Белорусский офис «Яндекса» намерен заняться гиперлокальной рекламой на базе искусственного интеллекта и формирует команду под это направление. Что это такое, как подобные решения реализуются технически и требуют ли «слежки» за пользователем? dev.by поговорил с руководителем минского офиса разработки Алексеем Сикорским о том, как меняется мир рекламы под воздействием искусственного интеллекта, стоит ли опасаться утечки данных и можно ли доверять системам на базе машинного обучения.
Зачем шаурме доходимость
Каким образом анализ данных и машинное обучение помогают решать бизнес-задачи?
Первый контекстный баннер на «Яндексе» появился ещё в 1998 году. Безусловно, за 20 лет многое изменилось. Если вначале контекстную рекламу таргетировали по ключевым словам, то с развитием машинного обучения пул инструментов сильно расширился. Например, у нас есть «Яндекс.Аудитории». Вы можете проанализировать ядро своих пользователей и, применив машинное обучение, подобрать похожую на них аудиторию. Работает этот инструмент, как классические рекомендательные системы: если мы с вами похожи, то песня, которая понравилась мне, с большой вероятностью понравится и вам.
Этот же принцип применяется и в современной рекламе. В настройках рекламной кампании можно указать, чтобы система анализировала пользователей, которые совершают покупку, и таргетировала рекламное сообщение на похожих людей.
Вообще, основная сила систем вроде «Яндекс.Директа» — в умном автоматическом таргетировании. Раньше ты сам пытался определить свою целевую аудиторию — при этом определить её получалось очень топорно, отсекая много потенциальных потребителей.
Например, фабрика шила колготки. С помощью дорогих исследований на фокус-группах она понимала, что её основная аудитория, скажем, женщины 35-40 лет со средним достатком. Соответственно, своей рекламой она таргетировалась только на них, но при этом теряла остальных. А мир ведь большой и сложный, колготки покупают и другие женщины, и даже не всегда женщины. Сейчас же с помощью современных рекламных систем вы можете очень точно определить потенциальную аудиторию — при этом вам не нужно проводить дорогие исследования или самому вникать, на кого именно таргетироваться, машина всё сделает за вас.
А что за зверь — гиперлокальная реклама?
Расскажу свой любимый пример. Представим, что у нас есть Ашот, который делает лучшую в мире шаурму. Чтобы люди узнали, что у него лучшая шаурма, ему нужно как-то продвигаться. Самый простой вариант, который сразу приходит в голову — девушки, которые раздают листовки у метро. Вариант, кстати, не самый плохой. Но Ашот знает, что сейчас самый сильный инструмент привлечения клиентов — интернет. Конечно, он захочет его применить, но это крайне сложно, если он плохо понимает в интернете.
Ашот идёт к знакомым, ему советуют агентство, он приходит в агентство, агентство говорит: тебе нужен сайт. Окей. Ашот не понимает в сайтах, он начинает искать программистов, причём подешевле. Его кидают раза три, но вот хорошо, через несколько месяцев у него появляется сайт. А толку всё нет.
Ашот снова идет в агентство, ему говорят: теперь нужно запустить контекстную рекламу по ключевым словам типа «шаурма». А контекстная реклама — это аукцион. Ашот снова убился, но разобрался, запустил рекламу. Вроде бы пошёл трафик на сайт, но Ашот так и не понял, каким образом клики по его сайту конвертируются в количество проданной шаурмы в его конкретном киоске у станции метро. Да и стоило ли ради этого мучаться с агентством, программистами, аукционом и ключевыми словами.
На самом деле проблема CPA (cost per action) в данном разрезе не решена до сих пор. Но упростить жизнь Ашоту и сделать рекламу гораздо эффективнее уже можно. Во-первых, не нужно иметь сайт, нанимать программистов — достаточно завести карточку организации, которая будет показываться и на «Картах», и в поиске. Ашот может сам сделать отличные фотки своей шаурмы на телефон и в пару кликов создать карточку или подтвердить, что существующая карточка — это карточка его организации. Во-вторых, даже делая лучшую в мире шаурму, Ашот понимает, что за ней не будут ехать из других городов или даже с другого конца города. Его целевая аудитория — это люди, которые испытывают потребность в пище и при этом ходят неподалеку от киоска. И вот тут на помощь приходит гиперлокальная реклама. Ашот может купить рекламу, которая будет показываться таким людям, и теперь он по крайней мере увидит, что такое-то количество потраченных денег привело ему такое-то число кликов по карточке его киоска от, условно говоря, голодных людей, проходивших мимо.
Пока это ещё не CPA, но реклама офлайна развивается в сторону доходимости. Скоро Ашот будет платить именно за посетителей — тех, кто не просто кликнул по рекламе, а пришёл в киоск ногами. Появились компании, которые пытаются продавать статистику того, как реклама в онлайне конвертируется в посетителей офлайновых магазинов — сложно сказать, настоящую или фейковую, но тем не менее. У «Яндекса» уже тоже есть примеры того, как гиперлокальная реклама увеличивает объём продаж в магазинах. А ещё чуть позже рекламные системы научатся точно определять, кто из увидевших рекламу действительно купил товар в офлайне.
«Яндекс» начал экспериментировать с доходимостью всего месяц назад. И сейчас мы собираем в минском офисе команду, которая в том числе будет заниматься этой задачей.
Но как всё-таки понять, кто именно купил шаурму?
Понять можно, причём не нарушая анонимности покупателей.
Гипотетически можно представить такую ситуацию: возьмём производителя, который делает популярную мобильную платформу или мобильные приложения. Предположим, что он договорился с крупными процессинговыми центрами, условными «Визой» и «Мастеркард», о получении анонимных данных: время расчёта, хэш карточки (для анонимности, установить по нему личность покупателя невозможно) и предположительный адрес кассового аппарата, через который производился расчёт. Но у производителя мобильных приложений, в свою очередь, есть ID устройства, на котором эти приложения стоят, есть GPS-координаты устройства (что в наше время равно местонахождению) и время. Дальше время и GPS-координаты можно сопоставить с данными процессингового центра.
Да, могут быть ложные совпадения и не статичные в пространстве кассовые аппараты, но если взять хотя бы пару расчётов одной и той же картой, ложные совпадения будут стремиться к нулю. Таким образом буквально за пару расчётов картой по ID устройства можно будет понять, в каком кассовом аппарате владелец этого устройства рассчитался за покупку.
Имея такие технологии, онлайновые рекламные системы смогут предлагать клиентам платить не только за посетителей, но и покупателей.
Весна — значит, пора купить спиннинг
Выходит, реклама действительно полностью уйдёт в диджитал?
Да, тренд такой. Даже наружная реклама уходит в онлайн. Например, в нашем «Навигаторе» уже есть виртуальные билборды. Я долго не мог понять, почему кликабельность виртуальных билбордов такая высокая, кто на них вообще нажимает. Оказалось, что когда люди стоят на светофоре или в пробках, им скучно, и они рассматривают виртуальные билборды. В этом смысле последние мало отличаются от билбордов на улице — на них тоже смотрят водители, стоящие в пробке. Но виртуальные билборды лучше, потому что с ними можно взаимодействовать: нажал — и получил скидку или совершил транзакцию. Например, стоя в пробке, можно кликнуть на виртуальном билборде и заказать кофе, и тебе принесут его прямо в машину. С наружным такого не получится.
Кроме того, виртуальные билборды доступнее. Чтобы тому же Ашоту повесить рекламу на билборде, ему нужно потратить много времени и денег на креативы, материалы, дорогую печать, купить очень дорогое место. Покрутить рекламу день и что-то изменить или отменить её он тоже не сможет. А в онлайне можно быстро создать виртуальный билборд и экспериментировать сколько угодно, хоть каждый час: с временем, ценой, таргетингом. Выбирай его сам или положись на выбор «Яндекса».
Когда Google и Microsoft говорят о масштабных инвестициях в ИИ и машинное обучение, речь в основном идёт о сущностях вроде чат-ботов и игры AlphaGo, но на них же не заработаешь…
Технологические компании в первую очередь смотрят на развитие высоких технологий: куда движется мир и что будет завтра. Только после этого они задаются вопросом, можно или нет на этом заработать. Если нельзя, значит, время ещё не пришло, но его можно попробовать приблизить. Мы вкладываем деньги в технологии, в счастье пользователя, именно пользователь «управляет балом». И только во вторую очередь думаем, как этим ещё и помочь нашему бизнесу.
Помогут ли дополненная реальность, голограммы, виртуальные билборды и другие подобные вещи снизить негативный эффект от рекламы?
На мой взгляд, токсичность рекламы благодаря таргетингу в последние годы сильно снизилась. Сейчас не нужно заваливать всех подряд всеми возможными предложениями, можно таргетироваться гораздо аккуратнее, с учётом актуальных потребностей конкретного человека. В идеале реклама должна предсказывать, что тебе нужно в данный момент: пришла весна, а ты любишь рыбалку — значит, пора купить спиннинг. Если реклама хорошо встраивается в повседневную жизнь, она раздражает гораздо меньше, она более экологична. Вообще, глобальная задача рекламы — сделать так, чтобы было хорошо и условному Ашоту, и пользователям, и в этом смысле умный таргетинг улучшает жизнь и тем и другим. А в отличие от наружной, онлайновая реклама еще и город не засоряет.
Каждый сам себе параноик
То, что корпорации собирают наши данные, обмениваются ими и пытаются спрогнозировать наши желания — это, по вашему мнению, положительное явление?
Конечно, это скользкая тема. С одной стороны, никому не хочется, чтобы о нём вдруг всплыло что-то плохое или просто личное. С другой стороны, благодаря пользовательским данным компании делают мир — в том числе и свои услуги — намного лучше, удобнее, и отказываться от услуг такого уровня современные люди тоже уже не готовы.
Кажется, сейчас достигнут удовлетворительный баланс: да, компании собирают данные, но эти данные на самом деле анонимны. «Яндекс» не знает, какие сайты посещает конкретный Алексей Сикорский с таким-то номером паспорта — поисковая система оперирует идентификаторами, которые могут показать, что вот это и вот это сделал, скорее всего, один и тот же пользователь. Но и всё. Более того, идентификаторы живут лишь ограниченное время. Я — сторонник именно такого подхода.
В «Яндексе» тщательно следят за соблюдением анонимности. Да, если пользователь запустил на устройстве «Навигатор» и построил маршрут, мы следим за его GPS-координатами, чтобы понять, движется ли он по маршруту, не нужно ли перестроить маршрут, доехал ли пользователь до конца маршрута. Но мы не знаем, в какой машине находится устройство и кому оно принадлежит. И уж тем более мы не знаем персональные данные этого кого-то. Нам неоткуда их взять, а даже если было бы откуда, мы бы этим не воспользовались. Доверие пользователей — наше всё.
Марк Цукерберг и Джеймс Коми, директор ФБР, признались, что заклеивают веб-камеру на ноутбуках. Стоит ли всем последовать их примеру?
У каждого свои фобии и, как говорится, каждый — сам себе параноик. «Яндекс» за пользователями точно не подглядывает, можете не заклеивать.
Создатель Всемирной паутины Тим Бернерс-Ли считает, что люди должны вернуть себе контроль над данными и не давать доступ к личной информации. Не слишком ли утопичное заявление?
В реалиях современного мира, чтобы о вас совершенно точно ничего не утекло, нужно выбросить телефон и уехать куда-нибудь в тайгу. И то возможны варианты. Но я бы не сказал, что мир в опасности. Крупные, серьёзные компании действительно заботятся о том, чтобы данные их пользователей не ушли, и вкладывают в это много денег и усилий — ведь любая утечка данных сильно пошатнёт их репутацию. Поэтому просто не доверяйте свои данные непонятно кому. Например, не ведитесь на рекламу облака для хранения неограниченного объема забесплатно, если это облако — от непонятно какой компании.
Непредвзятый ИИ и выборы без голосов
Как относиться к системам на базе машинного обучения, которые позиционируются как непредвзятые, но при этом основываются на данных, сгенерированных людьми?
Искусственный интеллект сам по себе не предвзят. Как его обучишь, так и будет поступать. Да, влияние учителя велико, но у машинного интеллекта учителей много, и человеческий фактор в такой ситуации сводится к минимуму. У нейросети в нашей голове учителей гораздо меньше.
Например, когда я учился водить машину, у меня был только один инструктор, от которого я черпал информацию. Собственные наработки моей нейронной сети тоже скудны: всего две-три аварийные ситуации и пара тысяч часов вождения. Плюс я могу быть уставшим, а машинный интеллект — всегда бодрый и выспавшийся. Уверен, что когда на дорогах появятся беспилотные машины, трагических случаев будет намного меньше.
Об использовании ИИ в политических целях говорят всё чаще — выборы Трампа тому подтверждение. Нужны ли будут люди для голосования через какое-то количество лет? Ведь их выбор несложно предсказать…
Искусственный интеллект заменит людей в рутинных операциях. Возможно, когда-нибудь машинное обучение будет помогать проводить выборы, но без людей всё равно не обойдётся — в конце концов, с новым президентом жить людям, алгоритмам-то всё равно.
Фото: Марина Серебрякова, Flickr
Рэлацыраваліся? Цяпер вы можаце каментаваць без верыфікацыі акаўнта.