1 Поведенческий таргетинг в интернет-рекламе Поведенческий таргетинг – передовая технология передовая технология _ интернет-рекламы интернет-рекламы _

2 Таргетинг (фокусировка) – выбор целевой аудитории для показа рекламы Традиционные подходы к таргетингу – случайный показ – географический – временной – тематический – контекстуальный – частотный – параметрический (демографический) – обратный Недостатки традиционных подходов для рекламодателей: – низкая эффективность кампаний (низкий CTR) – нерациональное расходование рекламного бюджета для рекламных площадок и агентств: – низкая эффективность площадей – недополученная прибыль – сложность адекватной коммерциализации общетематических площадок для потребителей: – неинтересная, надоевшая реклама

3 Поведенческий таргетинг – передовая технология рекламы Поведенческий таргетинг (behavioral targeting, BT) подразумевает показ рекламы в соответствии с индивидуальными вкусами и интересами конкретного потребителя. База данных профилей пользователей Математическая модель Движок показа рекламы 1. Заход посетителя на сайт 5. Показ рекламы 2. Получение движком информации о посетителе 3. Отнесение пользователя к некоторой группе 4. Выбор релевантной рекламы для группы Посетители рекламных площадок Группа с интересом к рекламе А Группа с интересом к рекламе B Группа с интересом к рекламе C

4 Преимущества и возможности поведенческого таргетинга Преимущества ВТ для рекламодателей: – повышение эффективности кампаний (рост CTR) – оптимизация расходов рекламных бюджетов для рекламных площадок и агентств: – лидерство над конкурентами по выкупу рекламных площадок и продаже рекламы – повышение доходности рекламных площадей, в том числе общетематических площадок – получение дохода за оказание дополнительных услуг по интернет-рекламе и маркетингу для потребителей: – релевантная реклама (в основном интернетом пользуются для получения нужной информации) Возможности интернет-маркетинга при использовании ВТ – сегментация потребителей по сходству интересов и характеру действий – организация персонально-ориентированных рекламных кампаний – эффективная реклама новых товаров без предварительного сбора статистики – прогнозирование эффективности рекламных кампаний и промо-акций до их проведения – оценивание потенциального объема интернет-рынка для некоторого товара – прогнозирование динамики развития сегментов интернет рынков – выявление необходимых характеристик товара для обеспечения заданного уровня продаж – формирование «идеального» товара для некоторого сегмента рынка

5 Структура системы поведенческого таргетинга Обучение мат. модели на статистических данных из БД Движок показа рекламы База данных профилей Базовая стратегия показов Сбор информации о пользователях Data Mining структуризация и факторизация данных Наполнение БД профилей 1. Первичный сбор данных 2. Построение модели системы Заход пользователя на сайт профиль пользователя 3. Функционирование системы пополнение БД профилей и информацией о реакции на рекламу выбор рекламы для показа в соответствии со стратегией рекламной кампании Показ релевантной рекламы Реакция пользователя на рекламу до / пере- обучение модели

6 Подходы к реализации поведенческого таргетинга Сбор личных данных пользователей Эффективная система ВТ может быть построена на информации, НЕ позволяющей вычислить личность: Non-PII (Non Personally Identifying Information) ! Подходы к реализации модели ВТ примитивный (история посещений) – построен на истории посещений сайтов пользователем – ориентирован на сегментацию пользователей (некоторая грубость рекламных стратегий) интеллектуальный – построен на всех собранных о пользователе данных – использует всю мощь современных методов искусственного интеллекта – не требует предварительной сегментации аудитории пользователей – позволяет реализовывать самые гибкие рекламные стратегии – дает наилучший результат таргетинга – позволяет сразу эффективно рекламировать новые продукты, без сбора статистики! – позволяет реализовать арсенал инструментов анализа и прогнозирования в интернет-маркетинге

7 Опыт в разработке систем поведенческого таргетинга ~~~~ Пример выполненного проекта по разработке системы поведенческого таргетинга Общая задача Разработать математическую модель для системы поведенческого таргетинга с такими требованиями: – для конкретного посетителя сайта показывать рекламу такого товара*, которым он заинтересуется (купит) с наибольшей вероятностью; – для конкретного товара, даже совершенно нового, по набору его характеристик выбрать посетителей сайта, которые наиболее вероятно купят этот товар; – производить автоматизированную сегментацию (кластеризацию) посетителей сайта по интересам к некоторому товару. * непосредственно товар, услуга или информация Исходные данные Неструктурированная База данных с профилями пользователей (текстовый файл с данными). Профиль одного пользователя: строк текста, содержащие «скопом» некоторые данные по – оборудованию ПК пользователя – программному обеспечению, установленном на ПК пользователя – cookies – истории посещений сайтов: History определенных браузеров (не всех, имеющихся у пользователя) – избранным страницам (закладкам): Favorites определенных браузеров (не всех)

8 Опыт в разработке системы поведенческого таргетинга Решенные задачи – определение информации, пригодной для анализа, и структурирование текста в данные (Data Mining) – выявление и формализация факторов, которыми можно описать пользователя – определение комбинации факторов, отличающих пользователей с интересом к некоторой рекламе – сегментация пользователей на пересекающиеся группы с интересом к различной рекламе/товару – разработка механизмов отнесения нового посетителя к той или иной группе Результат – описание математических моделей и алгоритмы системы таргетинга – техническое задание на разработку ПО движка системы таргетинга – разработанное тестовое ПО для опробования системы таргетинга Эффект от внедрения По сравнению с традиционным таргетингом (в т.ч. модель «по ключевым словам») : – повышение соотношения клики/показы (CTR) на 18-36% – повышение соотношения покупки/показы на 7-24%

9 Предложение по разработке и внедрению системы поведенческого таргетинга Процесс разработки и внедрения системы ВТ Эффективность (CTR) Число показов Этап первичного сбора данных Этап построения модели Этап функционирования системы ВТ База данных профилей Data Mining Математическая модель ВТ Движок (алгоритмы) Механизмы до / пере обучения модели эффективность рекламных площадок предлагаем разработать

10 Наша команда Состав коллектива: кандидаты и доктора технических наук, аспиранты При решении задач используется опыт мировых научных школ и собственные разработки На ряд собственных разработок получены патенты. Примеры патентов релевантных данной теме: – Патент A України, МПК G06F17/00, N7/06. Система ефективного оцінювання претендентів при наймі на роботу – ; Заявл ; Опубл – Патент A України, МПК G06F17/60, N7/06. Спосіб одержання експертних оцінок з урахуванням індивідуального сприйняття експерта – ; Заявл ; Опубл – Патент A України, МПК G06F17/60, N7/06. Спосіб одержання якісних експертних оцінок при моделюванні економічних, соціальних, біологічних систем. – ; Заявл ; Опубл – Патент A України, МПК G06K9/00. Спосіб класифікації обєктів в умовах неповної та нечіткої інформації. – ; Заявл ; Опубл – Патент U України, МПК G06F17/17, F17/18, F17/30. Пристрій для обробки слабоструктурованих даних на основі мереж Байєса. – u ; Заявл ; Опубл

т/ф: тел.: www: