Нейросети в рекламной индустрии

 

Искусственный интеллект, машинное обучение, блокчейн – слова, которые в 2017 г. известны даже людям, достаточно далеким от IT. Технологии, которые изменят банковскую систему, продажи, маркетинг и, возможно, даже изменят облик мира. Именно такие эпитеты получают новейшие разработки цифровой эпохи, которые действительно способны на многое. Некоторые даже могут заменить человека, и речь идет не только об автоматизированном производстве.

 

Восстание машин, или искусственный разум?

 

Для начала разберемся в терминах. Когда журналисты пишут о том, что «искусственный интеллект поможет сделать…», они имеют в виду действительно полноценный интеллект, аналогичный или превосходящий человеческий? Нет, официально подтвержденного искусственного интеллекта пока не создано. Есть умелые программные имитации и есть технологии машинного обучения, но они все еще не являются самостоятельными величинами, так как не обладают индивидуальной осознанностью. Однако существует несколько типов машинного обучения, а самым часто встречающимся инструментом является нейросеть.

 

Математическая модель, на основе которой работают нейросети, создана по тому же принципу, по которому функционирует биологическая нейронная сеть в человеческом организме. Как и человеческий мозг, нейронная сеть не программируется, а обучается. Пока у таких алгоритмов достаточно небольшие возможности и, как правило, узкая специализация. Инструменты на базе искусственных нейронных сетей уже несколько лет широко применяются в различных сферах. Приложение, которое стилизует ваши фото под картины известного художника или изменяет вашу внешность, перекрашивает волосы – все это выполняют нейросети. Да, это кажется детской забавой, но за простыми с виду действиями стоят довольно сложные алгоритмы.

 

В действительности машинное обучение различных типов внедряется в очень серьезных направлениях науки, техники, медицины и бизнеса: распознавание речи, жестов, рукописного ввода, образов, диагностика в медицине и технике, обнаружение почтового спама, биржевой анализ, выявление банковского мошенничества, кредитный скоринг, финансовый надзор, а в последнее время еще и маркетинг.

 

Анализ бюджетов

 

Как же так? Маркетинг – прерогатива человека, а роботам место на заводе – выполнять тяжелую и совсем нетворческую работу! Но машины пока и не пытаются отобрать у человека-специалиста творческую работу. Да, есть алгоритмы, которые умеют составлять тексты и даже, как роботы Яндекса, писать стихи и музыку, но настоящая творческая работа им пока недоступна. А маркетинг – это не только гениальные слоганы и джинглы рекламных кампаний, после которых йогурты продаются сотнями тонн, но и точные расчеты, анализ и цифры. Много цифр.

 

Что же в последнее время машины научились делать в маркетинге? Помогать в медиапланировании. Если вы когда-нибудь сами занимались этим непростым, рутинным, но очень важным для бизнеса делом, то знаете, сколько времени отнимает этот процесс. Чем крупнее кампания, тем больше различных рекламных носителей используется, часть из них – онлайн, часть – оффлайн. С интернет-маркетингом все более или менее понятно, ведь сами инструменты онлайн-рекламы предлагают гибкие настройки таргетирования, а биржи, подбирающие в автоматическом режиме оптимальные настройки по целевой аудитории, площадкам и в рамках бюджета, работают уже несколько лет.

 

А вот с размещением наружной цифровой рекламы все гораздо сложнее. Приходится либо доверять входящим данным от продавца площадок, – а они далеко не всегда соответствуют действительности, – либо принимать решение на основе эмпирики и собственного опыта. К примеру, рекламный экран, расположенный возле торгового центра, будет иметь аудиторию приблизительно в 3000 человек в час, но больше об этих людях мы практически ничего не знаем. Пол, возраст, увлечения? Какая реклама и в какое время суток будет релевантной? Демонстрировать ли автомобили премиум-класса или рекламный ролик детских подгузников? Практически все подобные выводы в условиях ограниченной информации будут неточными, а следовательно, бюджет будет тратиться неэффективно. И если в глубинке большая часть наружной рекламы это все еще статичные билборды с наклеенными на них баннерами, то в столице и крупных городах значительная часть наружки – активная.

 

В последние несколько лет проблема неконтролируемых статистических данных в наружной рекламе заставила крупные зарубежные и российские компании вводить медиалогические стандарты. В США был введен стандарт MORE. Работает он на основе данных, полученных из системы учета Streetlytics (неологизм, означающий «уличная аналитика»), которая использует данные мобильных телефонов по вышкам сотовой связи и их геолокацию для определения положения потенциальных потребителей рекламы. Решение лежало на поверхности, но еще десять лет назад умных телефонов было очень мало. Сейчас же практически все владельцы смартфонов еще при первом включении нового аппарата активируют функции, которые позволяют анализировать данные местоположения, поисковые запросы и многое другое. Массив данных настолько велик, что человеческий мозг даже при помощи математических таблиц не справится с ним, зато обучаемый алгоритм может. Он анализирует только те данные, которые необходимы для принятия решения, а профессионального опыта ему нужно гораздо меньше, чем человеку. Машина учится намного быстрее. В десятки, сотни и тысячи раз! Главное – подобрать правильный метод обучения, соответствующий конкретной задаче.

 

Билборд в прямом эфире

 

Последние два года ведутся работы над еще более амбициозной задачей – показывать рекламу на наружных экранах для определенной аудитории в режиме реального времени. Понятно, что одними данными GPS здесь уже не обойтись. Рекламные конструкции становятся «умными», оснащаются камерами, информация с которых анализируется в прямом эфире, чтобы запустить ролик именно для того человека, которому она будет интересна. Таким образом в Австралии запустили рекламную кампанию Porsche, в Великобритании Renault, а в России Jaguar. Суть в том, что промовидео с новым автомобилем марки включалось только тогда, когда в радиусе действия камеры появлялся автомобиль той же марки.

 

У такого подхода есть и минусы. Конечно, технологии позволяют проводить анализ происходящего в реальном времени, но они стоят недешево. Оснастить все рекламные конструкции камерами и специальным программным обеспечением можно, но тогда вырастет и стоимость рекламы. Получается, что весь выигрыш от таргетирования нивелируется за счет высокой цены.

 

В России системы, подобные Streetlytics, разрабатывают и внедряют компании «Яндекс» и oneFactor. Первые анализируют данные по автомобильному трафику из собственного «Яндекс-навигатора», вторые – данные вышек сотовой связи о количестве пользователей сети, переподключающихся от одной базовой станции к другой по мере продвижения по городу. Так получается, что таргетировать можно не только автомобилистов, но и пешеходов. По данным, которые приводят эти компании, даже при том, что система пока работает не идеально, рост конверсии при использовании уличной рекламы, спланированной при помощи умных алгоритмов, составляет от 2 до 5%. Это очень много.

 

Из всего этого можно сделать интересный вывод: медиапланирование как дисциплина маркетинга в ближайшее время станет скорее теоретической, а всю практику будут выполнять самообучающиеся машины. Но придумывать концепции, разрабатывать дизайн и писать рекламные тексты пока еще придется людям.

 

Александр Ольшанский

 

Фото – источник