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
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
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
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
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.