Рекомендательные системы: из онлайна в офлайн

4 июня 2015 года в Москве прошла третья ежегодная конференция YaC/m 2015. В этом году мероприятие было посвящено влиянию рекомендательных систем на онлайн-сервисы. В день проведения онлайн-трансляцию конференции посмотрело больше 10 тысяч человек. В среднем, онлайн находилось до 2,5 тыс. зрителей, а 3 тысячи специалистов смотрели конференцию в прямом эфире более двух часов.

В рамках YaC/m 2015 доклад на тему: «Рекомендательные системы: из онлайна в офлайн» представил сотрудник подразделения Yandex Data Factory Александр Хайтин.

Изначально рекомендательные системы развивались в основном в IT-индустрии, где накоплен большой опыт работы с данными. Однако постепенно они стали применяться и в офлайн-бизнесе. Во многом это обусловлено тем, что сегодня существенное развитие получил уровень обработки данных в офлайн-отраслях. Подразделение Yandex Data Factory занимается разработкой подобных проектов для ритейла и финансовой сферы. Сегодня это целое направление Яндекса по работе с Big Datа. По мнению спикера, перспективы данного направления широки, а разработки могут быть с успехом применены в бизнесе.

Таргетированная реклама появилась довольно давно. Изначально вообще вся реклама была таргетированной, поскольку предложение приобрести товар делалось устно и всегда было обращено к конкретному человеку. Затем появились бумажные почтовые рассылки – это тоже разновидность таргетированной рекламы. Вывески – это первое направление нетаргетированной рекламы. В XX веке стали создавать билборды, публиковать рекламу в газетах. А потом – появилось телевидение, где реклама была адресована абсолютно всем зрителям.

Так образовалась пропасть между таргетированной и нетаргетированной аудиторией: реклама либо транслировалась на всех, либо могла быть адресована очень немногим. Эта схема существовала на протяжении длительного периода времени:

Так, график, приведенный выше, отражает следующие параметры: знание отдельного клиента, охват аудитории и время. До появления телевидения охват клиентов рос, но возможность таргетинга была низкой. С появлением телевидения охватить рекламой удалось практически всех: появились обобщенные понятия о мужчине и о женщине, можно было выбирать только время показа.

Интернет привнес возможность собирать данные: откуда пришел человек, из какого он региона, каким браузером и устройством пользуется и т.д. Потом возникли социальные профили, и данные о пользователях стало возможно собирать и анализировать. Появилась контекстная реклама. Однако возможности в полной мере идентифицировать пользователя по-прежнему не было.

Позднее появились алгоритмы машинного обучения, и компании научились хорошо структурировать и анализировать эти данные, интернет заметно изменился.

В то же время, до сих пор в таргетированной рекламе встречаются ошибки. К примеру, даже определение пола интернет-пользователя носит вероятностный характер. По мере развития технологий, представители отрасли стали пытаться воспользоваться технологиями и научились на основе анализа персональных сигналов и данных анализировать, что же нужно потребителю на самом деле.

В настоящее время команда Яндекса работает над тем, чтобы таргетированная реклама была не такой навязчивой и в большей мере соответствовала пользовательским предпочтениям.

Офлайновые бизнесы не остались в стороне и также озаботились тем, чтобы собирать данные о поведении клиентов. Анализ этих данных предоставил целый комплекс инструментов для персонализации различных отраслей. В результате появился термин оmni-channel.

Таким образом, представители бизнеса «проторили» прямую дорогу к своим клиентам и стали предлагать им релевантные услуги. Сегодня можно собрать огромный набор данных и свести их воедино.

Так, например, Яндекс предлагает объединить данные и технологии с потребностями розничного бизнеса. Общая схема сегментации клиентов банка выглядит примерно следующим образом:

Однако даже среди сегментов пользователей встречаются люди, не подходящие под категорию и предложение для них будет неактуально. Важно выделить таких пользователей, разбить на группы и сделать им персонализированные предложения. На практике это приводит к росту продаж банковского продукта на 13%.

Обеспечить данный процесс для любой офлайн-индустрии способны интернет-технологии. «Cегодня круг замкнулся, и есть все шансы вернуть персонализацию, не снижая массового обслуживания, качества продукта и масштабов бизнеса», – подвёл итог выступления Александр Хайтин.

Рассказывая о планах, докладчик сообщил, что в настоящее время Яндекс находятся в процессе разработки технологического продукта для среднего бизнеса и совсем скоро поделится более подробной информацией об этом.

Онлайн-трансляция докладов с YaC/m 2015 в записи доступна на Searchengines.ru.

Персонализированные рассылки интернет-магазинов: Эксперимент стоимостью в 1 миллион рублей

Александр Семенкин, руководитель отдела продаж поведенческого сервиса онлайн-маркетинга полного цикла «LeadHit» Казалось бы, вполне очевидно - если отправляешь письмо...

Официальный статус Webmoney.UA в Украине – шаг навстречу фрилансерам

21 мая 2015 года Национальный банк Украины внес систему платежей Webmoney...

Call tracking: кейсы и тренды 2015 года

На сегодняшний день существует достаточное количество сервисов аналитики звонков, в том числе достаточно качественных: Calltouch, Comagic, Call tracking, iStat24, Adsaver...

Рекомендации: конверсия без навязчивости

4 июня в Москве прошла третья ежегодная конференция YaC/m 2015. В этом году мероприятие было посвящено влиянию рекомендательных систем на онлайн-сервисы

YaC/m 2015: Рекомендательные системы – новый этап в технологиях интернет-маркетинга

Сегодня, 4 июня 2015 года, в Москве проходит третья ежегодная конференция YaC/m 2015. В этом году мероприятие посвящено влиянию рекомендательных систем на онлайн-сервисы

Поиск счастья для бизнеса через анализ источников трафика

На примере реального бизнеса, представленного в онлайне и оффлайне, Денис Гурьев, генеральный директор группы компаний Webcom Media, рассматривает все его рекламные активности;...