Почему аудиторный охват в programmatic не имеет принципиального значения — Мнение директора Weborama Russia16.12.2016 13:38

Директор по data-продуктам Weborama Russia Дмитрий Егоров

Многие игроки российского рынка «больших данных» часто продают клиентам-рекламодателям и медиаагентствам в качестве своего главного преимущества идею о том, что от величины аудиторных баз зависят высокие результаты рекламной кампании.

Со стороны всё выглядит логично: раз аудиторная база — это профили, которыми располагает поставщик и с которыми он может работать, значит, эта штука крайне необходимая, например, при таргетировании рекламных кампаний. Для хорошей кампании один из важнейших показателей успеха — это охват. Как правило, чем он больше, тем лучше. То есть чем аудиторная база больше — тем лучше. А что на практике?

Глобальный пересмотр ценностей

Опросив основных игроков европейского рынка, наши аналитики из французского офиса обнаружили, что размер аудиторной базы не вошел в первую тройку параметров data-компании, которые рекламодатели и медиаагентства назвали самыми значимыми. Опрошенные поместили его лишь на четвертую строчку вслед за качеством данных.

Составляющие эффективной работы на рынке Big Data

Почти треть опрошенных (32%) заявила, что ведущий параметр при оценке data-игрока и решении о контракте — это даже не качество технологических решений, а уровень экспертизы команды вендора. Специалисты должны хорошо разбираться не только в data-рынке, но и в рынке интернет-рекламы, особенностях интернет-ресурсов, задачах рекламодателей и критериях эффективности кампаний.

Сегодня клиент нуждается прежде всего в добротной data-стратегии. Она дает ответы на базовые вопросы рекламодателя: как увеличить эффективность рекламных кампаний, как привлечь новых клиентов, как правильно поддерживать лояльность к бренду, позволяя наметить конкретные цели, отобрать инструментарий для их достижения, определить показатели эффективности, сроки выполнения и контрольные точки.

Систему DMP (Data Management Platform) — технологическое ядро любой data-компании — поставило во главу угла 29% респондентов. DMP позволяет игроку Big Data собирать, хранить, передавать и обрабатывать большие объемы информации. Важный момент: оценка системы DMP игроками российского data-рынка и их клиентами во многом зависит от того, включен ли в «базовый пакет» тот набор опций, которые участники data-рынков Европы считают дополнительными (а именно среди последних проходил опрос).

На западе формирование аудиторной базы — это отдельная услуга, и клиенты наполняют технологическую платформу самостоятельно, ориентируясь на свои задачи. В России же большей популярностью пользуется комплексный подход, при котором data-вендоры предлагают заказчику доступ к своей DPM с аудиторными данными.

Качество данных назвали важнейшим параметром 21% опрошенных. В 2016 году проблема проверки (верификации) данных, получения правдивой информации о пользователях стала актуальной повесткой дня крупнейших транснациональных рекламодателей. Клиентов интересует максимально полный профиль пользователя: как он ведет себя в сети, какие страницы посещает, каковы его интересы, как много времени он проводит на конкретных сайтах, из какой географической точки выходит в интернет, какова интенсивность его интернет-серфинга.

Data-компания должна постоянно быть в курсе изменяющихся интересов и предпочтений пользователей. Важный источник информации о пользователе — не только анализ онлайн-поведения, но и данные исследовательских компаний. Например, наша фирма использует данные из панели мирового поставщика-компании Toluna.

Наконец, четвертое место занимает собственно размер аудиторной базы. Показательно, что в число главных параметров его включили 10% опрошенных — это вдвое меньше участников, чем среди выбравших качество данных. Получается, что для компаний, которые по-настоящему активно используют в своем бизнесе инструменты Big Data, величина аудиторной базы подрядчика не столь важна, как сегодня думают многие игроки российского рынка.

Замыкает пятерку наиболее значимых параметров фактор интегрированности в рынок, который отметили 8% опрошенных. Добытое с помощью DMP уникальное знание интересов и предпочтений аудитории остается не более чем любопытными аналитическими выкладками, если его нельзя использовать на практике.

Интеграция — мостик, по которому обработанные системой DMP данные попадают к автоматизированным системам закупки рекламы (programmatic buying) и рекламным серверам, передающим данные для прямого размещения. Чем больше у DMP-платформы действующих интеграций с другими системами, тем большее медийное пространство доступно клиентам для использования. Тут важна открытость платформы и возможность построения новых интеграций, так как эти качества позволяют настраивать систему под каждого клиента и его потребности.

Надо ли объять необъятное

Первыми, кто начал экспериментировать с «большими данными» при проведении рекламных кампаний, стали гиганты, которые давно привыкли к «крупной форме»: телевизионной рекламе с миллиардными бюджетами и кампаниям, охватывающим десятки миллионов потребителей. Для них утверждение об абсолютной пользе большого охвата не требует доказательств. Это аксиома, и применение охватных инструментов кажется им априори оправданным.

Пять лет назад именно подобная гигантомания мешала большим брендам осваивать контекстную рекламу в интернете. Сегодня она не дает многим из них трезво оценить реальную пользу от крупных аудиторных баз для своего сегмента.

Для начала разберемся, что такое «большая» база в масштабах рунета и из кого она состоит. По данным TNS Russia за октябрь 2016 года, интернет-аудитория в России составила менее 50% от населения страны — 61,4 млн человек, которые заходили в сеть хотя бы раз в месяц. Согласно ежегодному отчету TNS за 2015 год, общее количество пользователей интернета в России в возрасте 12+ еще выше — 85 млн.

Практически каждый из этих 85 млн человек использует для входа в сеть сразу несколько разлитых устройств — стационарные компьютеры, ноутбуки, планшеты и мобильные телефоны. В результате в рунете в десять раз больше уникальных пользователей, чем живых людей: Mediascope (бывший TNS Russia) ежемесячно фиксирует в российском сегменте сети более 800 млн кук. То есть для того, чтобы стать обладателем всего доступного объема кук, необходимо потратить дополнительно к медиа около 16 млн рублей (исходя их среднерыночной стоимости использования данных), что не будет рациональным поступком со стороны любого рекламодателя.

Но на практике ни одному рекламодателю, пусть даже входящему в число крупнейших, аудитория рунета целиком не нужна. Планку охвата в 20–30 млн уникальных пользователей не так часто преодолевают даже производители товаров повседневного спроса (FMCG) — рекламной категории, участники которой гораздо сильнее нуждаются в охватных рекламных кампаниях, чем другие рекламодатели.

К примеру, в октябре один из клиентов Weborama Russia, большая компания из сегмента FMCG, провела в рунете рекламную кампанию, которая стала наиболее охватной в этом месяце. В рамках проекта было откручено 243 млн показов рекламы, а уникальный охват при этом достиг «всего» 46 млн кук.

Не размером единым

Парадокс в том, что при выборе DMP-технологии по размеру аудиторной базы вендора бренды редко работают в дальнейшем именно «на охват». Как в абсолютных цифрах, так и в процентном соотношении в рунете проводится не так много кампаний с действительно большим охватом, если сравнивать с общим объемом размещаемой рекламы.

В 2015 году крупные рекламодатели из числа клиентов российского подразделения нашей фирмы ежемесячно проводили в рунете от 130 до 220 имиджевых рекламных кампаний в месяц. Из них действительно больших (с охватом в 20 млн и выше уникальных пользователей) было не больше 4% в месяц в среднем по году. Ежемесячно этот показатель колебался в пределах 2–8%. Получается, что даже в наиболее «урожайные» для рекламной отрасли осенние месяцы проводилось не более десятка кампаний с охватом больше 20 млн уникальных пользователей.

В 2016 году это соотношение не сильно изменилось. Хотя в количественном выражении число кампаний с охватом в 20 млн и более «уников» в отдельные месяцы даже выросло, в процентном соотношении показатель остался тем же. По данным Weborama, ежемесячное количество проводимых в сети рекламных кампаний увеличилось до 150–500, при этом доля кампаний с охватом в »20 млн+» упала до 3–5%.

Например, в сентябре из примерно 400 зафиксированных нами кампаний действительно охватных было всего 5% (20 штук), а в октябре из 500 кампаний на долю размещений с большим охватом пришлось всего 3% (15 штук). В апреле показатель был уже ниже — лишь 12 кампаний (4% из 310 кампаний.

Стремление к гигантомании по любому поводу способен снизить сравнительный анализ рекламных кампаний по продуктовым категориям. Мы проанализировали информацию по проектам, которые в 2015–2016 годах провели рекламодатели семи крупнейших товарных категорий рунета. Наши эксперты определили, что только кампаниям из сегментов «Товары повседневного спроса (FMCG)» и «Фарма» иногда требуется охват в 40 млн уникальных пользователей для построения полноценной рекламной коммуникации:

Максимальное число уникальных пользователей в кампании (млн.)*

Совсем другие потребности у брендов из других рекламных категорий: девелоперов, производителей автомобилей и бытовой электроники всё чаще интересует не максимально широкая, а, наоборот, максимально узкая целевая аудитория — люди, которые действительно нуждаются в данном товаре в данный момент, а главное, действительно собираются его купить.

Для построения эффективной рекламной кампании им необходим охват не более 5–6 млн уникальных пользователей. Автопроизводителям и финансовым организациям обычно вполне хватает 5–8 млн «уников». Гораздо эффективнее для них узкие аудиторные сегменты, сформированные при помощи платформ управления данными (DMP) с помощью look-alike-моделирования. Этот инструмент с помощью математических моделей позволяет автоматически расширить аудиторию рекламодателя за счет тех пользователей, поведение которых похоже на существующих клиентов по ряду параметров.

Что общего у Brexit и Renault

В начале декабря европейские издания активно обсуждали журналистское расследование в швейцарском журнале Das Magazin. Его автор рассказал, как с помощью Big Data и технологий персонализированной рекламы миллиардеру Дональду Трампу удалось стать президентом США, а сторонникам выхода Великобритании из Евросоюза одержать победу на референдуме по Brexit.

Обе кампании вела доселе малоизвестная лондонская фирма Cambridge Analytica во главе с директором Александром Никсом, который считает, что его команда разработала действительно революционный подход к коммуникациям, основанным на данных. Ключ успеха — в сочетании трех компонентов: психологическом поведенческом анализе, базирующемся на «модели океана» (английская анаграмма OCEAN включает первые буквы базовых черт характера — открытость, добросовестность, экстраверсия, доброжелательность, нейротизм), изучении данных Big Data, и таргетированной рекламе.

По словам Александра Ника, анализ профилей пользователей в Facebook и закупка персональных данных из различных источников (кадастровых списков, бонусных программ, телефонных справочников, клубных карт, газетных подписок, медицинских данных) позволила Cambridge Analytica высчитать личность каждого совершеннолетнего гражданина США и найти к нему свой подход с помощью таргетированной рекламы.

Технологии таргетированной рекламы не являются чем-то новым на рынке интернет-маркетинга. С точки зрения специалиста по Big Data, рекламная кампания для французской автомобилестроительной корпорации Renault, которую недавно провела наша компания, мало чем отличается от предвыборной агитации за Трампа или Brexit.

Первоначально автогигант планировал разместить рекламную кампанию, которая должна была охватить всех жителей Франции в возрасте 18 лет и старше — предполагалось, что приобрести ту или иную модель Renault может каждый француз. Однако в итоге маркетологи Renault решили отказаться от «коврового бомбометания»: на самом деле автогиганту были необходимы конкретные аудиторные сегменты (выборка пользователей по какому-либо признаку) под каждую линейку его автомобилей.

Как и для предвыборного штаба Дональда Трампа, для Renault была сформирована специальная база данных. Правда, автопроизводителя интересовали не голоса избирателей, а поведение потенциальных покупателей на сайте. Однако вводные для анализа были похожими: Weborama привлекла сторонних поставщиков данных о социально-демографических и поведенческих характеристиках французов, затем для выявления закономерностей и структурирования базы данных применила алгоритмы факторного анализа. Причем анализу подвергались как положительные, так и негативные действия пользователей.

Рекламодатель использовал аудиторные сегменты, у которых близость к целевому действию (заказ тест-драйва, использование конфигуратора автомобиля на сайте) была максимальной. Сегменты с отрицательной мерой близости использовались для исключения. По итогам факторного анализа Weborama выделила из всего населения Франции в возрасте 18 лет и старше те 30% людей, которым автомобили Renault были действительно интересны.

Кандидат в президенты США от демократов Хиллари Клинтон потратила на предвыборную кампанию в два с лишним раза больше, чем республиканец Трамп. По данным Федеральной избирательной комиссии США, расходы Клинтон составили $897,7 млн, Трампа — $429,5 млн. Большую часть этих денег кандидаты израсходовали на рекламу, где применялся принцип узкого сегментирования аудитории и таргетирование рекламы на каждый из сегментов. Однако Клинтон в итоге получила 232 голоса выборщиков, а Трамп — 290. Получается, что технологии Big Data помогли скандальному миллионеру потратить на привлечение одного выборщика в 2,7 раза меньше своей соперницы: $1,48 млн против $3,86 млн.

В случае с Renault мы получили аналогичный результат. Использование аудиторных сегментов позволило достичь того же эффекта, что по итогам обычной рекламной кампании, но при этом сэкономить значительную часть маркетингового бюджета. Деньги ушли только на коммуникацию с теми людьми, которые потенциально заинтересованы в конкретных моделях Renault и с большой вероятностью готовы приобрести автомобиль.

Подобный подход позволил увеличить конверсионные результаты размещения рекламы на 40% и оптимизировать затраты на закупку медиа за счет исключения неэффективных сегментов. Какие еще доказательства эффективности работы с кастомными целевыми аудиториями и неэффективности работы «по площадям» нужны для того, чтобы все клиенты data-компаний прозрели?

Мы видим, что постепенно крупные рекламодатели и медиаагентства российского рынка переходят от количественных метрик к качественным, и это касается как закупки медийного инвентаря, так и подхода к аудиторным данным. Да, рекламодатель перестает мыслить только категориями объема-охвата и запрашивает все более четкие показатели эффективности (KPI), переходя к performance-целям. Да, все чаще на первый план в оценке DMP-подрядчика выходит технология, которая позволяет правильно определять целевую аудиторию и строить новые уникальные аудиторные сегменты, заточенные под выполнение конкретных задач бренда.

Однако эволюционный скачок — дело не быстрое. И медийный рынок здесь не исключение. По оценке Weborama Russia, число перешедших на новую схему работы структурообразующих игроков — крупнейших медиаагентств, рекламодателей и издателей, — достигнет критической массы в перспективе двух-трех лет. И вот тогда первой строчкой в документации к тендеру, наконец, будет значиться не аудиторная база и количество представленных в ней профилей, а технологические возможности data-подрядчика.