь в нужный момент получит наше рекламное сообщение.
Развитие programmatic инструмента — это look-alike.
look-alike позволяет нам не просто искать нашу целевую аудиторию по тем параметрам,
которые мы точно знаем, или нашим гипотезам.
look-alike позволяет на основе автоматического обучения системы
выявлять именно те параметры, которые характеризуют нашу целевую аудиторию.
Причем работать look-alike может на основе нескольких баз.
Это как аудитория сайта всего, то есть пользователи, которые пришли
к нам на сайт, вероятно, это как раз наша самая ценная наша целевая аудитория.
С другой стороны, мы внутри сайта можем выделять только тех,
кто совершил конверсию.
Соответственно, это максимально эффективная аудитория,
которую можно выделить на сайте.
Пользователь, который совершил покупку и потратил деньги, значит,
пользователь действительно прошел тот путь до покупки,
и нам наиболее выгоден.
С другой стороны, как мы обсудили ранее, у нас есть данные из CRM базы,
тех, кто не покупал в онлайне, но зато купил в офлайн-магазине.
И более косвенные методы — это люди, кликнувшие на баннер,
либо досмотревшие ролик до конца.
Особенно это актуально для FMCG клиентов,
которые зачастую не могут отследить своих покупателей ни в онлайне,
не имея e-commerce, ни в офлайне, так как продаются через сети ретейлеров.
Итак, мы выделили ту целевую аудиторию,
которую сейчас считаем наиболее эффективной и выгодной нам.
Далее мы загружаем ее в систему и ищем те параметры, которые ее отличают.
Соответственно, эти параметры могут быть нам неизвестны,
только система их определяет, они могут даже не иметь названия.
Но они присущи кому-то еще, кроме этих людей внутри нашей базы,
которую мы загрузили.
Именно выделив нужные признаки,
система расширяет их на новую аудиторию, которая еще на нашем сайте не была,
еще не знает о нашей акции, но потенциально очень эффективна для нас.
И тем самым, вероятно, найдет нам новых покупателей,
которые принесут нам необходимую эффективность.
И третий вид данных, которые можно и нужно обязательно использовать в рекламе,
это CRM данные, если они есть у клиента, это данные из базы пользователей,
телефоны, e-mail'ы и так далее, которые характеризуют именно офлайн-поведение.
На основе этих данных можно формировать подходы,
на постоянной основе поддерживать те сегменты,
которые нужно либо активировать, либо показать новые товары тем,
кто постоянно у нас покупает и имеет самый большой средний чек.
Либо, наоборот, пользователи покупают только по акциям, и мы знаем,
что когда у нас есть акционное предложение, это те люди,
которые обязательно придут и купят наш продукт.
И если посмотреть на эти инструменты в целости, то можно определить некий подход,
который позволит на каждом этапе найти именно ту аудиторию,
которая сейчас нам очень важна.
Например, у нас есть текущий спрос, те пользователи, которые сейчас покупают.
Их мы используем как базу для построения ретаргетинга, для допродажи им новых
товаров, либо реактивацию их через тот период, когда товар нужно обновить.
Это уже повторные покупки, такой ретаргетинг на нашу уже текущую аудиторию.
Кроме того, так как мы на основе CRM базы знаем наших лояльных покупателей,
мы можем поддерживать постоянно среди них рекламу на невысокой частоте,
на невысоких ставках в аукционе, но при этом пользователи постоянно будут
помнить о нашем предложении и оставаться лояльными к бренду.
С другой стороны, все эти три базы могут являться базой для look-alike,
для расширения всей текущей нашей аудитории на более широкий подход,
для привлечения новых пользователей в наш магазин.
[МУЗЫКА]
[МУЗЫКА]
Таргашин Павел АнатольевичПриглашенный преподаватель
Домашенко Валерий ЮрьевичПриглашенный преподаватель
Хлызова Евгения СергеевнаПриглашенный преподаватель
Анищенко Татьяна СергеевнаПриглашенный преподаватель
