21 Апреля 2011 в 18:30

РИФ+КИБ 2011: технологии интернет-рекламы

0 1755

В секции «Технологии Интернет-рекламы» докладчики раскрывали концепции своих рекламных продуктов, их эволюцию, возможности таргетинга, форматы носителей.

Роман Филиппов (генеральный директор Интернест Холдинг) выступил с докладом «Рекламные технологии на стороне клиента и агентства». В своем докладе Роман озвучил следующие технологии:

  1. Управление баннерной рекламой (таргетинги, предполагающие, как фильтрация аудитории, так и учет специфики обращения к разным видам ее, управление коммуникацией, динамическая генерация баннеров при наличии целой линейки продуктов, сбор и накопление статистики).
  2. Управление контекстной рекламой (стратегии и управление ставками, подбор слов, интеграция с ERP, генерация объявлений, консолидация статистики).
  3. Demand Side такие платформы, как Google ремаркетинг, бумеранг в Соловье (покупка трафика с внешним таргетированием, внешние источники таргетинга, в том числе анкетные данные, ключевой элемент - data mining).
  4. Текущий мониторинг кампании (график выхода, выполнение прогнозов, работоспособность ссылок, снятие скриншотов) и рекламируемого сайта.
  5. Оптимизация таргетингов (аудитория, параметр отгрузки, места размещения), целевых страниц, конверсии, креативов.
  6. Глубокая интеграция с бэкофисом рекламодателя (дальше, чем регистрация или оформление заказа на сайте, трекинг затрат на длинных промежутках, офлайн активность).
  7. Видео и ричмедийные платформы.

Оценка результатов:

  • Качественная: профили аудитории кампаний (соц.дем интересы бренд-метрики).
  • Количественная эффективность (постклик, поствью, мультитач).

Тренды и особенности 2011 года:

  • ROI.
  • Работа на всех уровнях воронки продаж.
  • Интеграция бизнес-процессов и управление кампаниями.
  • Увеличение роли и стоимости знаний.
  • Спрос на demand side платформы.
  • Увеличение числа инструментов и систем.
  • Увеличение роли работы с бэкофисами клиентов.

Рекламные технологии, выросшие из решений для площадок, двигаются в сторону задач бизнеса. Сейчас требуется интеграция на высоком уровне. Но технологическая экосистема очень обширная – «места под солнцем хватит всем»

Далее выступил Лев Глейзер (директор по развитию медийных продуктов Яндекса) с докладом «Математика таргетинга».

В своем докладе Лев раскрыл механизмы вероятностного определения соц.дем параметров всей аудитории Рунета.

По словам Льва, таргетинг в Интернете это:

  • Способ ограничить коммуникацию.
  • Интерактивность позволяет принимать решение по каждому контакту.
  • География, сайт, формат, технология баннера, слова на странице, слова из поиска, браузер, провайдер.
  • Параметры контакта с ID (регистрация, частота).
  • Знание о пользователе.

Аффинити (или профильность):

  • Каждый человек ведет себя по-разному в разное время.
  • При анализе статистики данные объединяются и усредняются.
  • У рекламодателя нет точного знания, как говорить с каждым потребителем, только со статистической группой.

Проблема: необходимо обеспечить индивидуальный подход к каждому пользователю. Решение: ТЕХНОЛОГИЧЕСКИЙ подход вместо СТАТИСТИЧЕСКОГО.

Идея проекта:

  • Собрать статистику в разрезе пользователя/ID.
  • Проанализировать выборку, про которую что-либо точно известно.
  • Найти закономерности, отличающие одну целевую группу от другой.
  • Анализировать статистику каждого ID и приводить к вероятности попадания в группу.

Вероятностный подход:

  • Учитывает противоречивость и неполноту данных.
  • Высокая степень достоверности.
  • Возможность перевзвешивать под внешние факторы.
  • Задействует 100% аудитории.
  • Можно выбрать лучших/характерных при использовании.

Выделение факторов:

  • Анализируем зависимости между целевой группой и поведением.
  • Вычисляем метрики из любой известной информации.
  • Отбираем сильные факторы для конкретной классификации.
  • Несколько наборов факторов для разных аудиторий.

На этом построен принцип машинного обучения. В применении это выглядит следующим образом:

Берем внешние категории -> смотрим похожее «поведение» -> предполагаем, что этому пользователю это свойственно -> оцениваем достоверность предположения

Такой подход уже обеспечил Яндексу корреляцию с данными TNS по полу в 78% случаев. Как сообщил Лев, метод будет решением в случаях, когда «мальчик ведет себя как девочка» применительно к рекламным технологиям. Также стало известно, что этот соц.дем таргетинг уже применяется на внутренних страницах Яндекса. Самая большая сложность, по мнению Льва, - объяснить рынку такой математический подход:

«Рекламный рынок должен обладать большим количеством математиков, чем сейчас».

Ирина Грачева (директор по рекламе HeadHunter Group) «Возможности точного таргетинга: что такое расширенный соцдем и на каких ресурсах он возможен. А главное – зачем?»

Виды таргетинга:

  • По пересечению аудитории.
  • Поведенческий.
  • По параметрам профиля.
  • Географический.
  • Частотный.

Но все эти виды таргетинга, к сожалению, могут никак не повлиять на увеличении продаж.

Особенности медийной рекламы на job-сайтах:

  • Высокое доверие и лояльность аудитории.
  • Много трафика.
  • Много точной информации об аудитории.
  • Четкая сегментация и система таргетингов.
  • Малое количество рекламных позиций.
  • Персональное восприятие рекламного сообщения.

Job-сайты знают о своих пользователях больше правды, чем кто-либо другой и могут использовать эту информацию для рекламного таргетинга. Люди не врут относительно своего возраста, пола и желаемого дохода в своих резюме, в отличие от тех же социальных сетей.

Читайте также:

РИФ+КИБ 2011: как в Рунете интернет-маркетингу учат

РИФ+КИБ 2011: между Сциллой и свободой

РИФ+КИБ 2011: партнерский маркетинг

РИФ+КИБ 2011: считаем пользователей правильно

0 комментариев
Подписаться 
Подписаться на дискуссию:
E-mail:
ОК
Вы подписаны на комментарии
Ошибка. Пожалуйста, попробуйте ещё раз.
Поделиться 
Поделиться дискуссией:

Отправьте отзыв!