Статья

Как повысить эффективность интернет-рекламы

Интернет Интернет-реклама
мобильная версия

Все больше времени приходится уделять пользователю, чтобы найти среди тысячи ссылок нужный материал. Казалось бы, персональные рекомендации должны облегчать поиск контента. Но, как показывает исследование, проведенное компанией InFortis, они работают только для сферы рекламы. Важно понять, почему контекстный подход не работает для информационного контента, как правильно пользоваться индивидуальными характеристиками.

Кризис интернета, наметившийся уже в последние несколько лет, связан, прежде всего, с переизбытком контента в сети. Пользователю приходится просматривать огромное количество информации, чтобы найти среди тысячи ссылок необходимый и интересный ему материал. Ресурсы времени и сил, которые при этом тратятся, не всегда соразмерны с полученным результатом.

Владельцы сайтов, желающие приобрести или сохранить лидерские позиции на рынке, делают шаги в сторону персонализации своих сервисов. Качественные персональные рекомендации действительно могут решить задачу повышения лояльности пользователя, способствовать увеличению времени, проводимого на ресурсе. Не меньше заинтересованы в эффективных рекомендациях и рекламодатели. Существует несколько подходов к формированию рекомендаций пользователю, одним из наиболее популярных и широко известных решений является контекстный метод.

Эффективность рекомендаций

Компанией InFortis было проведено исследование по оценке эффективности рекомендаций, сформированных с помощью разных методов. Пользователям на основе той или иной рекомендательной техники предлагался контент, после чего фиксировались его реакции: клик или его отсутствие. Полученные результаты по каждому из методов сравнивались с контрольной группой — рекомендациями, предложенными случайным образом.

Количество откликов от пользователей на рекламные баннеры, рекомендованные на базе контекстного метода, оказалось на 17% больше числа откликов на баннеры, которые были предложены случайно.

Источник: InFortis, 2014

Как видно, эффективность контекстного подхода в области рекламного предложения значительно выше. Несколько другая ситуация с рекомендацией информационного контента (статьи, новости). Здесь рост числа реакций на предложение, сформированное посредством контекстного метода, составляет 1,9% по сравнению с числом реакций на случайное предложение.

Источник: InFortis, 2014

Прирост не переступает порога возможной ошибки в работе системы (InFortis указывает цифру погрешности работы своей системы — 2,4% от общего объема обработанных данных). Следовательно, в данном случае мы не можем считать наблюдаемый рост реакций показательным.

Возможные причины

Контекстный подход заключается в предложении пользователю материалов, аналогичных тем, что ранее уже вызвали позитивную реакцию. Для выявления этого сходства используются ключевые слова, присвоенные контенту. Когда речь идет о рекламном предложении, никаких сложностей с ключевым словом не возникает — оно должно отражать содержание предложения. Информационный контент редко имеет один план, причины выбора разными пользователями одной статьи могут значительно отличаться, это существенно затрудняет работу с ключевыми словами.

Вторая проблема — узкий перечень тем, в которые контекст «запирает» пользователя. Некоторые продвижения в сторону рекомендации сопутствующих товаров вместо регулярного предложения одного и того же уже наблюдается, но прогнозирование смежных интересов контекстным методом не реализуется.

Это ограничение лежит в самом принципе построения контекстных рекомендаций. Контекст предполагает однозначную цепочку действий, в которой стимул определяет реакцию. В этой концепции нет места индивидуальности. В ряде случаев это работает, поскольку у каждого человека есть немало паттернов поведения, обусловленных социокультурным контекстом. Но число таких паттернов несоизмеримо меньше всего многообразия реакций, свойственных человеку. Каждый выбор, совершаемый пользователем, является результатом многоуровневого анализа, мощнейшей аналитической работы, которую непрерывно производит мозг.

Создание прогноза поведения на основе знаний о структуре психики человека, об основных механизмах, которые включаются в том или ином случае в ситуации выбора, это, разумеется, программа-максимум. Но любое решение, учитывающее индивидуальные характеристики пользователя в своих прогнозах, будет ближе к персональному подходу, чем контекстный метод.

Персонализация предполагает рекомендации с учетом индивидуальных предпочтений пользователя, его интересов и потребностей, привычных жизненных сценариев, мотивов и желаний. Схема персонального предложения, таким образом, может выглядеть так:

Где S — это стимул, то есть ситуация, потребность пользователя,

R1, R2, R3 – реакции, которые может вызвать данный стимул (выборы пользователем контента, товаров и услуг),

L1, L2, L3 — личностные особенности, которые обеспечивают разнообразие этих реакций.

Эту схему можно прочесть так: выбор пользователя определяется его индивидуальными особенностями.

Что нужно рекламодателю

С другой стороны, если говорить о сфере рекламы, то целью всегда будет привлечение к товару наибольшего количества покупателей. Соответственно, если разработчики будут опираться в своих прогнозах на крупные социальные тенденции, этого будет достаточно для эффективного решения задачи. Для этого необходимо уйти от сбора данных исключительно статистическим путем, что наполняет базу связей «S→R» случайным образом и не дает возможность использовать весь потенциал этих связей для составления прогнозов.

Но потребительская активность в большей степени зависит от социальных паттернов поведения, в отличие от активности, связанной с получением информации, поэтому такой подход не принесет успеха при рекомендации информационного контента.

Подведем итоги: контекст достаточно эффективен в рекламной сфере и имеет возможности повысить результативность своих рекомендаций в будущем. Тогда как в сферах, для которых значение индивидуальности первостепенно (поиск, знакомства, формирование персональных журналов и новостных лент), это направление является тупиковым.

Александр Головань, Оксана Хребтова