И.В. Белянина и К.Г. Бессараб:
Бигдата в массовых коммуникациях

Предлагаем вниманию читателей сайта текст выступления члена президиума Международной Академии менеджмента Ирины Владимировны Беляниной и руководителя практики «Медиа» компании Protege People Кирилла Геннадьевича Бессараба на Форуме экспертов в области управления 15 апреля 2019 г.

С начала 2010-х годов использование так называемых «больших данных» или «big data» стало настоящим прорывом и драйвером развития экономики. Среди них — финансовый сектор, телеком, управление городским хозяйством, а также индустрия коммуникаций, где технологии работы с «большими данными» создали целые бизнес-направления и существенно повлияли на набор компетенций, которые будут востребованы в будущем для создания, планирования и закупки медиаинвентаря для влияния на различные целевые аудитории.

Коммуникация как понятие имеет ряд трактовок, эволюционировавших в процессе развития общества, средств коммуникации, технологий и методик. Согласно определению Г.М. Андреевой коммуникация является процессом обмена информацией. Направление потока информации от «коммуникатора к реципиенту» не является единственно возможным, «обратная связь» является не только маркером восприятия полученного сообщения, но и причиной для развития высокотаргетированных подходов как к самим сообщениям, так и к средствам их доставки.

А. Я. Кибанов определяет общение как «многоплановый процесс развития контактов между людьми, порождаемый потребностями совместной жизнедеятельности». Он также утверждает, что коммуникативная сторона общения предполагает обмен информацией, увязанной с «конкретным поведением собеседников». Фактор «поведения» является ключевым при разработке сообщений и выборе каналов коммуникации. Медиапланирование в традиционном понимании отвечает за выбор каналов коммуникации для доставки сообщений целевым группам, которые могли быть определены как совокупность социально-демографических страт: пол, возрастной интервал, группа дохода, образование и т.д.

Наиболее распространенной целевой группой традиционно считаются «Женщины 25-45 со средним и выше доходом». При этом неоднородность по интересам и образу жизни подобных целевых групп очевидна. Женщины в возрасте 25 лет и в возрасте 45 лет относятся к разным поколениям и, как правило, не имеют общих ценностей. Даже если взять двух человек с идентичными социально-демографическими характеристиками, их «mindset» — образ мысли, вкусы, убеждения, отношение к моде, психология – могут быть полярны. Соответственно, фрагментированность общества из-за уникальности каждого индивидуума существенно снижает эффективность как традиционного медиапланирования «по соцдему», так и использования стандартных сообщений, направленных на широкие целевые группы.

Выбор реципиентов по соцдему в «доцифровую эпоху» был обусловлен ограниченностью возможностей социологии, попытки изучать аудитории более глубоко, с погружением в инсайты аудиторий обычно наталкивались на недостаточность инструментария, проблемы выборки и высокую стоимость.

Рост digital-технологий привел к технологическому скачку в том числе в коммуникационной индустрии. По итогам 2018 года по данным АКАР доля затрат на интернет-рекламу в РФ составила 43% и превысила долю исторического лидера – ТВ. Также цифровизация привела к глубочайшим структурным изменениям внутри самой индустрии.

В настоящее время отрасль является высокомонополизированной – более 80% медиабюджетов в РФ реализуется через агентства, принадлежащие 6 транснациональным рекламным группам: Omnicom, Publicis, WPP, Havas, Interpublic и Dentsu. При этом каждая из названных групп представлена, в том числе, креативными, PR и digital-агентствами, при этом важность и объемы бизнеса последних постоянно увеличиваются.

Цифровизация явилась решением, способствующим повышению точности таргетирования сообщений, в том числе, благодаря использованию «больших данных». Согласно определению Криса Преймесбергера из Yahoo,  «большие данные» — это обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами». В широком смысле о «больших данных» говорят как о социально-экономическом феномене, связанном с появлением технологических возможностей анализировать огромные массивы данных, в некоторых проблемных областях — весь мировой объём данных, и вытекающих из этого трансформационных последствий. Эти данные включают в себя в том числе персональные данные о населении развитых и развивающихся стран, их потребительской активности, перемещениях в пространстве и поведению в сети Интернет. Наличие так называемого «цифрового следа» от любых транзакций, посещения интернет-ресурсов и активности в социальных сетях позволяет все более точно воспроизвести профиль практически любого человека и изучить его ценности, привычки и даже тайны.

Классический кейс сети магазинов Target, описанный журналистом The New York Times Чарльзом Дахиггом, рассказывает о том, что коммуникация с потребителями на основе «больших данных» может привести к раскрытию семейных тайн. Отец семейства предъявил претензии Target в связи с тем, что сеть осуществляла рассылки скидочных предложений на детскую одежд и памперсы его дочери, которая на тот момент училась в старшей школе. Рассылка формировалась в автоматическом режиме исходя из поведения девушки в интернете. Оказалось, что даже сама девушка на тот момент была не в курсе своей беременности, но согласно машинному анализу списка покупок и посещенных сайтов ее профиль совпал по ряду признаков с профилями девушек, находящихся «в положении» (технология look-a-like). Поэтому программа сочла девушку беременной и осуществила рассылку, касающуюся релевантных для данной аудитории товаров.

Фактически работа с «большими данными» стала ключом для глубокого изучения различных целевых аудиторий, их микросегментирования для создания максимально точных рекламных сообщений и осуществление планирования и закупок различных медианосителей для их доставки реципиентам. Центральным технологическим решением для автоматизации всех перечисленных процессов стала технология «программатик». Термин «программатик реклама» пришел в рунет из английского языка. Английское programmatic ads buying значит автоматическая или алгоритмическая покупка рекламы. Речь идет о покупке показов или целевых действий через автоматические площадки, а не напрямую у владельцев сайтов. Технология базируется на том, что для продвижения какого-либо вида товаров необходимо взаимодействовать с аудиторией не на избранных сайтах, а исключительно в местах, где она бывает, без привязки к конкретному сайту. Условные «владельцы домашних животных» посещают не только сайты и форумы, которые их характеризуют в этом качестве, но и практически любые площадки. При этом, сегмент «владельцев домашних животных» не может быть корректно задан с точки зрения соцдема, так как включает в себя представителей практически любых страт. Таргетирование на широкую целевую аудиторию по социально-демографическим характеристикам приведет к охвату аудитории, не владеющей домашними животными, а значит – неэффективному расходованию рекламного бюджета.

Поэтому программа автоматически анализирует разнородные данные об аудиториях и формирует сегмент аудитории, которую по различным поведенческим факторам можно вполне достоверно идентифицировать, как «владельцев домашних животных». Далее программа автоматически подбирает сайты, которые посещает данный сегмент аудитории и автоматически закупает рекламный инвентарь для доставки сообщений данному сегменту. В качестве инвентаря может выступать как стандарная Display (баннерная реклама), так и OLV (онлайн-видео реклама), обладающая более высоким уровнем воздействия на аудиторию, преодолевая так называемую «баннерную слепоту» (восприятие баннерной рекламы низкое – она воспринимается, как естественный фон).

«Большие данные» стали источником бизнеса для многих технологических кампаний, связанных с коммуникационным бизнесом. Технологии по и аналитике данных являются востребованным товаром, увеличивают капитализацию компаний и делают их предприятия объектами интереса со стороны больших корпораций в целях поглощения. Например, компания Segmento была приобретена Сбербанком в 2016 году, зарекомендовав себя в качестве эффективного технологического партнера. Результатом совместной работы стало повышение эффективности до +245% по отдельным рекламным кампаниям за счет более точного попадания в аудиторию. По словам Альберта Усманова (на тот момент – директора по цифровому маркетингу Сбербанка), «чтобы получить поведенческие данные и научить их ладить с транзакционными мы — Сбербанк — приобрели компанию Segmento. Эта платформа позволяет нам легально и бережно (с точки зрения безопасности и соблюдения всех требований конфиденциальности, в т. ч. банковской тайны) получать в сети обезличенную информацию о потребностях наших клиентов или людей, которые ими могут стать».

Поскольку не менее важной составляющей коммуникации помимо способа доставки является само сообщение, возникает потребность в создании кастомизированных сообщений для различных узких целевых групп с учетом специфики последних. Пионером по созданию подобных решений в России стала компания Coca-Cola, создав в 2014 году персонализированную коммуникацию Share a Coke («Поделись Кока-Колой»). На продукции были размещены различные имена, что сделало ее объектом персонального интереса со стороны молодежных сегментов аудитории. Соответственно, появилась потребность в доставке именных сообщений через медиа. Решением стала технология так называемого «динамического креатива» — баннер состоял из постоянной части (изображения продукта и слогана) и переменной (данных о пользователе, определенных при его идентификации через «большие данные»), которые объединялись в цельный баннер автоматически. Компания смогла решить задачу персонализации также и на одной из последующих новогодних кампаний – новогодняя песня Coca-Cola в исполнении Димы Билана содержала в себе устное видеообращение певца по имени к конкретному зрителю. Видео проигрывалось через социальную сеть, откуда также были взяты данные по имени зрителя. Технология автоматически соединяла музыкальный клип с записью поздравления в зависимости от имени зрителя, что существенно повлияло на восприятие сообщения аудиторией.

Использование «больших данных» также вдохнуло новую жизнь в такое консервативное медиа, как наружная реклама. Проблемами данного медиа всегда были: недостаточное качество измерения пассажиропотоков, невозможность таргетирования и оперативного запуска размещений. Рост объема цифровых конструкций (+56% объектов в 2017 году до 1405 штук) подтолкнул рынок к поиску решений упомянутых проблем.

В Москве с 2016 года налаживается сотрудничество основных подрядчиков цифровой наружной рекламы (Russ Outdoor, Gallery и Лайса) с компаний Яндекс, которая в том числе собирает данные по геолокации со всех своих сервисов, обладающих подобной функцией. Яндекс реконструирует транспортные потоки в зоне гарантированного обзора конкретных носителей и совмещает их с соцдемом и интересами аудиторий этих потоков. Использование этих данных при размещении наружной рекламы повышает точность попадания в необходимые целевые аудитории а также позволяет совмещать размещение в наружной рекламе с рекламными размещениями в интернете, в том числе – в mobile (смартфоны и планшеты).

Russ Outdoor совместно с компанией Synaps в конце 2016 года фактически осуществил первое в России программатик-размещение в наружной рекламе. Благодаря системе распознавания автомобильных номеров и возможности совмещать полученную информацию с базой данных ГИБДД, система определяла марки автомобилей, проезжавших мимо цифрового рекламного щита. При достижении необходимого количества автомобилей брендов-конкурентов, на рекламном щите автоматически активировался видеоролик бренда «Jaguar». Оплата данного размещения осуществлялась исходя из фактического числа показов на целевую аудиторию, а, значит, эффективность данного размещения была в разы выше, чем при традиционной покупке без таргетинга на владельцев конкретных марок автомобилей.

В 2019 более 50% рекламных кампаний ООН в мире будут основаны на использовании «больших данных» о потребителях, которые будут включать в себя не только социально-демографические показатели, поведение в Интернете и операции по банковским картам. Российский рынок наружной рекламы стремится к отметке 5-10% по данному показателю. Технологические решения, которые позволяют использовать набор данных о потребителе, сделают процесс использования «Big data» неотъемлемой частью OOH-кампаний.

Наружная реклама в перспективе также сможет внести свой вклад в концепции «умного города» – новой области для развития городского пространства, где современные технологии станут инструментом решения повседневных задач. К этим задачам относятся не только задачи, связанные с потреблением товаров и услуг, но и оптимизация городского транспорта или логистики. Интеграция брендов в подсистемы «умного города» сформирует образ его продуктов как неотъемлемых в повседневной жизни, при этом технологически коммуникация будет полностью автоматизирована базироваться на широчайшем спектре данных и программных решений.

Международная Академия менеджмента