Содержание к диссертации
Введение
Глава 1. Индустриальный контекст развития рекламных технологий .. 17
1.1. Текущее состояние рынка онлайн-рекламы 17
1.2. Особенности рекламы в Интернете 27
1.3. Влияние «больших данных» (Big Data) на рекламную отрасль 34
Глава 2. STRONG Технология автоматизации процесса размещения рекламы в
цифровой среде STRONG 63
2.1. Предпосылки возникновения нового способа ротации традиционных рекламных форматов 63
2.2. Рекламный аукцион в реальном времени и модели прямого автоматизированного размещения 76
Глава 3. Система автоматизированного взаимодействия рекламодателей и издателей 90
3.1. Технологические платформы как новый механизм взаимодействия участников рекламного процесса 90
3.2. Практика использования автоматизации игроками рекламного рынка 104
Заключение 125
Список литературы
- Особенности рекламы в Интернете
- Влияние «больших данных» (Big Data) на рекламную отрасль
- Рекламный аукцион в реальном времени и модели прямого автоматизированного размещения
- Практика использования автоматизации игроками рекламного рынка
Введение к работе
Актуальность темы исследования. В последние годы российские издатели активно развивают онлайн-форматы традиционных СМИ в Интернете. Данная стратегия мотивирована ростом аудитории цифрового канала, чему способствуют темпы проникновения Интернета в регионах, а также вариативность в выборе устройств для выхода в Сеть.
Издательская деятельность в цифровой среде имеет специфическую особенность: массовая аудитория, информационных и развлекательных СМИ в особенности, не готова оплачивать доступ к контенту. Обусловлено это тем, что уникальное содержание в Интернете легко тиражируемо и пока не существует индустриального решения, способного оградить издателей от копирования контента. Особенность дистрибуции сетевых медиа, в свою очередь, позволяет аудитории находить альтернативные – бесплатные – источники информации. В фокус нашего исследования попадает коммерческая деятельность СМИ, и нами выдвигается тезис о том, что бизнес-модель, в основе которой лежит плата за доступ к содержанию, на момент написания исследования не является приоритетной у российских издателей.
Большинство представителей медиа в Интернете ориентированы на рекламную бизнес-модель, которая предполагает, что товаром является внимание потребителей контента, а покупателями выступают компании, производящие товары и услуги, ориентированные на схожую аудиторию. Процесс планирования и реализации онлайн-продвижения до нач. 2010-х гг. происходил по аналогии с традиционными рекламными каналами и базировался на принципе аффинитивности – индексе соответствия аудиторий СМИ и продвигаемого продукта. При таком подходе тематика ресурса выступает условным гарантом охвата пользователей, которым сообщение покажется интересным и релевантным с точки зрения их интересов. Коэффициент
4 попадания в целевую группу при этом зависит не только от данных
исследовательских компаний, на базе которых строится аргументация выбора
мест размещения. Важным аспектом является соответствие аудиторий -
потенциально ожидаемой и фактической на момент демонстрации рекламы, т. к.
Интернет в сравнении с офлайн-каналами отличает бльшая динамика
изменений.
С развитием технологии «большие данные» (англ. big data),
позволяющей собирать, хранить огромные массивы информации и управлять
ими, в цифровой рекламе стал доступен метод, суть которого состоит в
возможности размещать традиционные форматы рекламных объявлений новым
способом - для определенной целевой группы вне зависимости от бренда,
тематики или выборки конкретных ресурсов, контент которых искомая
аудитория потребляет. Таким образом, в практику современных специалистов
по рекламе вошла модель «аудиторных закупок» (англ. audience buying), которая
выступает альтернативой классическому подходу, при котором планирование
происходит с ориентацией на тематику, непосредственным образом
определяющую целевую аудиторию. В сочетании с технологической
инфраструктурой такой способ позволяет управлять рекламным процессом с
учетом следующих параметров:
портрета и сферы интересов конкретного пользователя, определить и использовать которые стало возможным благодаря методам обработки «больших данных»;
размещением рекламного сообщения на тех интернет-ресурсах, которые выбранная целевая группа посещает фактически;
с учетом стоимости контакта, определяемой самим рекламодателем.
В конце 2000-х гг. эти возможности объединила технология «Ар-Ти-Би», «аукциона в реальном времени» (англ. real-time bidding, сокр. RTB), на базе которой несколькими годами позднее сформировался новаторский подход к демонстрации цифровой рекламы - «программатик» (англ. programmatic), что в дословном переводе обозначает автоматизированный способ размещения
5 рекламы. Отличительной характеристикой этого метода, объединяющего
совокупность различных моделей, является автоматизация цикла закупки и
продажи рекламного инвентаря с помощью технологических платформ,
представляющих интересы основных участников процесса – рекламодателей и
издателей. Таким образом, в переводе на русский язык под «программатиком»
понимается реклама, размещенная алгоритмическим или автоматизированным
способом, поэтому в работе мы используем упомянутые определения как
синонимы. Важно обратить внимание, что алгоритмический подход не является
новым видом или форматом рекламы, это – комплекс различных моделей
размещения существующих рекламных форматов.
Выгода рекламодателя при использовании метода «алгоритмических или
автоматизированных закупок» (англ. programmatic buying) заключается в
возможности контактировать с целевой аудиторией на площадках, которые
удовлетворяют критериям рекламного размещения в соотношении стоимостных
и качественных характеристик (последние определяются в том числе по
действиям пользователя после контакта с рекламным материалом). В цифровой
среде технологическая инфраструктура позволяет управлять большим
количеством параметров рекламного размещения; в свою очередь,
автоматизация упрощает производственную цепочку, снижая трудозатраты и влияние человеческого фактора.
Новые возможности индустрии рекламных технологий позволяют издателям автоматизировать коммерческий процесс и сосредоточить усилия на основной деятельности, связанной с производством контента. Оптимизации рекламных продаж способствуют алгоритмы, настроенные соразмерно потребностям конкретного медиа, функционирующие в режиме реального времени и позволяющие управлять массивами данных об аудитории. Такой подход по аналогии с упомянутыми выше понятиями определяется как способ «алгоритмических или автоматизированных продаж» (англ. programmatic selling).
6 Стоит отметить, что «программатик» – явление глобального масштаба.
Во всем мире издатели дополняют продажу рекламного инвентаря данными об
интересах аудитории, которые сочетают в себе контекст, поведение,
геолокацию, время и множество других факторов, напрямую влияющих на
эффективность контакта. Мировые исследовательские компании, приводя
статистику по оборотам рынка, в последние годы разделяют цифровую рекламу
не только по сегментам и форматам, но и по способу размещения –
автоматизированному и «неавтоматизированному» (англ. non-programmatic).
Данное исследование посвящено экономической составляющей
издательской деятельности, филологическая компонента представлена тезисом о
том, что реклама – это часть контента СМИ. Для представителей традиционных
медиа дистрибуция продукта в Интернете возможна на разных типах дисплеев, а
современные рекламные технологии позволяют издателям сосредоточить
усилия на деятельности по производству содержания за счет автоматизации
продаж и размещения в различных цифровых форматах.
Степень научной разработанности исследуемой проблемы.
Исследуемая нами тема является глобальным индустриальным трендом и актуальным предметом исследований и работ на соискание научной степени, которые рассматривают процесс автоматизированного размещения рекламы в Интернете с ее направленностью на узкие целевые сегменты1.
Важно отметить, что принцип аудиторного сегментирования,
применяемый в «программатике», совмещает экспертизу и опыт, накопленные
1 Yuan Y., Wang F., Li J., Qin R. A survey on real time bidding advertising // In Service Operations and Logistics, and Informatics (SOLI), 2014 IEEE International Conference. – Р. 418–423; Yuan S., Wang J., Zhao X. Real-time bidding for online advertising: measurement and analysis // In Proceedings of the Seventh International Workshop on Data Mining for Online Advertising. 2013, August; Zhang C. R., Zhang E. Optimized bidding algorithm of real time bidding in online ads auction. In Management Science & Engineering, 2014 International Conference. – Р. 33–42; Zhang W., Yuan S., Wang J. Optimal real-time bidding for display advertising. In Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. 2014, August. – Р. 1077–1086; Stevenson D. M. Market-based audience costs in real-time bidding advertising systems. In Proc. of American Marketing Association (AMA) Summer Marketing Educators’ Conference, Chicago, IL, USA, vol. 26. February, 2015; Fernandez-Tapia J. Real-time bidding rules of thumb: analytically optimizing the programmatic buying of ad-inventory // Laboratoire de Probabilites et Modeles Aleatoires. 2015, July.
7 за период существования рекламной индустрии, с возможностями современных
технологий. Мы можем увидеть элементы математической методики в
планировании на основе GRP (англ. gross rating point) или TRP (англ. target
rating point). Однако в доцифровую эпоху не существовало возможности
автоматизировать рекламный процесс таким образом, чтобы оценка
эффективности и корректировка показателей происходили в реальном времени,
главным образом потому, что в измерении аудитории в традиционных
рекламных каналах отсутствует возможность технической связки между
аудиторией, медианосителем и рекламодателем. Современная инфраструктура
онлайн-среды позволяет соединить участников рекламного процесса в рамках
всех цифровых устройств.
Мы можем отметить, что возможности «аудиторных закупок» в определенной степени присутствуют в любом канале коммуникации с разницей в терминологическом аппарате и проценте погрешности. Таким образом, «таргетинг» (англ. targeting – целевое сегментирование) всегда выступал ключевым элементом рекламной коммуникации, со временем трансформируясь в различные показатели измерения эффективности.
Поэтому теоретическую базу данной диссертации составили
фундаментальные труды в области медиапланирования и экономики СМИ. Экспертами здесь выступают российские ученые Е.Л. Вартанова, С.М. Гуревич, В.Л. Иваницкий, Г.Г. Щепилова, А.Н. Назайкин, М.М. Лукина 2 , а также западные коллеги К. Финк, А. Айрис, Ж. Бюген3.
2 Вартанова Е. Л. Медиаэкономика зарубежных стран. – М: Аспект Пресс, 2003; Гуревич С. М., Иваницкий В. Л., Назаров А. А., Щепилова Г. Г. Основы медиамаркетинга / Под ред. С. М. Гуревича. – М: МедиаМир, 2007; Иваницкий В. Л. Основы бизнес-моделирования СМИ. – М.: Аспект-Пресс, 2010; Землянова Л. М. Зарубежная коммуникативистика в преддверии информационного общества: Толковый словарь терминов и концепций. – М.: Изд-во Моск. ун-та, 1999; Назайкин А. Н. Иллюстрирование рекламы. – М.: Эксмо, 2005; Он же. Медиапланирование на 100%. – 2-е изд. перераб. и доп. – М.: Альпина Бизнес Букс, 2007; Он же. Практика рекламного текста. – М.: Бератор-Пресс, 2003; Он же. Рекламная деятельность газет и журналов. Практическое пособие. – М.: РИП-Холдинг, 2002; Он же. Рекламный текст в современных СМИ. – М.: Эксмо, 2007; Он же. Эффективный рекламный текст в СМИ. – М.: Изд-во Моск. ун-та, 2011; Основы медиабизнеса: Учеб. пособие для студентов вузов / Под ред. Е. Л. Вартановой. – М: Аспект Пресс, 2009; Щепилова Г. Г. Как продать рекламу в газете. – М: РИП-Холдинг, 2006; Щепилова Г. Г. Реклама в СМИ: история, технологии,
8 Непродолжительный период использования возможностей рекламы,
размещенной автоматизированным способом, обусловливает специфику выбора
теоретических источников, т. к. в российской научной литературе не существует
достаточного количества информации, вследствие чего мы ссылаемся на труды
зарубежных коллег по исследуемому вопросу – монографию Дж. Кристала и
работу под общей редакцией О. Буш4. Также мы используем тематическую
информацию, опубликованную в периодических изданиях 5 , и доклады
профильных компаний, посвященные как «программатику» в частности6, так и
рекламному рынку в целом7.
Научная новизна. В данном исследовании впервые в отечественной
науке рассматриваются принципы автоматизации процесса рекламного
размещения в цифровых медиа, а также использование «больших данных» в
целях увеличения качественных показателей рекламного контакта. В центре
классификация. – М.: Изд-во Моск. ун-та, 2010; СМИ в пространстве Интернета: Учебное пособие / Под ред. М. М. Лукиной, И. Д. Фомичевой. – М.: Ф-т журналистики МГУ, 2005; Яковлев А. А., Чупрун А. Б. Контекстная реклама: основы, секреты, трюки. – СПб: БХВ-Петербург, 2009.
3 Айрис А., Бюген Ж. Управление медиакомпаниями: реализация творческого потенциала. –
М.: ИД «Университетская книга», 2010.
4 Busch O. (ed.) Programmatic Advertising: The Successful Transformation to Automated, Data-
Driven Marketing in Real-Time. Switzerland: Springer International Publishing (eBook), 2016;
Cristal G. Ad Serving Technology. USA, San Bernardino, CA. 16 February 2014.
5 Data, data everywhere. The Economist. Feb 27th, 2010; All too much. The Economist. Feb 25th,
2010; Elgin B. The Vanishing Click Fraud Case. BusinessWeek. December 4, 2006; Programmatic
bidding: Buy, buy, baby. The Economist, Sep 2014; McDonough J. How real-time bidding is
changing the way ad inventory is bought and sold, The Gardian, July 2014; Reynolds K. Are Ad
Exchanges and Real Time Bidding The Next Big Thing?; Dreller J. A quick guide to demand-side
platforms; Limon K. The difference between first, second, and third party data and how to use them.
Retargeter blog; O'Hara Cr. When Big Data Doesn't Provide Big Insights, November, 2011.
6 IAB Europe. Road to Programmatic, White Paper. July 2015; IAB Digital Simplified
Programmatic. Sept. 2013; IAB Europe. Programmatic Market Sizing Study, Sept. 2014; Attitudes
towards Programmatic Advertising report, IAB Europe. August 2015; McDonald K. PubMatic
Programmatic Outlook Report, 2015; Google. The arrival of real-time bidding, 2011; Creating
Optimal Customer Journeys With Programmatic Marketing. A WBR Digital Whitepaper Presented
in Conjunction with MediaMath, Spring 2015; Fast take on: Programmatic Media Buying (North
America), MEC Global Report, December 2014; ICD Programmatic Market Forecast, June 2015;
Fisher L. Programmatic Advertising 2015 Outlook , eMarketer February 12, 2015; Доклад
компании ADFOX «Российский рынок RTB в 2013 году».
7 IAB Europe AdEx Benchmark 2012. August 2013; IAB Europe AdEx Benchmark. May 2014.
2015; Доклад АКАР «Объем рекламы в средствах ее распространения в 2014 г.»; Доклад
АКАР «Объем рекламы в средствах ее распространения в январе-июне 2015 г.»; TNS Web
Index.
9
внимания оказывается переход от традиционного подхода к
медиапланированию к принципу демонстрации рекламных объявлений для
аудитории, определенной технологическим путем.
Автор рассматривает функции и роли рекламно-технологических
платформ, представляющих интересы участников, а также автоматизированные
модели размещения рекламных объявлений в онлайн-СМИ. В работе
определены границы таких специфических для рекламно-цифровой отрасли
понятий, как «аукцион в реальном времени», «аудиторные закупки»,
«алгоритмическое размещение», «автоматизированные закупки»,
«автоматизированные продажи», «большие данные», «платформа спроса», «платформа предложения», «платформа управления данными», и других терминов, которые ранее широко не употреблялись в научной литературе.
Объектом исследования выступает алгоритмический способ размещения цифровой рекламы, «программатик», как комплекс подходов и методов, базирующихся на технологической инфраструктуре, которая позволяет автоматизировать процесс покупки и продажи рекламы для релевантной аудитории.
Предметом исследования являются модели автоматизированного рекламного размещения и сферы применения технологических решений издателями, использующими рекламную бизнес-модель в цифровой среде.
Хронологические рамки исследования. В работе исследован отрезок
времени с конца 2000-х по середину 2010-х гг. XXI века – этапа возникновения
и развития комплекса инновационных подходов к размещению существующих
рекламных форматов. Этот период является показательным, т. к. вследствие
глобальных финансовых трансформаций инструменты повышения
эффективности стали чрезвычайно востребованы.
Согласно рабочей гипотезе, для того, чтобы оставаться в авангарде
рекламно-технологического прогресса, российским издателям необходимо
обладать комплексным пониманием алгоритмов работы экосистемы
автоматизированного способа размещения как на уровне медиа – для апробации
10 новых технологий, так и с точки зрения рекламодателя - в целях формирования
актуального предложения. Сегодня перед менеджерами рекламно-издательской
отрасли не стоит вопрос, стоит ли внедрять данные разработки, т. к. технологии
детерминируют медиабизнес, а коммерческий результат зависит от оперативной
и корректной интеграции технологических решений в сложившуюся структуру
бизнеса.
Цель настоящего исследования - анализ автоматизированных методов размещения рекламы, которые объединяет «программатик», для определения основных понятий, ролей участников процесса и способов внедрения технологических решений в бизнес-модель медиа.
Задачи исследования. Для достижения указанных целей необходимо было решить следующие задачи:
рассмотреть терминологию, связанную с процессом автоматизированного размещения рекламы в Интернете;
унифицировать понятия, связанные с новым рекламным направлением;
описать область деятельности платформ-участников рекламного процесса и их специфические особенности;
проанализировать место медиа в технологической цепочке;
провести анализ способов коммерческого использования потенциала нового направления применительно к медиабизнесу.
Методологическую основу диссертационного исследования составляют аналитические работы исследовательских компаний, отраслевые доклады, труды ученых, рассматривающих «большие данные» и «программатик».
Методы диссертационного исследования. В качестве основного в работе использован системно-структурный подход. В процессе проверки гипотезы и в целях реализации задач исследования применялись такие методы, как наблюдение, анализ, синтез, сравнение, которые позволили обобщить материал по теме работы и классифицировать основные понятия. Для сбора эмпирического материала использован формат интервью с представителями компаний, функционирующих в исследуемой отрасли.
11
В качестве теоретико-методологической основы в работе
использовался рекламно-ориентированный подход, при котором основным
финансовым источником для медиа служат поступления от продаж рекламы вне
зависимости от среды существования СМИ. В этом случае средства информации
рассматриваются как инструменты маркетингового продвижения (Д. Смаит, Д.
Хесмондхал, А. Айрис, Ж. Бюген, К. Финк, Е. Л. Вартанова, С. М. Гуревич, В.Л.
Иваницкий, А.Н. Назаикин, Г.Г. Щепилова, И. В. Кирия)8, основой которого
является анализ закономерностей потребительского поведения (Ф. Котлер)9.
Эмпирическую базу данной работы составляют результаты двух
исследований, проведенных автором:
-
открытые, семидирективные, интервью с практиками рекламной индустрии, активно использующими новую для рынка модель продажи и покупки рекламы в реальном времени – RTB. Данное исследование было проведено в период с ноября 2013 г. по март 2014 г., опрошены представители 7 компаний (издатели, агенты и представители технологических структур).
-
закрытые, директивные интервью, с экспертами, подразделенными на 3 категории: а) представители издательского бизнеса; б) топ-агентства и рекламодатели российского рынка, владеющие собственными
8 См.: Айрис А., Бюген Ж. Управление медиакомпаниями: реализация творческого
потенциала. – М.: ИД «Университетская книга», 2010; Финк К. Стратегический газетный
менеджмент. – Самара: Корпорация «Федоров», 2004; Основы медиабизнеса: Учеб. пособие
для студентов вузов / Под ред. Е.Л. Вартановой. – М: Аспект Пресс, 2009; Вартанова Е.Л.
Медиаэкономика зарубежных стран. – М: Аспект Пресс, 2003; Гуревич С. М. Экономика
отечественных СМИ. – М.: Аспект Пресс, 2004; Гуревич С.М., Иваницкий В.Л., Назаров А.А.,
Щепилова Г.Г. Основы медиамаркетинга / Под ред. С. М. Гуревича. – М: МедиаМир, 2007;
Иваницкий В. Л. Основы бизнес-моделирования СМИ : учеб. пособие для студентов вузов. –
М.: Аспект Пресс, 2010; Щепилова Г.Г. Реклама в СМИ: история, технологии, классификация.
– М.: Изд-во Моск. ун-та, 2010; Назайкин А.Н. Медиапланирование на 100%. – 2-е изд.
перераб. и доп. – М.: Альпина Бизнес Букс, 2007; Назаи кин А.Н. Рекламная деятельность газет
и журналов. Практическое пособие. – М.: РИП-Холдинг. 2002; Кирия И.П. Зарубежный
медиамаркетинг. – М: Издательство «ВК», 2006; Hesmondhalgh D. The Cultural Industries.
London: Sage, 2002; Smythe D. Communications: Blindspot of Western Marxism, Canadian Journal
of Political and Sociat Theory, vol. 1, Nо 3.
9 Котлер Ф. Маркетинг по Котлеру: Как создать, завоевать и удержать рынок. Пер. с англ. –
5-е изд. – М: Альпина Бизнес Букс, 2008; Котлер Ф., Келлер К. Л. Маркетинг менеджмент. 12
изд. – СПб: Питер, 2000.
12 технологическими разработками в области алгоритмической рекламы и
«больших данных»; в) участники, пользующиеся новыми инструментами
через специализированных подрядчиков. Опрос был проведен в сентябре
2015 г., участие приняли представители 19 компаний; условием выбора
экспертов было наличие соответствующей компетенции и опыта работы
по направлению. Таким образом, со стороны медиа ситуацию
прокомментировали сотрудники ведущих цифровых площадок «Авито»
(Avito), «ЭдМи Груп» (AdMe Group) и медиахолдингов «РБК»
(РосБизнесКонсалт), «Эйч-Эс-Эм Диджитл» (HSM Digital), «Ридженел
Нетворк» (Regional Network); от лица специалистов крупнейших на
российском рынке рекламно-технологических платформ выступили
представители холдингов «ДаблЮ-Пи-Пи» (WPP) «Кзаксис» (Xaxis),
«Резолюшн Медиа» (Resolution Media), входящего в сеть «О-Эм-Ди O-Эм
Груп» (OMD OM Group), «Проксимити» (Proximity), входящей в «Би-Би-
Ди-О Груп» (BBDO Group), платформ спроса крупнейших рекламодателей
Рунета – компаний «Лямода» (Lamoda) и «Тинькофф Банк» (Tinkoff Bank);
сотрудники рекламных агентств, не владеющих собственными
технологическими платформами и являющихся локальными брендами
«Артикс Интернет Солюшнс» (Аrtics Internet Solutions), «Промо
Интерэктив» (Promo Interactive) – российское агентство, с 2011 г.
входящее в «Огилви Груп» (Ogilvy Group), «Веритас» (Veritas) и «Айтек
Груп» (ITECH.group).
3) вторичный анализ данных, полученных вследствие изучения отраслевых и
авторитетных докладов (white papers), статистических данных,
результатов исследований компаний, таких как «Ай-Э-Би» (IAB), «Ай-Ди-
Эс» (IDS), «иМаркетер» (eMarketer), «Магна Глобал» (MAGNA GLOBAL),
«ПабМатик» (PubMatic), «ЭдФокс» (AdFox) и др.
В результате автору удалось проинтервьюировать ведущих
представителей формирующейся в России экосистемы «программатика» как со стороны заказчиков (рекламодателей и агентств), так и со стороны
13 исполнителей (медиа). При анализе данных использовалась методика
структурирования информации: осевое, открытое и избирательное кодирование.
В процессе исследования использовались материалы научных
конференций и частных семинаров с практиками информационно-
технологической индустрии, статистические отчеты.
Положения, выносимые на защиту:
-
«Большие данные» – это понятие, которое объединяет совокупность подходов к хранению массивов информации любых объемов и управлению ими. «Большие данные» сегодня проникают во все сферы деятельности человека, и их технологические возможности дополняют базовые принципы рекламной коммуникации. Оборот рынка цифровой рекламы достиг текущего объема и доли в том числе за счет методов работы с данными, которые показали высокую результативность на примере контекстной и поисковой рекламы. Эволюция аудиторного таргетинга и популяризация идей «программатика» были бы неосуществимы без возможности размещать рекламу с привязкой к портрету и сфере интересов пользователя в Интернете, для чего используются механизмы «больших данных».
-
Принцип сегментации аудитории – таргетирования – базово заложен в рекламе. В доцифровую эпоху использовались «ручные» инструменты классического медиапланирования: количественные показатели, полученные с помощью моделирования результатов, дополнялись опытом и интуицией отдельных специалистов. Интернет-реклама в целом и «программатик» в частности позволяют автоматизированно использовать эмпирические данные для управления ходом рекламной кампании в реальном времени, чтобы с помощью математических алгоритмов оптимизировать путь пользователя от момента контакта с рекламным сообщением до совершения конечного действия.
3) Ключевая особенность Интернета как канала состоит в том, что
аудитория потребляет, производит и распространяет контент одновременно, что
влечет изменения в коммерческой стратегии СМИ. Модель сбора платы за
14 доступ к контенту в цифровой среде не получила широкого распространения,
ставка по-прежнему делается на рекламную составляющую. Однако в этой
плоскости кроется ключевое отличие: продукт в Сети предстает в различных
форматах и, подстраиваясь под пользователя, может существенно
видоизменяться. «Программатик» как автоматизированный способ продажи и
размещения различных рекламных форматов из «одного окна» позволяет
соотнести изменения в медиапотреблении и способах доставки содержания с
целью максимизации доходов издателя.
4) Парадокс автоматизации заключается в том, что интеграция новых
технологий требует трудовых ресурсов с уникальной компетенцией.
«Молодость» направления накладывает ограничения на уровень
проработанности темы: индустриальные стандарты услуги по алгоритмическому размещению размыты и не определены единым классификатором. В работе вводятся в оборот понятия и исследуются явления, способствующие перспективе дальнейшего изучения темы практиками и теоретиками отрасли.
Теоретическая и практическая значимость работы. Научные результаты и выводы исследования могут быть использованы для дальнейшего изучения автоматизированных методов рекламного размещения и анализа феномена «больших данных» с точки зрения их роли в рекламной индустрии.
Практическая значимость работы состоит в том, что автор провел комплексный анализ функционирования востребованного на современном рынке цифровой рекламы алгоритмического способа ротации различных рекламных форматов в привязке к информации об интересах аудитории. Важным является изложенное в работе понимание терминов, определяющих процесс размещения и его автоматизацию, их отграничение от вольно трактуемых синонимов. Результаты экспертных опросов представителей компаний, для которых применение новых рекламных технологий явилось экспериментальным полем деятельности с момента появления инструментария и экосистемы на российском рынке (2012-2013 гг.), могут быть полезны
15 теоретикам для развития научной составляющей, так как ранее подобные
исследования не проводились.
Содержащиеся в диссертации наработки, основанные на анализе эмпирического материала, направлены на развитие профессиональных компетенций представителей российских медиа и на улучшение ориентации в пространстве цифровой рекламы. Результаты исследования могут быть использованы при подготовке специалистов-теоретиков рекламной отрасли и менеджеров цифровых СМИ.
В соответствии с указанными целями и задачами была определена следующая структура исследования. Работа состоит из введения, трех глав, заключения, списка литературы и приложения. Объем исследования составляет 157 страниц. Объем приложения – 10 страниц.
Особенности рекламы в Интернете
Как мы отмечали, цифровая реклама обладает рядом преимуществ, таких как высокая скорость распространения, возможность тестирования на небольших, в сравнении с традиционными медиа, бюджетах, функция оперативной корректировки стратегии и замены рекламных материалов. Исследователь в области рекламы А. Н. Назайкин к отличительным чертам рекламы в Интернете также относит «значительный охват, высокую избирательность аудитории, высокое качество воздействия на потенциальных потребителей, контролируемость демонстрации рекламы, легкость обеспечения необходимой частоты», а также быстроту размещения рекламы и возможность оперативного анализа эффективности рекламы39.
Традиционные каналы рекламы - пресса, телевидение, радио, наружная реклама - подробно классифицированы и изучены на теоретическом и практическом уровнях, что позволяет использовать унифицированные методы медиапланирования. Инструменты интернет-продвижения динамичны в своем развитии и зачастую меняются по мере апробации новых технологий. С появлением рекламы в Интернете компетенция по планированию исторически была вынесена в отдельное направление как на уровне групп агентств, так и внутри маркетинговых подразделений компаний40. В комплексе способов продвижения в цифровой среде можно выделить следующие направления: - медийная или дисплейная (графическая, изобразительная, макетная) реклама (англ. display advertising) - сегмент рынка, который находится в фокусе нашего исследования;
Более того, в 2014 г. лидирующие агентства России выделили направление алгоритмической рекламы в отдельное подразделение уже внутри цифровой группы, что говорит о необходимости дальнейших технологических разработок даже в том случае, когда они ведутся на базе существующих. - поисковый маркетинг41 (англ. search engine marketing, сокр. SEM), к которому относится поисковая реклама (англ. search engine advertising, сокр. SEA) и поисковая оптимизация42 (англ. search engine optimization, сокр. SEO); - маркетинг в социальных сетях43 (англ. social media marketing, сокр. SMM); - электронная рассылк44 (англ. email marketing); - рекомендательный45 маркетинг (англ. referral marketing); - партнерский маркетинг46 (англ. affiliate marketing); - контент-маркетинг47 (англ. Content marketing); - мобильная реклама48 (англ. mobile advertising), или продвижение в мобильном вебе 49 , что включает в себя различные форматы продвижения, в том числе используемые в десктопном вебе50.
Традиционно продажи медийной рекламы в Интернете осуществляются по принципу «гарантированных контрактов» (англ. guaranteed contracts). Это способ, при котором рекламодатель получает определенное количество показов по фиксированной стоимости в необходимый период с гарантированным позиционированием и форматами размещения на медийном ресурсе52. «Информирование о марке или товаре первая задача, которая ставится рекламодателем перед СМИ, содержащими рекламу», 53 но сегодня большинство рекламодателей пошли дальше информационно-увещевательных функций в сторону требования от каналов распространения рекламы доведения пользователей до конкретной цели54, к так называемому маркетингу, стимулирующему к действию (англ. performance based marketing). Таким образом, в онлайн-рекламе помимо продажи рекламы по показам (англ. cost per mille, сокр. СРМ) появились виды платы за определенные действия, например, за клики (англ. cost per click, сокр. СРС) или за покупки (англ. cost per acquisition, сокр. СРА)55.
Важно отметить, что дисплейный формат рекламы имеет существенный недостаток: цена показа не всегда соответствует его ценности, то есть качеству отклика на рекламное объявление. Это утверждение справедливо в сравнении с контекстной рекламой, где рекламное сообщение максимально релевантно запросу и текущему интересу пользователя, т. к. за основу берется информация о намерениях пользователя, которые он сам Мы используем форматы «дисплейная», «медийная» и «баннерная» реклама как синонимы.
Также существует множество производных от основных моделей оплат, как, например, плата за установку, CPI (англ. cost per install), которую активно используют в мобильном вебе, плата за оформленный заказ, СРО (англ. cost per order) и др. обозначил в поисковом запросе56. Контекстное таргетирование отражается в том числе на стоимости конечного действия: пользователь, который в настоящий момент мотивирован к восприятию соответствующего текущему интересу предложения, отличается от потенциальной аудитории продукта, которая может проявить интерес к нему в будущем. В свою очередь, для охвата аудитории используется медийная, посредством которой возможно покрыть максимальное количество потребителей, и, по аналогии с контекстной, ее эффективность зависит от применения таргетингов (англ. targeting) - настроек по характеристикам целевой аудитории, наиболее активным потребителям товара или услуги57. Соответственно, каждый инструмент продвижения выполняет свою функцию и его стоимость зависит от специфики задач и методов. Сегодня под контекстным размещением понимаются не столько рекламные форматы (текстовые или текстово-графические блоки, сокр. ТГБ), сколько принцип таргетирования на базе контекстной фильтрации, которым пользуются при покупке инвентаря различных форматов58.
Таким образом, присутствие коммерческих брендов в цифровой среде сводится к решению двух задач: стратегической и тактической - имиджа и стимулирования к действию, и зачастую эти вопросы решаются в комплексе и параллельно друг с другом. Однако тенденции последнего времени показывают, что даже те компании, которые не имеют направления электронной коммерции, все равно прибегают к инструментам стимулирования к действию с целью вовлечения клиентов в процесс для повышения лояльности, внимания к бренду. К примеру, масштабной задачей компании «Данон Юнимилк» (Danone Unimilk) является максимальный охват лет) с целью повысить узнаваемость бренда. Однако производитель также использует интерактивные форматы, когда онлайн-участие премируется, и каналы рекламы измеряются не с точки зрения имиджевых показателей, а с точки зрения стоимости привлеченного пользователя (СРА-модель). Измерение эффективности интернет-размещений можно разделить на два уровня - оценку медийных показателей и качественного контакта. К первому типу метрик относится количественный показатель кликабельности (CTR), а также стоимость пользователя, перешедшего на посадочную страницу (СРС). При этом нужно учитывать, что клик, за который рекламодатель может покупать по модели СРС или рассчитывать при СРМ-размещении, не всегда равен переходу. Визит пользователя может не состояться по причине того, что загрузка интернет-страницы займет много времени или же пользователь случайно кликнул и, не дождавшись перехода, закрыл окно. В онлайн-рекламе также существует понятие «клик фрод» (англ. click fraud), или «скликивание», - вид мошенничества в Сети, которое осуществляется с помощью программируемого кода и представляет собой имитацию клика по рекламному объявлению59. Как правило, фальсификацию платных переходов на сайт рекламодателя практикуют конкуренты рекламодателей или недобросовестные владельцы сайтов60.
Влияние «больших данных» (Big Data) на рекламную отрасль
Аудиторные закупки (посредством аукциона или без него) позволили размещать рекламу для нужных пользователей, управляя при этом Оригинал отчета доступен на сайте холдинга «ДаблЮ-Пи-Пи» (WPP). URL: http://www.wpp.com/wpp/marketing/digital/fastake-on-programmatic-media buying/ (дата обращения: 06.02.15). стоимостью размещения, ведь целевая аудитория продукта может посещать помимо известных площадок новостной ресурс своего района, ставка за СРМ на котором существенно ниже федерального СМИ. Д. Белозуб, директор по развитию платформы спроса компании «Тинькофф Диджитал» (Tinkoff Digital) так комментирует эту ситуацию: «Новая инфраструктура позволяет рекламодателю в реальном времени отслеживать статистику на каждом ресурсе и в зависимости от эффективности размещения принимать или изменять цену, по которой он готов покупать показы на том или ином ресурсе. Таким образом, если аудитория сайта качественная, а поставленные цели кампании выполняются, то рекламодатели сами начинают активнее торговаться на бирже за этот ресурс и повышать цену за показ. Технология позволяет определить ценность инвентаря канала, а не стоимость бренда интернет-сайта»143. Как отмечает «Ай-Э-Би», «переход от покупки Медиа к закупкам Аудитории представляет концептуальный сдвиг в масштабе и скорости использования данных и размещения рекламы» 144 и требует переосмысления со стороны всех участников рекламного процесса. Можно констатировать, что алгоритмическое направление рекламы представляет собой технологический комплекс, целью которого является автоматизация процессов планирования и размещения кампаний в цифровой среде с использованием возможностей аудиторного третирования и контроля по различным показателям145.
Значение термина «алгоритмическая реклама» вытекает из значения слова «алгоритм», что определяется как набор правил и последовательность действий, путь достижения результата. Алгоритмом также можно считать метод преобразования «сырых» данных в детализированную информацию, в математическом смысле - процесс трансформации первоначальных данных в конечные , механизм, который используют при работе с «большими данными». В алгоритмизированной рекламе эти правила выполняют ключевую функцию. Они являются фрагментом автоматизированного кода, который учитывает заданные переменные и информацию, на основании которой принимаются решения. Можно определить систему настроек для закупки трафика на рекламной бирже. От того, какими будут эти правила для каждой из кампаний и какую информацию мы решим учесть при размещении, зависит конечный результат. В интернет-рекламе математические методы применяются для улучшения качества показателей и оценки эффективности инструментов. Они позволяют настраивать индивидуальные параметры проводимых кампаний, с помощью чего становится возможным оптимизировать расходование рекламного бюджета.
Преимущества автоматизированного метода размещения очевидны не только для рекламодателей. Помимо дополнительного канала рекламных продаж издатели получают оценку рекламного инвентаря147, что позволяет концентрировать усилия по развитию продукта в нужном направлении148. Благодаря аналитическим возможностям в процессе рекламного контакта технология определяет удобство, скорость загрузки страницы, популярность места расположения конкретного рекламного формата, время пребывания на странице с контентом и тому подобные факторы, которые собираются в системное представлении о качестве и ценности рекламного инвентаря на основе математических показателей.
Существует два метода алгоритмической продажи рекламы: - продажа рекламного трафика через публичные или индивидуальные аукционы (англ. public and private auctions); частные, прямые соглашения о продаже рекламного инвентаря между площадкой и рекламодателем или рекламным агентством, которые могут производиться как на аукционной основе, так и без торгов. Как мы уже отмечали, алгоритмическая закупка рекламы для второго участника процесса - рекламодателей - дает возможность показывать рекламное сообщение аудитории, выделенной в целевые группы из множества пользователей Интернета. Информация о текущем интересе и актуальных потребностях аудитории является преимуществом данного вида рекламы, так как решение о демонстрации сообщения принимается на основе этих данных и не зависит от бренда площадки1
Алгоритмическая закупка может осуществляться следующими способами: 1) с участием специалиста (англ. human programmatic buying, сокр. НРВ). Примером служит модель проведения торгов, когда на стороне платформы спроса в полуавтоматическом режиме ход кампании контролируется специалистом; 2) с использованием искусственного интеллекта (англ. artificial intelligence buying, скор. AIB). В этом случае система проводит аналитику каждого размещения по сложной комбинации, учитывающей множество факторов, таких как время суток, популярность формата, место на странице, тип контента, категория площадки, предшествующее поведение пользователя, контент баннера и тому подобные критерии, напрямую влияющие на качество рекламного контакта. Математический подход к анализу рекламного процесса позволяет системе интеллектуально обучиться, чтобы определять справедливую ставку за показ данного сообщения конкретному пользователю на определенной площадке в текущий момент времени.
Рекламный аукцион в реальном времени и модели прямого автоматизированного размещения
На данный момент эти направления существуют в отдельном подразделении, компетенции для работы в котором формирует сам рынок, т. к. эта специализация находится на стыке рекламы, маркетинга и новых информационных технологий. Валерия предполагает, что в дальнейшем ситуация может измениться, например, «решение тактических задач перейдет в отдел традиционного планирования: у сотрудников добавится компетенция работы с интерфейсами рекламных платформ, углубленным пониманием различных настроек размещений и т. п. При этом, может остаться центр экспертизы в лице сотрудников, ориентированных на развитие и консалтинг по стратегии использования у клиентов. По мере развития автоматизированный подход будет занимать центральное место в стратегиях, и участникам рынка необходимо будет адаптировать и впитать это знание»192. В результате будут востребованы специалисты, которые на базе технологий могут придумать релевантный задачам клиента рекламный продукт. На сегодня рынок и спрос формируют агентства, которые проактивно исследуют вопрос и стремятся предоставлять клиентам лучшие практики не только российского, но и мирового рынка193.
В период 2013-2015 гг. департаменты, специализирующиеся на «программатике» появились внутри ведущих рекламных сетей, таких как «Даблю-Пи-Пи» (WPP) - платформа «Кзаксис», «Аегис Денцу Нетворк» -платформа «Амнет» (Amnet), «Омником Груп» - платформа «Акуен» (Ассиеп) и ряда других.
После обзора платформы, представляющей интересы рекламодателей, перейдем к основному вопросу в нашей работе: как издатели могут эффективней всего участвовать в процессе алгоритмического размещения. SSP - платформа, которая позволяет издателям управлять рекламным инвентарем и увеличивать свой доход. Технология позволяет эффективно, автоматизированно и безопасно подключаться к различным источникам реализации трафика и достигать таким образом максимального уровня выручки194. Важно уточнить основные опасения представителей медиа, которые возможно нивелировать за счет использования корректной приоритизации каналов продаж.
Направление алгоритмической рекламы появилось вследствие активного развития RTB-закупок как понятие, объединяющее не только аукционные способы размещения, а все модели, где рекламный процесс автоматизирован. Соответственно, первым способом альтернативной монетизации выступала продажа остаточного инвентаря195 через аукцион, притом открытый, т. к. модель закрытых торгов до сих пор является не самой популярной для России. Издатели опасались дискредитации прямых продаж, в связи с тем что на рекламную биржу трафик уходил с существенной скидкой от основной цены (иногда она достигала десятков раз). Подобный дисконт также не был привлекательным с точки зрения дохода: если ставка была слишком высокой, то объем выкупаемого трафика был настолько несуществен, что метод не приносил ощутимого дохода. В случае, когда издатели ставили среднерыночную биржевую стоимость, объемы возрастали, но из-за низкой цены ситуация с доходами была аналогична первому примеру. К тому же настройки продажи в открытом аукционе не всегда
Сегодня ситуация на локальном рынке меняется, во-первых, за счет улучшения условий и вариативности моделей продаж рекламного инвентаря как на бирже, так и автоматизированным образом. Во-вторых, благодаря популяризации инструмента среди мировых брендов и представителей сетевых агентских групп, сегодня все больше клиентов на мировом уровне включают алгоритмическую рекламу в обязательный набор средств онлайн-продвижения. На фоне роста финансовой емкости сегмента издателям невыгодно не обращать внимания на данный канал. Сегодня алгоритмическое направление не измеряется как отдельный сегмент интернет-рекламы, но существует экспертная оценка компаний-игроков
Из приведенной статистики мы можем сделать вывод, что перспективы роста рекламных вложений в «программатик» являются стимулом для развития направления внутри российских медиапредприятий. Как отмечают западные коллеги, с тех пор как были представлены новые каналы внутри автоматизированного способа размещения - закрытые аукционы и продажа гарантированного инвентаря алгоритмически - издатели и рекламодатели отметили все преимущества, с ними связанные, ведь успех, связанный с RTB, стимулирует желание начать максимально полно и эффективно использовать возможности представленных рынком каналов197. На этом основании можно прогнозировать рост востребованности этих моделей на локальном рынке в ближайшие годы.
Практика использования автоматизации игроками рекламного рынка
Как отмечают европейские исследователи, «за последние несколько лет автоматизированный способ размещения из мало известного тактического инструмента превратился в главного помощника в работе любого онлайн-стратега»228, а «Зе Экономист» (The Economist) говорит о «программатике» как о «перестройке медиабизнеса» 229 . Р. Гоэль, со-основатель и генеральный директор технологической компании «ПабМатик» (PubMatic), одного из игроков мирового уровня, подчеркивает, что 10 лет назад алгоритмического бизнеса не существовало, но «сегодня он полностью завладел медиаиндустрией»230. Этот тезис подтверждается цифрами по обороту и доле нового сегмента рекламы. Так, по оценкам упомянутой выше «Магна Глобал», в США на алгоритмическое направление приходится 47%, или 11,1 млрд долл., непоисковой рекламы, в мировом масштабе оборот индустрии в 2013 г. составил 14 млрд долл., в 2014 г. - 21 млрд долл. с прогнозом роста до 53 млрд долл. к 2019 г.231
В работе мы исследовали тему с позиции основных участников процесса рекламной коммуникации: заказчика, под требования и задачи которого ориентированы продукт и сервис, - рекламодателя, и исполнителя, которым в случае с «программатиком» выступает уже не медиа как отдельный канал, а технологическая платформа, действующая в качестве агрегатора предложений рекламного инвентаря и позволяющая централизованно управлять размещениями с учетом различных параметров. Мы рассматривали автоматизированный способ размещения с точки зрения обоих участников рекламного процесса, аргументируя такой подход тем, что медиа, использующие рекламную бизнес-модель, ориентированы на максимально эффективное удовлетворение потребностей своего рекламодателя. Издатели должны быть компетентны в рыночном спросе, требованиях и потребностях клиентов, чтобы формировать рекламный продукт релевантно собственным возможностям. В ходе экспертных интервью мы выявили низкий процент адаптации новых технологических инструментов в деятельности российских игроков. Но одновременно проявляется большой интерес, который, на наш взгляд уже в скором времени приведет к существенному росту использования технологии автоматизированного размещения рекламы. Можно отметить следующие тренды развития технологии: Кроме того, на уровне глобальных сетевых рекламных групп созданы отдельные структуры, сотрудники которой ориентируются как в рекламных, так и в технологических аспектах и развивают компетенцию по работе с «большими данными» и «программатиком».
Математические алгоритмы позволили автоматизировать процесс рекламного размещения, что вкупе с «большими данными» произвело революцию на рекламном рынке, по значимости и последствиям схожую с автоматизацией процессов в других областях. Востребованность автоматизированной ротации объясняется синтезом лучшего, что было сделано за годы развития цифровой рекламы: - возможности использования данных о поведении пользователей; - аукционный принцип определения стоимости; - автоматизации процесса размещения; - использование различных рекламных форматов; - сведение результатов в одну статистику; - управление различными каналами из единого интерфейса.
Проблемы незрелости подхода постепенно решаются путем роста экспертизы внутри маркетинговых департаментов рекламодателей, агентских групп и, конечно, со стороны издателей, участие которых в России пока остается на низком уровне. Для решения этой задачи мы рассмотрели функционал новых платформ с целью сделать вывод о том, как СМИ в цифровой среде следует осваивать новые возможности и с какой позиции это корректно начинать. На наш взгляд, за счет автоматизации процесса рекламного размещения на онлайн-площадках издатель получает ряд преимуществ: 1) комбинирование различных алгоритмизированных моделей продаж повышает процент реализованного инвентаря, следовательно, и прибыли; 2) автоматизация процесса продаж и бронирования трафика позволяет оптимизировать расходы на заработную плату сотрудников; 3) использование аудиторных данных дает возможность медиа конкурировать с конверсионными инструментами и удовлетворять требования рекламодателей как по результату, так и по использованию передовых разработок.
Важно отметить, что ценообразование «программатик» состоит из нескольких компонентов - совокупности цен за а) рекламный инвентарь, б) аудиторные данные и в) использование технологических платформ. В случае с издателями, которые владеют ограниченным количеством собственного рекламного объема, подход и методы работы с аудиторными данными будут определять стратегию продаж. Уровень сегментации аудитории позволяет в динамике влиять на реализацию рекламного объема, увеличивая его стоимость в привязке к отдельным рекламным размещениям.
В какой последовательности издателю стоит использовать автоматизированный подход к продажам? Первой и самой очевидной является модель размещения прямой рекламы, к которой мы относим сделки, совершенные собственным отделом продаж или через посреднические структуры, к примеру, посредством специализированных агентств. Этот тип сделок может быть проведен традиционным способом или автоматизированно, в зависимости от возможностей участников. Следующими вариантами в получении прибыли за счет рекламных
Автоматизация рекламных продаж в медиа позволяет усилить коммерческую составляющую. Комбинирование различных моделей автоматизированных размещений вкупе с аудиторными настройками дает возможность управлять уровнем заполняемости рекламных мест и стоимостью самого инвентаря - основными составляющими прибыли издателей в Интернете. На основе параметров, по которым будет оцениваться эффективность кампании, издатели могут настроить цикл автоматизированных продаж таким образом, чтобы реализовать рекламный объем по максимальной цене и одновременно удовлетворять потребности клиентов в конечном результате.
Резюмируем, что дуалистическая природа нового подхода к размещению традиционных рекламных форматов, находящегося на стыке информационных технологий и рекламного рынка, определяет новые подходы к покупке, продаже и планированию рекламной коммуникации. В связи с этим наша работа приобретает актуальность и практическую значимость для всех игроков рекламного рынка, которых в «программатике» невозможно рассматривать обособленно, чем оправдан наш комплексный подход к исследуемому вопросу.