Андрей Васин, управляющий директор Proximity Media: беспристрастный programmatic

Как правило, менеджмент на стороне клиента вовлечен в принципиально иной круг вопросов бизнеса, оставляя за агентством право решать прикладные задачи по сформулированным на ближайшие год-два макроцелям: продажи, бренд-метрики и т.д.

В описанной структуре взаимоотношений клиентские ожидания – это производная от того, насколько эффективно отдельные инструменты решают конкретные бизнес-задачи, насколько соответствуют заданным целевым KPI, установленным совместно с агентством. Решают – работаем. Не решают – для разговора нет повода.

За последние два года многих на рынке изрядно потрясло, инвесторы с двойным интересом стали интересоваться выходом на окупаемость, настало время сверхактивных продаж, публичного PR и прочих, свойственных нашему рынку приемов. Когда все вокруг хотят себя продать, неизбежно начинаешь сравнивать, и вот тут вскрывается самое интересное.

В сущности, RTB/programmatic – это всего три продукта (аудиторные сегменты, ремаркетинг, look-alike), каждый из которых, если вдруг не был известен с начала нулевых, то в середине двухтысячных уже широко применялся агентствами, ставящими во главу угла response.

Разумеется, новшеством стала автоматизация закупки – тот самый биддинг, что лежит в основе аббревиатуры RTB (Real Time Bidding), но, справедливости ради, первыми данную концепцию на рынок вывели поисковики, встав в начале нулевых перед необходимостью структурировать продажи целевого спроса в условиях ограниченной емкости. По сути, они создали прототип частной биржи, закрытого аукциона, который со временем стал публичным.

Кстати, многие допускают ошибку в терминологии, смешивая понятия RTB и programmatic, считая их синонимами. Это вовсе не так: RTB – в самом широком смысле протокол автоматизации закупок рекламы на бирже, открытом аукционе с равными правами для всех участников. Programmatic, напротив, закрытый аукцион или прямая сделка, совершенная с применением технологии RTB и данных об аудитории.

Насыщение рынка

Любимая тактика коммивояжеров – вбрасывать на рынок информацию о несметных продажах, целевом трафике как из рога изобилия, неограниченной емкости чего угодно под какую угодно задачу. Чуда, разумеется, не происходит. Человек-потребляющий в популяции programmatic-вселенной распространен не больше, чем в населении в целом. Поэтому по-прежнему актуальным остается правило: чем больше целевой емкости мы хотим, тем сложнее ее найти, и тем дороже нам будет обходиться каждая следующая единица такого инвентаря.

Это вовсе не означает, что RTB/programmatic не способны решать целевые задачи, например отстраивать consideration или purchase intent. Просто нужно адекватно оценивать количественные возможности инструмента по формированию спроса.

На западных рынках, напротив, базовой является концепция аудиторного programmatic. Ввиду отсутствия сильного федерального ТВ, в digital попадает решительно больше бюджетов, отрабатывающих классические маркетинговые задачи по построению знания/ предпочтения бренда. В RTB это выражается в работе с широкими аудиторными сегментами как альтернатива традиционным медиа. Доля non-RTB дисплея там неуклонно сокращается – закупать объемные аудиторные сегменты по демографии и интересам стало удобно и выгодно. Во многом благодаря большому объему данных и налаженной инфраструктуре по их передаче и обработке.

Какие данные доступны на нашем рынке

Нам говорят, мы знаем все и про всех, таксономии описывают до 700 сегментов, крупные игроки заявляют аудиторную емкость в 500+ млн профилей. И это на 75 млн пользователей. Странная математика выходит, поэтому давайте разбираться.

Самой ценной является информация о ближайших намерениях потребителя. Монопольными владельцами этих данных являются поисковики, которые с недавнего времени шифруют реферер в запросе. Существуют методы косвенно установить намерение условной куки через индексацию URL из органической выдачи по заданному ключевому слову. Но связь эта будет в известной степени гипотетической, а поддержание подобного индекса в актуальном состоянии потребует массу системного времени, которого, в сущности, нет: 30% 3rd party куки умирает в течение часа, еще 20% – в ближайшие несколько дней. Отсюда правило – выбирайте поставщиков, которые буквально «сидят» на потоке данных.

Следующими по объему и степени соответствия являются данные социальных сетей. Им известен полный социальный портрет пользователя, демография, долгосрочные и краткосрочные интересы, косвенно – уровень дохода. Информация пополняется не только непосредственно из сети, но и из социальных плагинов (кнопки, регистрации). Однако, как и поисковые системы, социальные сети не предоставляют свои данные на рынок, что благотворно сказывается на процветании серого рынка демографических данных. Все знают, откуда, но никто никогда не подтвердит их происхождение. Как следствие, серые данные не являются полноценными: покрытие одних возрастных диапазонов превалирует над другими.

Далее по ценности идут данные, описывающие интересы аудитории. Они представляют собой массив элементарных действий, выраженных в посещении того или иного URL. В отличие от двух предыдущих групп, эти данные уже коммерчески представлены на рынке. Именно на их основе собирается таксономия большинства поставщиков.

За регулярное пополнение отвечают следующие источники:

• Счетчики посещений, сторонние социальные и иные плагины. Наиболее полными по охвату аудитории являются данные LiveInternet, OpenStat, HotLog, Pluso, AddThis, RedHelper и другие;
• Рекламные сети/биржи: «Яндекс», Google, AdFox, AdRiver, Kavanga, Between и другие;
• DPI интернет-провайдеров – история посещений сайтов отдельными домохозяйствами, восстановленная посредством глубокого анализа сетевых пакетов;
• Логи хостинг-провайдеров – массив данных, агрегированный по группе сайтов, размещенных на стороне провайдера.

Существует еще как минимум четыре типа данных, ожидаемых рынком, которые обещают качественно дополнить знание о характере потребления аудитории: данные мобильных операторов («Билайн»), крупных банков и платежных систем (Сбербанк, Visa), накопительных программ («Малина») и e-commerce (Lamoda, Ozon, Anywayanyday).

Некоторые вскоре появятся на рынке, другие будут работать исключительно в интересах своих владельцев. В одном можно быть уверенным: с момента их открытого появления результативность performance-кампаний существенным образом улучшится.

Насколько результативны programmatic-кампании

Давайте вернемся к вопросу применимости. В основе современного programmatic лежат данные, интерпретирующие пользовательские интересы – это достаточно широкие, общие характеристики для того, чтобы спровоцировать целевой response (пример: интерес «автомобили» не означает желание сиюминутного приобретения авто). Широкие сегменты – во многом аудиторный продукт, который работает по классическим целям в начале цикла покупки. Тем не менее современные DSP, во-первых, предлагают возможность сузить сегмент или внести в него дополнительные условия: к примеру: (интерес «автомобили» + интерес «бизнес») – (интерес «филателисты», интерес «фэшн»). Во-вторых, предлагают использовать предикативные алгоритмы, оптимизирующие кампанию на лету по таким параметрам, как стоимость инвентаря или величина конверсии. С такими надстройками результативность возрастает кратно.

Ремаркетинг кампании даже без учета programmatic всегда демонстрирует результативность, близкую к контекстной рекламе, что вполне ожидаемо – работа происходит с 1st party аудиторией, которая некоторое время назад посетила целевые зоны на сайте рекламодателя. Должный уровень мотивации аудитории способствует совершению целевого действия. Programmatic здесь идет еще дальше, предлагая дополнительно таргетинг по внешним 3rd party данным, и даже делает доступной технологию динамического ремаркетинга.

Технология look-alike – заключительный продукт семейства. При ее помощи становится возможным существенное расширение аудитории кампании за счет привлечения пользователей, похожих по поведению на посетителей целевых зон на сайте рекламодателя. Эффективность look-alike зависит от качества алгоритмов машинного обучения. Задача ресурсоемкая, и позволить ее себе могут далеко не все. Лишь три-четыре поставщика на рынке способны осуществить справедливый расчет сегмента, из которых первые два – это DBM и «Яндекс». Остальные участники рынка, к сожалению, строят look-alike сегмент умозрительно. При хорошем алгоритме look-alike эффективность кампании будет близка к результатам контекстной рекламы или ремаркетинга.

При правильной структуре кампании взаимосвязь продуктов должна выглядеть приблизительно следующим образом:

Как выбрать поставщика

В зависимости от того, работаете вы на стороне клиента или агентства, для начала нужно определиться с приоритетами. Какие конкретно задачи требуется решать:

• Покупать готовые сегменты или строить свои;
• Докупать внешние данные или ограничиться таксономией поставщика;
• Накапливать 1st party data для сегментации или использовать простейший ремаркетинг;
• Look-alike на основе машинного обучения или ручного управления;
• Выгружать сегменты во внешние DSP или использовать встроенный биддер;
• Управлять закупкой вручную или применять автоматические стратегии;
• Простейшая или расширенная отчетность.

Абсолютное большинство поставщиков умеет работать с двумя продуктами из трех – аудиторные сегменты по своей таксономии и ремаркетинг кампании по zero-пикселю, установленному на сайте рекламодателя. Собрать сегменты из 1st party предложат все, с динамическим ремаркетингом сложнее.

Третий продукт – look-alike – заявлен у большинства поставщиков, но 90% обещают его, скорее, символически. Рассчитать сегмент на лету под силу только крупным поставщикам, не считая грантов («Яндекс», Google). Если поставщик небольшой, не стоит ожидать алгоритмического решения в данном продукте.

Внешний self service интерфейс доступен у считанных единиц, булевы операции с данными в нем еще реже. Если вы настроены на глубокую работу с DMP, сразу обращайте внимание на саплаеров с развитой инфраструктурой, как правило, наличие stand alone DMP сопровождается возможностью выгружать «обсчитанные» сегменты во внешние DSP, где вторая цена может оказаться дешевле или предиктор ритмичней.

Пожалуй, самый непрозрачный критерий – актуальность аудиторных данных. Здесь нужно действовать только опытным путем и косвенно через раскрытие информации о заключенных контрактах на поставку данных. Поставщики должны гарантировать удельную емкость и отдавать данные на потоке.

Ну и, разумеется, условия контракта, white label на отдельном оборудовании или PaaS («платформа как услуга») в облаке, последнее решение существенно дешевле, но может при этом обладать и ограничениями по вычислительной мощности.

За последний год мы оттестировали более полутора десятков поставщиков и на ближайший период отобрали под свои задачи DMP Facets и экосистему DCA в целом. Мы также широко используем DBM и с интересом следим за новыми продуктами и успехами отдельных саплаеров, в частности Auditorius.

Краткий глоссарий:

1st party data – собственные данные рекламодателя, включающие информацию о пользователях, которые тем или иным образом взаимодействуют с сайтом (история посещений, регистрация, анкетные данные и т.д.) или есть в CRM базе. 

3rd party data – сторонние данные, предоставляемые источником, к которому получатель не имеет отношения. В качестве источников выступают биржи данных и DMP, сторонние сайты, платежные системы, email-рассылки и др. 

Data Management Platform (DMP) – поставщик профилей пользователей и платформа управления данными, которая отвечает за сбор, смешивание и хранение разнотипных данных для создания аудиторных сегментов, дающих возможность более точно таргетировать рекламную кампанию. 

Deep Packet Inspection (DPI) – технология накопления статистических данных, проверки и фильтрации сетевых пакетов по их содержимому. Deep Packet Inspection способно обнаруживать и блокировать вирусы, фильтровать информацию, не удовлетворяющую заданным критериям. DPI может принимать решение не только по содержимому пакетов, но и по косвенным признакам, присущим каким-то определенным сетевым программам и протоколам. Для этого может использоваться статистический анализ (например, анализ частоты встречи определенных символов, длины пакета и т.д.).

Demand Side Platform (DSP) – автоматизированная технологическая система, взаимодействующая с SSP (Supply Side Platform), Ad Network, Ad Exchange и напрямую с паблишерами. Главная цель DSP – купить по минимальной цене показы пользователям, максимально точно соответствующим запросам рекламодателей. Интерфейса управления рекламой и совершения покупок у DSP обычно нет, он есть у продуктов, исполняющих роль ее надстроек – Trading Desks, систем ретаргетинга и др. 

DoubleClick Bid Manager (DBM) – это DSP Google, которая позволяет в режиме реального времени управлять покупкой медийной и видеорекламы по модели RTB. 

PaaS (Platform as a Service, «платформа как услуга») – модель предоставления облачных вычислений, при которой потребитель получает доступ к использованию информационно-технологических платформ: операционных систем, систем управления базами данных, связующему программному обеспечению, средствам разработки и тестирования, размещенным у облачного провайдера. В этой модели вся информационно-технологическая инфраструктура управляется провайдером, им же определяется набор доступных для потребителей видов платформ. Потребителю предоставляется возможность использовать платформы, создавать их виртуальные экземпляры, устанавливать, разрабатывать, тестировать, эксплуатировать на них прикладное программное обеспечение, при этом динамически изменяя количество потребляемых вычислительных ресурсов.

White label – это модель сотрудничества, при которой производством товаров и услуг занимается одна компания, а реализацией и продажей – другая компания под своим брендом.