Уникальные пользователи в системе Интернет-рекламы

Размещено на http://www.allbest.ru/

Реферат

Уникальные пользователи в системе интернет-рекламы

онлайн реклама уникальный пользователь



Рынок онлайн-рекламы развивается в мире, особенно в США, Европе, Японии, стремительными темпами. Согласно прогнозу авторитетного агентства EMarketer, рынок онлайн-рекламы будет расти на 10-12% в течение 20152017 гг., и его доля в общем объеме рекламы будет возрастать. Интернет- реклама и реклама в социальных медиа как ее подвид дешевле телевизионной или печатной, а объем рекламного инвентаря в ней гораздо больше.

В этой отрасли сложились эффективные технологические механизмы для отслеживания и идентификации пользователей на различных устройствах.

Постепенно технологии, отработанные коммерческими рекламодателями и позволяющие поднять уровень узнаваемости и принести конверсии рекламы в продажи, стали использоваться командами кандидатов в ходе избирательных кампаний.

В Интернете хранится огромный объем данных о каждом пользователе (своеобразный «отпечаток»), сочетание которых дает возможность найти уникального пользователя для передачи политического сообщения по гораздо более комплексным характеристикам, чем социально-демографические признаки. Всю совокупность данных о пользователях сети, их действиях называют общим термином Big Data («большие данные»), что означает процесс и методы сортировки и анализа структурированных и неструктурированных данных огромного объема (измеряемых в терабайтах), которые непрерывно растут. К таким данным относят действия пользователей Интернет, потоки сообщений в социальных сетях, данные о местоположении и многое другое.

Идентификация пользователя - это совокупность способов получения данных о нем на основе онлайн-активности на компьютере, планшете, смартфоне и других устройствах. Кантор отмечает, что, по сути, это получение от пользователя ответа на вопрос: «Кто ты?». Эта формулировка делает идентификацию как процесс схожей с концептом идентификационной матрицы, который существует в теории идентичности и был изучен С. Московичи и Т. Шибутани.

Московичи считал, что идентификационная матрица - особая категориальная подсистема в системе знаний субъекта. Она организует множество категоризаций человека относительно самого себя, сортируя, отфильтровывая, сопоставляя между собой разные уровни и акцентуации человека о самом себе. Т. Шибутани описывал идентификационную матрицу как совокупность «Я»- образов, интегрированных в «Я»-концепцию на основе непрерывности опыта и интериоризации усвоенных ранее значений .

В Интернете процесс сопоставления и хранения таких характеристик пользователя происходит автоматически: задача идентификации - это «узнать» пользователя по различным признакам, а затем сохранить новую информацию о его действиях или предпочтениях и сопоставить со старой.

Способы идентификации уникального пользователя можно условно разделить на две группы: технологические и персональные.

К первой группе относятся следующие способы:

Cookie («куки») - небольшой фрагмент данных, хранящийся в браузере каждого пользователя. Такие «куки» выставляются на домен сайта, который мы посещаем и позволяют впоследствии узнать пользователя при повторном посещении и загрузить о нем всю доступную информацию.

1. Пиксель - невидимое изображение размером 1 на 1 пиксель, отслеживающее действия пользователей на сайте (заход на страницу, скачивание, ввод регистрационных данных, просмотр рекламы и т.д.)

2. IP-адрес (MAC-адрес) - уникальный идентификатор устройства при соединении с сетью.

3. Digital finger print (сетевой отпечаток) - это совокупность различных особенностей устройства (UserAgent), с которого пользователь заходит в Интернет - операционная система, версия, браузер, типа устройства, производитель, различные установленные в браузере плагины, часовой пояс, язык браузера, кодировка, разрешение экрана и т.д.

Считается, что сочетание всего 4 таких уникальных компонентов позволяет в сумме идентифицировать любого пользователя в мире (на самом деле компонентов гораздо больше).

Ко второй группе, которая представляет больший интерес с точки зрения политической коммуникации и рекламы, относятся следующие методы:

1. Сегменты - это узкая категория, к которой относится пользователь в результате различных действий на интернет-ресурсах. Подобных сегментов может быть до нескольких тысяч, и они могут быть довольно узкими. Зачастую сегменты организовываются в виде «дерева», то есть более широкая категория делится на более узкие (Владельцы автомобилей - владельцы электромобилей - владельцы седанов - владельцы конкретной марки и т. д.).

2. История посещений сайтов и приложений. Исследования показали, что пользователь определяется с точностью до 97 % по частому посещению всего 4 уникальных сайтов и приложений .

Сегментный таргетинг, на наш взгляд, в наибольшей степени соответствует вектору идентификационной матрицы, поскольку сегмент - это комплексная характеристика, дающая в сумме некоторую категорию пользователя (например, сегменты «читатель Wall Street Journal», «Бизнес», «ИТ», «B2B» могут в сумме означать категорию «руководитель ИТ-департамента», а сегменты «родительство», «экология», «здоровое питание», «домоводство» - «молодой родитель с экологичным образом жизни»).

Ключевой момент здесь, что сегментный таргетинг фиксирует взаимоотношение характеристик пользователя, причем наиболее важными в данном случае будут считаться не социально-демографические (возраст, пол, раса, место проживания), а функциональные характеристики - образ жизни, интересы, профессиональная деятельность.

Это представляется эффективным в области влияния на электоральный выбор пользователей, поскольку с точки зрения концепции экономического голосования Э. Даунса, достаток, уровень жизни и образ жизни (наличие детей, домашних животных, автомобиля, хобби и увлечения) определяют те зоны интересов, относительно которых мы принимаем свое решение (для владельцев собак важны зоны выгула, правила регистрации животных, для любителей рыбалки - регулирование незаконной ловли, наличие чистых водоемов, для родителей - безопасность детей, качество образования и т.д.), а качестве реализации данных политик - за кого мы будем голосовать (перспективное или ретроспективное голосование).

С каждым новым технологическим витком количество уникальных характеристик, дающих в сумме каждого пользователя, увеличивается, компании учатся находить пользователей по ним, например, в настоящее время к таким характеристикам также относят способ набора на клавиатуре (он практически уникален для каждого).

Все ранее отмеченные способы позволяют узнавать и сопоставлять пользователя на различных устройствах - компьютере, планшете, смартфоне, телеприставке и т. д., а затем осуществлять так называемый таргетинг.

Таргетинг - это способ выделения из всей аудитории только целевого сегмента (чаще - нескольких), чтобы показывать рекламу только ему.

Геотаргетинг, например, представляется нам эффективным инструментом для локальных избирательных кампаний, позволяя, во-первых, отсеять географически нерелевантной электорат и не транслировать ему политические сообщения, а во-вторых, сегментировать свой собственный электорат, например, транслируя жителям разных локальных зон разные сообщения.

В сфере политической рекламы таргетинг осуществляется с помощью покупки специальных баз данных с информацией об избирателях и последующим микротаргетингом по ним. Такая практика активно распространена в США, есть целый ряд крупных компаний, занимающихся агрегированием огромного объема данных (datapoints) обо всех гражданах, имеющих право голосовать, важный момент заключается в том, какие это данные - интерес для таких компаний и команд кандидатов представляют сущностные характеристики пользователя (семья, достаток, образ жизни, наличие автомобиля, путешествия), а не возраст, пол или раса. К таким компаниям относятся Cambridge Analytics, Aristotle, Catalyst.

Кроме того, избирательные команды могут покупать данные и у коммерческих провайдеров (Data Management Platforms), которые обычно поставляют данные для сектора онлайн-торговли (данные о покупателях).

Второй источник - это «оффлайн» данные, то есть более формализованные данные об избирателях, например, списки зарегистрированных избирателей и сторонников (Voter Registration Data Base, существующие в каждом штате и содержащие имена и адреса, а также партийную принадлежность граждан), данные прежних и текущих политических кампаний, включающие волонтеров и благотворителей.

В то же время, у команд кандидатов есть свои данные об избирателях, например, посещающих их сайт или приложение (first party data). Сопоставление этих данных дает очень точную целевую аудиторию, которой можно транслировать политические сообщения. Технологически процесс сопоставления данных каждая команда решает по-своему - через ID пользователей Facebook или Twitter или по cookie ID, но чаще этот процесс осуществляется специализированными компаниями.

Если рынок по сбору данных о пользователях, в том числе и избирателях достаточно насыщен, то вопрос анализа и правильного применения такого объема данных пока еще является актуальным и открытым, он лежит в области так называемой datascience. Пока лишь ограниченное число крупных DSP (demand- sideplat forms), которые управляют рекламными кампаниями на технологическом уровне, предоставляют услуги для политических штабов. На этом рынке начали работать такие коммерческие платформы, как Retargeter, Adroll, так и специализирующиеся только на политических кампаниях, например, SCL- Elections, DSPolitical, GrassrootsTargeting, ElToro и другие.

Чем больше объем данных о каждом пользователе и чем более аккуратно они сопоставлены между собой, тем более эффективным будет прогноз поведения пользователей и выбор релевантных рекламных сообщений.

В коммерческой сфере активно используется так называемый ретаргетинг это «преследование пользователя искомыми продуктами или услугами после того, как он уже ознакомился с ними на сайте или предпринял попытку купить». В ходе президентской кампании 2012 г. команда Обамы активно пользовалась механизмом ретаргетинга, показывая посетителям сайта кандидата рекламу в режиме реального времени. Например, баннеры с приглашением выиграть пригласительный билет на вечер Двух Президентов (вечер с участием Обамы и Клинтона 4 июля 2012 г.) очень активно демонстрировались пользователям различных каналов - на веб-сайтах, в социальных медиа.

Если расширенные данные о пользователе применяются в ходе политических кампаний уже в течение 3-5 лет, то наиболее новаторской опцией является таргетинг по психологическому портрету пользователя, который предлагает Cambridge Analytica. Компания использует немного изменённую типологию Майерс-Бриггс для психологического профилирования личности, методика которой активно используется службами по подбору персонала и образовательными учреждениями для определения особенностей личности сотрудника/абитуриента. Суть в том, что был сделан срез по всей базе данных избирателей, о которых есть набор информации, и проведены опросы, содержащие вопросы для выявления психологических характеристик и мотиваций людей.

Пример данного опросника располагается на сайте Similar Minds , где и проводился опрос. По его результатам пользователи были оценены по особой шкале и отнесены к различным психотипам по критериям экстраверсивности, открытости, сознательности, соглашательства и нервозности; каждая из пяти шкал по мнению создателей этой функции в той или иной мере влияет на процесс принятия решения при голосовании и на политические предпочтения тоже (уровень страха и тревожность, например, с большей вероятностью мотивирует избирателя голосовать за кандидата с силовой, стабильной риторикой и т. д.).

Их основное утверждение заключается в том, что процесс голосования сопряжен с эмоциями, а не только рациональным выбором. Этот психотип личности совмещается с другими уже собранными данными и позволяет поднять релевантность таргетинга для электората. В настоящее время данную услугу приобрел штаб кандидата в Президенты США от Республиканской партии США Теда Круза.

Отдельный интерес в сфере политической рекламы представляют социальные медиа. Первой сетью, которая ввела специальные настройки рекламных кампаний и таргетинг по политическим взглядам, стал Facebook.

Согласно данным NPR в кампании Бена Карсона использовано свыше 240 рекламных постов на Facebook, каждый из которых был таргетирован на разные группы пользователей. Люди распространяют о себе много информации в сети, что дает технологические возможности для наиболее точного таргетинга.

Есть несколько способов, которые предусмотрены платформой:

1. Таргетинг по конкретным людям с помощью FB ID или электронной почты, подходит для локальных кампаний, либо для кандидатов с большой базой сторонников. Для создания такой аудитории необходимо загрузить файл с контактами сторонников кандидата (или другой желаемой аудитории) - e-mail, телефоны, FB ID, пользователи, выполнившие определенные действия на сайте или в приложении. Настройками сети установлено ограничение от 20 пользователей, но рекомендуется добавить не менее 100 для релевантного таргетинга. Например, если у кандидата есть база пользователей, которые уже скачивали материалы с его сайта, оформляли подписку или жертвовали средства в фонд, вероятность того, что они используют тот же адрес электронной почты и для регистрации в социальной сети довольно велика.

В настройках при этом можно задать частоту показов определенных рекламных текстов (frequency cap), чередуя сообщения определенным образом. Такая реклама направлена сторонникам, что определяет сами формулировки политических призывов.

2. Создание аудитории по образу уже выбранной в качестве целевой - «Похожая аудитория» (look-alike targeting). Facebook с помощью собственного алгоритма, работающего на технологиях машинного обучения, рекомендует пользователей, не сообщая владельцу кампании конкретные имена или ID. Источником может быть ранее загруженная аудитория, либо страница в социальной сети (анализ лайков), либо данные с веб-страницы кандидата/партии, где ранее был размещен специальный пиксель для отслеживания. Это позволяет смоделировать аудиторию, которая по комплексу характеристик похожа на сторонников кандидата. При этом все данные собираются в обезличенном виде на основе данных об истории поведения в социальных сетях и заполнения профиля.

3. Таргетинг по пользовательским характеристикам, указанным в профиле - возраст, пол, география, политические взгляды.

Facebook дает возможность настроить поиск аудитории по следующим признакам:

• География (с точностью до района города или DMA)

• Возраст (диапазон)

• Язык

• Семейное положение и ориентация (предпочтения)

• Образование

• Работа (должность, сфера или работодатель)

• Состав семьи

• Финансовый статус (доход)

• Этническая принадлежность (только для афроамериканцев, испаноамериканцев и азиатов в сочетании с языком)

• Поколение (X (1960-80-е), Y(1980-2000) или послевоенное(1940-50))

• Родительство (можно выбрать пользователей с детьми определенного возраста, а также готовящихся стать родителями)

• События из жизни (недавние события на странице пользователя - рождение ребенка, свадьба, путешествие и т.д.)

• Политические взгляды (доступен только для США). Диверсификация политико-идеологического спектра в разных странах представляет трудности для наложения единой шкалы взглядов.

Доступны следующие опции - крайние либералы, либералы, умеренные, консерваторы, крайние консерваторы и две категории пользователей, которые потенциально участвуют в политической жизни (engaged) - консервативные и либеральные. Ко второй категории алгоритм относит участников политических сообществ, а также тех, кто активно жертвует средства на политические кампании.

• Поведение (какую ОС, устройство, браузер использует пользователь, владеет ли страницами или мероприятиями на Facebook, также можно добавить пользователей, вернувшихся из путешествий, либо находящихся в них, что не слишком применимо к политическому таргетингу, однако в этом разделе есть возможность выбрать экспатриантов страны (пользователи, чья страна проживания не совпадает с географией, указанной выше), эта функция более применима к политическим рекламным сообщениям.

• Связи (различные действия пользователей на странице субъекта и в приложениях, их можно как включить, так и исключить, чтобы «достать» новую аудиторию, а также включить таргетинг поклонников других страниц или аккаунтов, например, прямых конкурентов).

• Интересы (формируются из подписок пользователя) - здесь указывается сфера интересов пользователя с разной степенью конкретности (Технологии, Бизнес, Спорт и в рамках каждой категории - ряд более узких сфер).

Отдельно можно рассмотреть таргетинг на блок «Политика и социальные проблемы». В него входят следующие маркеры - армия, благотворительность и общее дело, ветераны, волонтерство, защита окружающей среды, дела общины (сообщества), инновации, политика, религия, право. Следует отметить, что в эту группу попали преимущественно постматериальные акцентуации, что соответствует позиции о том, что в виртуальном пространстве пользователи часто разделяют постматериальные ценности.

В целом, Facebook предоставляет мощный инструмент для политического таргетинга, как для крупных политических кампаний, так и для локальных. При этом масштаб аудитории социальной сети (в ноябре текущего года ежедневная аудитория сети достигла 1 млрд человек ) в сочетании с невысокой стоимостью траффика позволяет судить о высоком уровне потенциальных конверсий рекламы в голоса.

Если сравнивать, например, с Twitter, то в микроблоге политический контент регулируется более жестко, учитывая национальные законодательные ограничения (раскрытие информации, дни тишины), кроме того, он помечается специальным фиолетовым маркером.

Традиционно политические кампании проводятся с выбором целевых аудиторий по небольшому набору социально-демографических данных - пол, возраст, взгляды, достаток, образование. Сейчас Интернет владеет так называемыми Big Data, «большими данными», которые ежеминутно производят пользователи, оставляя историю своего поведения в Интернете и социальных медиа.

Чем более узко и конкретно сформулировано рекламное сообщение, тем больше у избирателя ощущение, что оно обращено лично к нему. Использование больших данных позволяет очень узко сегментировать аудиторию, моделируя конкретных пользователей, которых может заинтересовать сообщение (Пример, «любители рыбной ловли, женатые, с одним или двумя детьми и заработком $3000-5000, живущие в городской местности в штате Висконсин»).

Покупка и эффективное использование таких данных о пользователе позволяет донести политические рекламные сообщения до соответствующих избирателей. Это особенно важно для локальных кандидатов с узкой целевой аудиторией.

Кроме того, зачастую таким образом можно достичь лидеров мнений и инсайдеров, которые проявляют активность онлайн, а затем информация будет распространяться по модели снежного кома уже без необходимости дополнительного управления.

В ноябре 2015 г. Facebook запустил специальный вид таргетинга для политической рекламы по так называемым «лидерам мнений» (в оригинале - political influencers), к данному сегменту относят пользователей, которые активно подписываются на политические страницы и мероприятия, делают репосты о них к себе на страницу, затем алгоритм выделяет среди них либералов и консерваторов (пока доступно только такое “простое” разделение). Таргетинг на таких пользователей позволяет рассчитывать, что они помогут распространить информацию о кампании среди своих друзей.

Тем не менее, в такой стратегии тоже нужно проявлять осторожность, поскольку, по статистике, многие пользователи блокируют или отписываются от друзей, которые публикуют много политической информации.

В этом случае, интерес представляет еще одна функция Facebook и ряда других ресурсов - «естественная реклама» (native advertising). Это способ подачи рекламного сообщения в более естественной и скрытой форме, когда оно по оформлению и стилю выглядит так же, как и обычный контент сайта, например, как элемент новостной ленты. Так, «естественная реклама» может публиковаться в виде постов на Facebook или сообщений в Twitter, а также распространяться через открытые аукционные площадки (DSP, SSP), которые автоматически будут подстраивать рекламный контент под окружение.

На наш взгляд, следующий логичный шаг в развитии таргетинга в социальных медиа, особенно Facebook, это сопоставление голосования за определённых кандидатов и того, какой контент нравится пользователю (лайк, репост). В настоящее время при анализе интересов или предпочтений пользователя учитываются преимущественно данные, которые декларируют о себе сами пользователи, и история их перемещений в сети.

Шаг в сторону такого анализа был сделан создателями технологии Apply Magic Sauce из Кэмбриджского университета, который предоставляет исследователям открытый API, позволяющий оценивать предпочтения пользователей Facebook по ряду показателей, анализируя структуру их лайков и репостов и сопоставляя с другими данными в зависимости от цели. Данная модель использует данные более чем 6 миллионов аккаунтов, чтобы выявить наиболее релевантные комбинации характеристик пользователя (пол, интересы, религия, политические взгляды, тип личности, ориентация, семейное положение и другие) в так называемых персентилях (с какой вероятностью пользователь относится к той или иной категории).

Если 3-5 лет назад преимущества big data использовались только в федеральных кампаниях, например, при выборах Президента США, то сейчас практически каждая локальная команда приходит к этому в той или иной мере. Причем, на наш взгляд, трансляция рекламных сообщений и влияние на подходящую аудиторию для локальных кампаний (уровень города, района, судебного округа для судебной власти) представляет даже большую эффективность, поскольку цена каждого голоса выше.

Нам удалось установить, что, во-первых, в Интернете существует огромное количество данных о пользователях (потенциальных избирателях) - открытых и закрытых, которые можно использовать как с целью транслировать политические сообщения наиболее «конвертируемым» в сторонники пользователям, так и для трансляции информации своим сторонникам и их друзьям, во-вторых, проанализировав существующие на рынке компании, осуществляющие услуги в области политической интернет-рекламы, можно сделать вывод о том, что спектр компаний, которые торгуют данными об избирателях в Интернете, достаточно широк, и кандидаты в США пользуются их услугами на разных уровнях избирательного процесса.

Если сопоставить наиболее эффективные способы идентификации пользователя в Сети с концепцией идентичности и электорального выбора, можно утверждать, что отнесение пользователей к различным сегментам (сегментный таргетинг) релевантен концепции идентификационной матрицы, поскольку позволяет установить взаимоотношение различных характеристик пользователя и соединить их в какое-то новое качество, по которому затем возможно осуществлять поиск пользователя для показа рекламы.

В настоящее время люди все больше стремятся защититься от масштабной передачи своих данных внешним системам, неслучайно все популярнее становятся TOR-сети для анонимизации соединения, системы блокировки рекламы. Кроме того, по законам большинства стран, пользователь имеет право на opt-out, то есть отказ от передачи его данных рекламным сетям, в таком случае он будет считаться новым пользователем каждый раз, заходя на какой-то сайт. Однако не все сети соблюдают данное право, либо процесс этого «сознательного отказа» усложнен. В ряде стран, например, в Голландии, Испании это право работает в обратном порядке, то есть по умолчанию все пользователи не отслеживаются, пока не нажмут соответствующую кнопку в настройках (opt- in), это связано с более жесткими законами в сфере приватной жизни и защиты информации. Сравнительный анализ открывает перспективы для исследования распространения и сбора большого объема личных данных о пользователе как политической проблеме, связанной с правами человека на личную жизнь. В России пока даже в коммерческом секторе RTB рекламы наблюдается отставание, большая часть Интернет-рекламы продается напрямую, что затормаживает и развитие политической онлайн-рекламы.



Литература

Бессонова Е. Е., Зикратов А. И. Способы идентификации пользователей в сети Интернет // Научно-технический вестник информационных технологий, механики и оптики. 2012. № 3(79).

Кантор И. Способы идентификации в Интернете. [Электронный ресурс]. URL: http://javascript.ru/unsorted/id (дата обращения: 12.11.2015).

Мартьянов Д.С. Виртуальные ценности: структура, динамика, противоречия // Труды Санкт-Петербургского университета культуры и искусства. 2015. Т. 206.

Шибутани Т. Социальная психология. М.: Прогресс, 1969.

Brookman D., Green D. Do Online Advertisements Increase Political Candidates' Name Recognition or Favorability? Evidence from Randomized Field Experiments // Political Behavior 36(2): 263-289.

Facebook Ads Advertising for Political Campaigns & Candidates. [Электронный ресурс]. URL: http://www.politicalcampaigningtips.com/facebook-ads-adver- tising-for-political-campaigns-candidates (дата обращения: 06.10.2015).

Размещено на Allbest.ru