Как бы вы не относились к предиктивной аналитике (predictive analytics), в наши дни она стремительно развивается по мере того, как машинное обучение вносит свою лепту в повышение эффективности рекламы и маркетинга. Крис О'Хара — директор по глобальному маркетингу в Krux — считает, что эта революция в data-науке является наиболее важным трендом. Вот несколько его комментариев по этому поводу:
- «Получить преимущество — значит превзойти конкурентов в понимании того, где нужно делать ставку и какой она должна быть».
- «Большинство маркетологов и агентств не очень компетентны в плане предиктивной аналитики и квалификации пользователей (user scoring)».
- «Мы начинаем видеть, что платформы, которые внедрили машинное обучение и искусственный интеллект (ИИ) в свои пользовательские интерфейсы, обеспечивают предпринимателей огромными возможностями, даже если те не обладают какими-либо статистическими познаниями».
Так что же это такое?
Рекламодатели хотят использовать онлайн-данные в своих интересах — создавая с помощью этой информации модель определенного клиента, они стремятся предугадывать, кто из представителей целевой аудитории может откликнуться на конкретное сообщение или продукт.
Современная data-наука позволяет обрабатывать огромные массивы данных. По сути, именно в этом заключается основное предназначение машинного обучения — формы ИИ, которая способна «учиться» на основе каждого нового взаимодействия между клиентом и сообщением.
В большинстве своем предиктивная аналитика сводится к моделированию предрасположенности человека кликать по объявлению и конвертироваться (сразу же после клика). Хотя в течение долгих лет компании применяли этот тип моделирования для собственных баз клиентов (чтобы прогнозировать, к примеру, кто из пользователей уйдет вероятнее всего или какие лиды конвертируются в оплату тарифного плана) — сегодня его используют в Сети в гораздо больших масштабах, чтобы также таргетироваться и на неизвестных потребителей.
Эта методика помогает планировать показы объявлений на основе целого ряда факторов, и теперь она может быть задействована в режиме реального времени. Рекламодатели могут таргетировать различные типы поведения и демографические данные или же создавать сегменты на основе разных buyer personas текущих клиентов. Эти сегменты можно использовать в предиктивной аналитике, чтобы понять, к каким особенностям стоит присматриваться, работая с более объемным набором данных посетителей.
Разумеется, компании с обширной first-party data (информация о пользователях, собранная владельцами сайта) моделируют потенциальных клиентов лучше, так как имеющиеся сведения позволяют им создать более точный образ их текущих клиентов.
Учитывая то, что сегодня возможностей для отслеживания клиентов по нескольким каналам и устройствам становится все больше, предиктивная аналитика может использоваться не только в дисплейной рекламе (display advertising).
Не останавливайтесь на дисплейной рекламе
На одной из конференций 2017 года, посвященной обсуждению последних программных трендов, Крис О’Хара говорил о том, как сложно квалифицировать пользователей по нескольким маркетинговым каналам:
«Сегодня маркетологи все чаще используют технологии data-менеджмента, чтобы отмечать пользователей на графиках устройств (device graph), рассчитывая на то, что им удастся квалифицировать этих людей по их взаимодействиям в каждом канале.
Чтобы сделать это правильно, маркетологи должны связывать пользователей со всеми их устройствами и иметь возможность хранить важные атрибутивные данные в течение длительного периода. Для решения этих задач требуются передовые технологии».
Конечно же, в долгосрочной перспективе маркетологи попытаются разметить весь путь потребителя к совершению покупки (customer journey). Благодаря этому они смогут понять, к примеру, в какой момент пути определенные версии и форматы контента наилучшим образом способствовали решению о покупке.
Как бы там ни было, предиктивная аналитика и улучшенный таргетинг не всегда обеспечивают 100%-ную эффективность. Качество площадки для размещения объявления также имеет огромное значение, и частные маркетплейсы (marketplaces) позволяют рекламодателям участвовать в закрытых аукционах и бороться за самые лучшие рекламные места.
По материалам: econsultancy.com, Изображение: morebyless
