Гики приходят в рекламу

Кто те люди, которые разрабатывают алгоритмы рекламных показов и помогают брендам находить целевую аудиторию? Издание AdWeek объясняет, что статистика и специалисты по количественному анализу могут в какой-то момент оказаться самым важным в рекламном бизнесе.

Бен Лянг (Ben Liang), получив степень в математической академии, первоначально планировал построить карьеру финансового аналитика. Так поступает большинство американских выпускников, за исключением тех, кто остаётся и дальше служить науке. По такому пути пошёл в своё время и отец Бена.

В 26 лет Лянг пришёл на двухгодичную стажировку в Bank of America с целью поработать в подразделении, занимающемся инвестициями. Но скоро он понял, что даже ему, очень любящему числа, на Уолл-стрит скучновато.

Вы просто превращаетесь в машину по обработке данных, – отметил Бен в интервью AdWeek.

Спустя год мытарств в Bank of America наш герой решил отыскать для себя занятие поинтересней – такое, где его таланты могли быть оценены по достоинству, а сам он не преобразовывался в антропоморфное приложение к компу.

Конечной точкой его поисков стала компания Choice Stream, занимающаяся маркетинговыми технологиями. Бен нашёл для себя место инженера-аналитика. Его обязанностью стала оптимизация алгоритмов показа рекламы – она демонстрировалась юзерам, исходя из их интересов и поведения в вебе. Проще говоря, Лянг начал помогать брендам находить собственного потребителя.

В 2012 году количество кампаний, в каких задействовался анализ пользовательского поведения, удвоилось по сопоставлению с 2011 годом. Согласно исследованиям компании Forrester, толика таких компаний в наиблежайшие пару лет достигнет 50%. Меж тем, в 2013 году объем цифровых данных в мире превзойдет 2,7 зетабайт (10 в 21 степени б) – для хранения такового объема инфы на наружных носителях пригодится около 700 миллиардов дисков.

Само собой, большая часть из этих данных никчемны. Но часть из их может быть удачно задействована для нужд рекламы – чтоб вывести её на отменно новый уровень. На профессионалов в этой области уже на данный момент появляется высочайший спрос в США и странах Европы. Специальность, заглавие которой на российский можно перевести как «вычисления в сфере рекламы», уже появилась в Стэнфордском институте; в 2012 году о запуске собственного Института данных заявил Колумбийский институт.

Бен Лянг не был единственным, кто оставил науку ради рекламы – в Choice Stream его сотрудниками оказались, а именно, владелец степени Ph.D. Массачусетского технологического института в области неврологии, инженер-программист из Кембриджа и спецы по биомедицинской статистике.

Сейчас гики могут принимать работу в рекламе как творческую и увлекательную себе деятельность, – отметила Рита Раз (Rita Raz), рекрутер компании Analytic Recruiting.

Для специалистов-математиков реклама – типичный Одичавший Запад количественного анализа – горизонты широки, правила повсевременно изменяются, а маркетинговые объявления ведут агрессивные войны. О том, как это происходит, пишет, а именно, Кристофер Штайнер (Christopher Steiner) в собственной книжке «Автоматизируй это».

Бен Лянг свою работу ассоциирует с трудом портфельного инвестора: Мы используем наши методы для того, чтоб узнать, какие люди более полезны для нашего клиента, другими словами, увлечены, практически, этим же, чем и хедж-фонд.

Когда бренд либо агентство обращаются в компанию вроде Choice Stream, они или желают достигнуть фаворитных позиций на определенном рынке, или, в неких случаях, найти, что за рынок это может быть.

Как конкретно метод (другими словами, математическое уравнение) может сказать маркетологу о том, что ему лучше продавать свои минивэны многодетным матерям, живущим в пригороде Нью-Джерси? Рассматривать потребителей и их желания можно по соткам разных критериев, и в итоге получить 100 разных результатов анализа.

Как пишет в собственной книжке Кристофер Штайнер, «алгоритмы можно рассматривать как большие дерева решений, где есть два варианта событий для каждого деяния – пройдя весь путь, мы приходим к одному чёткому ответу».

В 2012 году в Choice Stream обратился интернет-магазин Zappos. Они попросили создать метод показа баннеров, который воспринимал бы во внимание не только лишь стандартные демографические свойства юзеров, да и погоду в месте их пребывания. Таким макаром, если погода была дождливой, баннеры предлагали юзерам приобрести в Zappos дождевик либо резиновые сапоги, в солнечные деньки – продукты для пляжного отдыха. Таким макаром, ритейлеру удалось понизить свои издержки на рекламу и повысить её эффективность. Это был 1-ый опыт компании, когда кампания основывалась на анализе пользовательских данных: Конверсия была довольно высочайшей, чтоб обеспечить возврат маркетинговых инвестиций, – отметила Лиза Аршамбо (Lisa Archambault), менеджер по дисплейной рекламе Zappos, – Объявления показывались конкретно тем определенным людям, которые и были нашей мотивированной аудиторией.

В 2012 году Бмв провела кампанию с внедрением пользовательских данных. По её результатам реализации в североамериканском регионе только за 2 квартал года выросли на 40%. У Bridgestone этот показатель составил 45%. Методы обработки данных для обеих кампаний разрабатывала компания Rocket Fuel.

Но не многим удаётся достигнуть фуррора, прибегая к высочайшим маркетинговым технологиям – на рынке есть в большенном количестве компании, обещающие сверхточный таргетинг, но не владеющие достаточными ресурсами для его воплощения.

Время от времени результаты анализа могут быть алогичными. Так, один из ресторанов фастфуда нанял Choice Stream для того, чтоб вывести на рынок новый сорт кофе. Выяснилось, что мотивированной аудиторией продукта являются никак не кофезависимые люди, а обладатели Jeep. Конкретно на владельцев джипов была сориентирована маркетинговая кампания, ставшая удачной.

Choice Stream была базирована в 2000 году, но только в 2011 представила собственный главный в текущее время продукт – Crunch. Это метод, который употребляет, кроме остального, генетическое программирование, другими словами заимствует черты из поведения человека. «Мы улавливаем интуитивные желания и превращаем их в нечто более мощное», – молвят в компании.

Судя по всему, в недалёком будущем конкретно гикам получится конструктивно поменять будущее рекламы. А может быть, и взрастить на базе имеющихся алгоритмов реальный искусственный ум, который для каждого продукта найдёт собственного покупателя.