Человек каждый день видит огромное количество рекламных сообщений, поскольку мозгу нужно меньше секунды, чтобы считать такие объявления. Реклама повсюду: на улице, в транспорте, в телевизоре, в социальных сетях, в газетах и журналах, на сайтах и так далее. Переизбыток рекламной информации приводит к тому, что пользователи начинают воспринимать её негативно или не замечают, что делает её неэффективной.
Александр Старостин, CEO мартех компании First Data рассказывает, как не допустить превращения рекламы в спам.
Почему реклама становится спамом?
В широком смысле слова спам — это навязчивая и ненужная человеку информация, которая вызывает раздражение. Будем откровенны, именно так и выглядит большая часть рекламы.
Часто пользователю предлагают вещи, которые он не может себе позволить – элитную недвижимость, дорогие автомобили, одежду премиальных брендов. Или же рассказывают о товарах, которые абсолютно не соответствует его интересам и образу жизни. Например, мужчине за 30 всего лишь на основании его пола и возраста могут показывать рекламу спиннингов, хотя он увлекается не рыбалкой, а компьютерными играми. А женщина, даже если она еще не успела стать мамой, будет регулярно видеть информацию о памперсах и колясках.
Еще один раздражающий вариант — когда человека забрасывают предложениями товара, который он уже купил. Наконец, негатив вызывает плохо сделанная реклама сомнительного содержания (ставки на спорт, продукты, опасные для здоровья, финансовые пирамиды и т.д.).
Две главные причины рекламного спама:
1. Доступность рекламы для бизнеса. Низкая цена, сервисы автоматического размещения (более 90% цифровой рекламы публикуется с помощью автоматизированного программного обеспечения), рекламные аукционы, простые приложения для создания рекламного контента позволяют любому делать и размещать рекламу быстро и недорого. В этих условиях показ рекламы всем подряд может быть сознательной стратегией.
2. Плохое знание рекламодателями своих пользователей. Компании часто используют ограниченный набор данных («Человек, который искал детские игрушки, является родителем») и/или слишком общие гипотезы («Все женщины любят шоколад»), адресуя свои кампании слишком широкой аудитории. Если же бизнес собирает больше информации о клиентах, его эксперты не всегда могут разобраться в неструктурированных данных и построить эффективные модели.
Несоответствие рекламных предложений вкусам и интересам потребителей – общемировая проблема. В исследовании 2020 года в США на нерелевантную рекламу жаловались 50% респондентов, в Дании — 64%, а в Финляндии — целых 77%.
Последствия рекламного спама: эффективность под вопросом
К чему может привести усталость аудитории от «спамерской» рекламы?
Люди начинают активнее использовать блокировщики рекламы. По некоторым данным, еще до пандемии рекламу в сети блокировала почти половина пользователей, как в России, так и в мире. Среди ключевых причин – «слишком много рекламы», «раздражающая или нерелевантная реклама» и «навязчивая реклама».Возникает «баннерная слепота», когда потребители намеренно или бессознательно игнорируют любой контент, похожий на рекламу. В одном из исследований «баннерную слепоту» выявили у 86% пользователей.Люди даже могут принципиально отказываться от товаров и услуг компаний со слишком навязчивой и агрессивной рекламой.В любом из этих случаев эффективность рекламы снижается, маркетинговые бюджеты тратятся впустую.
Как искусственный интеллект помогает персонализировать рекламу и повысить ее эффективность
Один из самых действенных способов избежать превращения рекламы в спам и сделать ее актуальной для потребителя – персонализация рекламных предложений. Бизнес должен знать интересы и боли своих клиентов, понимать и прогнозировать логику их поведения и формулировать релевантные решения.
Фундамент персонализированной рекламы — это большие данные, которые позволяют создать расширенный портрет клиента. Компания сегодня может узнать не только пол, возраст и место проживания человека, но и то, что у него есть две собаки породы шпиц, его дочка скоро пойдет в школу, а в квартире идет ремонт. Подробная информация позволяет максимально точно сегментировать потребителей и предложить им в каждый момент времени действительно актуальные товары и услуги.
Например, продавец газонокосилок может прислать информацию о распродаже людям, которые каждые выходные (согласно GPS-данным их телефонов) ездят из города в деревню и недавно покупали семена и садовый инвентарь. А сервис по перетяжке мебели – прорекламировать свои услуги владельцу кошек, которые любят точить когти о диваны.
Собственных данных любого бизнеса для такого глубокого анализа и построения гипотез, как правило, оказывается недостаточно. Где взять недостающую информацию?
Данные бывают First Party, Second Party, а также Third Party. К первому типу относятся данные самой компании, все, что она знает о своих клиентах и их покупательском поведении. Второй тип – это данные организаций-партнеров об аудитории со схожими интересами. Самые глубокие данные это данные третьего типа, Third Party Data, это информация из баз ОФД и крупных компаний: банков, гипермаркетов, сотовых и интернет-провайдеров, рекрутинговых сервисов и т.д.
Если первые два типа данных могут собираться внутри организации или в результате обмена с партнерами, то данные третьих лиц чаще всего аккумулируют сторонние организации. Third Party Data представляют собой информацию о покупках, то есть совершенных действиях, не основываются в отличие от первых двух категорий на том, что рассказал о себе сам пользователь, а потому считаются более показательными и надежными.
Именно в случае с большими данными вступает в игру искусственный интеллект.
Только цифровые алгоритмы позволяют быстро аккумулировать, обновлять и обрабатывать огромные массивы данных. К примеру, торговый гигант Amazon создает на каждого клиента целое досье — история покупок и просмотров на сайте, геопозиция, тип устройства, с которого он зашел на сайт и т.д. Информация из профайлов позволяет персонализировать предложения на странице пользователя, а также использовать принцип коллаборативной фильтрации: когда сайт показывает человеку товары, которые понравились другим людям со схожими вкусами и предпочтениями. Очевидно, что управлять таким механизмом вручную невозможно.
Другой пример. Допустим, кондитерская компания заметила, что часть постоянных клиентов перестала покупать ее товары. Возможно, некоторые из них перешли на более дешевые сладости конкурентов, а другие — на здоровое питание. Ручная проверка такого предположения в сторонних базах данных заняла бы огромное количество времени. Зато ИИ справится с задачей за несколько минут. Если гипотеза подтвердится, первой группе можно будет предложить скидку на их любимую продукцию, а второй – десерты с сахарозаменителями.
Результат персонализации — это сокращение рекламного спама за счёт точного закрытия запросов потребителей, повышение интереса и лояльности аудитории и рост эффективности затрат на рекламу.
«Додо Пицца» в 2018 году создала более 200 YouTube-роликов с рекламой доставки пиццы, таргетированной на различную аудиторию и отвечающей их интересам. Среди них были ролики и специальные предложения для блогеров, фанатов игры World of Tanks, разовые акции бесплатной пиццы для офисных работников Москва Сити и т.д. Запоминаемость рекламы выросла на 63%.
Один из российских брендов витаминов сумел в прошлом году привлечь 30% аудитории иностранных производителей. Компания проанализировала сторонние базы данных, нашла людей, которые покупали зарубежные витамины регулярно, а среди них выделила тех, кому пора было искать замену закончившимся препаратам. В итоге кампания принесла конверсию в покупку на уровне 7,25% (обычно – не выше 3%).
Если бизнес заинтересован в эффективной коммуникации со своей аудиторией, в создании рекламы, а не рекламного спама, то, конечно, ему стоит обратить внимание на большие данные, искусственный интеллект и другие технологии и подходы, которые помогают компаниям изучать информацию о поведении клиентов, точно сегментировать аудиторию, «подсвечивать» свои предложения на фоне рекламного спама и увеличивать конверсию на всех этапах воронки.