Рекламная группа АДВ использует машинное обучение для планирования и закупки всех медиа

Российская рекламная группа АДВ применит технологии работы с большими данными и машинного обучения, чтобы повысить эффективность планирования и закупки всех медиа (ТВ, интернет, ООН, радио) для своих клиентов. Разработки технологической платформы начались в конце 2016 года, а пилотные проекты, реализованные на основе новых методик, показали повышение эффективности размещения в медиа до 10%. Общие инвестиции в проект составят более 100 млн руб. Согласно тестам и исследованиям АДВ, технологии анализа данных и машинного обучения способны визуализировать и управлять связью между потреблением основных медиа аудиторией и ее дальнейшим поведением – покупками онлайн и офлайн. Именно эта задача является ключевой для брендов, делающих крупные инвестиции в рекламу. Традиционно рекламодатели закупают рекламный инвентарь на основании социально-демографических групп, в то время как потребителями выступают люди с характерным образом жизни, привычками, интересами и намерениями. Эти подходы на российском рынке пока невозможно связать в единую цепочку, поэтому неизбежно часть рекламных инвестиций распределяется неэффективно. Разработки АДВ направлены на решение этой задачи. Развитие технологий и накопление онлайн и офлайн данных о потребительском поведении делают возможным построение прогностических моделей, достаточно устойчивых, чтобы лечь в основу планирования медиа инвестиций крупных брендов. Усилия продуктовой команды АДВ сконцентрированы на создании модуля управления данными Data Hub, которая позволит таргетировать рекламные кампании во всех медиа на реальные потребительские сегменты, а не только на социально-демографические данные, как это принято рыночными стандартами. Таким сегментом могут быть, например, люди, уже покупающие продукт бренда, либо отвечающие различным поведенческим характеристикам. Объединив данные различных программ лояльности, результатов предыдущих рекламных кампаний, CRM, а также информацию исследовательских панелей, таких как Mediascope, Tiburon, Romir и других, Data Hub сформирует профиль (ID) пользователя и точную картину его медиа-, продуктового потребления и образа жизни. При объединении источников данных, АДВ ставит перед собой задачу корреляции Data Hub с рыночными стандартами в медиа, трекинге продаж, маркетинговых исследованиях, таких как Nielsen, IMS, Ipsos, GFK и т.д., не менее 90%. Пилотные проекты показывают, что уже сейчас удается определить детальный медиасплит на заданную потребительскую группу с разбивкой вплоть до рекламных блоков на ТВ и контента сайтов. С помощью алгоритмов машинного обучения, а также исторических данных о результатах предыдущих кампаний, система выбирает наиболее кост-эффективный сплит. «Для крупных потребительских брендов долгосрочное планирование и управление инвестициями, в том числе в маркетинг, ключевая задача. Однако до сих пор не существует универсальных инструментов, способных визуализировать связь между потраченными на рекламу деньгами и реальными продажами. Задача АДВ сегодня и в будущем – создавать такие инструменты, используя лучший мировой и российский опыт», - отметил Дмитрий Коробков, основатель и генеральный директор группы. Сложившаяся на рекламном рынке в последние десятилетия бизнес-практика рассматривает рекламное агентство как проводника услуг в области баинга и стратегии. Однако в связи с быстрыми изменениями привычек аудитории, а также на фоне стремительно развивающихся технологий работы с данными, роль рекламного агентства должна также измениться. «Движение рынка в сторону большей прозрачности инвестиций в медиа уже началось – инициативы НРА в области ТВ-рекламы, или разработки Яндекса и Mail.Ru Group и некоторых других компаний это подтверждают. Мы стремимся возглавить процесс трансформации на агентском уровне и предложить клиентам экосистему, которая включала бы в себя все основные медиа. Первым модулем, который станет доступен, будет модуль закупки ТВ-инвентаря», - сказал Дмитрий Коробков. Your browser does not support the video tag. CNews Forum 2017: Информационные технологии завтра Ссылка на источник