--- "title": "Реклама на основе технологий искусственного интеллекта: от персонализации до гиперрелевантности" "date": "2019-04-25T12:22:16+00:00" "url": "https://www.criteo.com/ru/blog/%d1%80%d0%b5%d0%ba%d0%bb%d0%b0%d0%bc%d0%b0-%d0%bd%d0%b0-%d0%be%d1%81%d0%bd%d0%be%d0%b2%d0%b5-%d1%82%d0%b5%d1%85%d0%bd%d0%be%d0%bb%d0%be%d0%b3%d0%b8%d0%b9-%d0%b8%d1%81%d0%ba%d1%83%d1%81%d1%81%d1%82/" "description": "Сегодняшняя персонализированная реклама — это только начало. Искусственный интеллект способен показывать уникальную рекламу каждому пользователю." "image": "https://www.criteo.com/ru/wp-content/uploads/sites/10/2019/04/19_Whitepaper_hyper-relevance-RU.png" "author": "Tanitra Partivit" "category": "Новости Criteo" --- Маркетологи стремятся показать пользователям необходимые им товары в нужный момент, когда они максимально готовы совершить покупку. Расцвет технологий [искусственного интеллекта ](http://www.criteo.com/ru/blog/%d1%81%d0%bb%d0%be%d0%b2%d0%b0%d1%80%d1%8c-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%b3%d0%be-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d1%8f-%d0%b7%d0%bd%d0%b0%d0%ba%d0%be%d0%bc%d1%81%d1%82/)в рекламе значительно упростил эту задачу. Персонализация перестала быть чем-то особенным, теперь это необходимость как для маркетологов, так и для покупателей. С помощью искусственного интеллекта[ товарные рекомендации](https://www.criteo.com/ru/technology/criteo-engine/product-recommendations/) в рекламе прошли значительную трансформацию и теперь играют существенную роль в процессе совершения покупки. Алгоритмы машинного обучения могут обрабатывать огромные, постоянно изменяющиеся наборы исторических данных и предсказывать продукты, которые пользователь захочет увидеть дальше. В идеале, в Интернете будет гораздо меньше рекламы, которая будет преследовать пользователя, показывая продукт, который тот не хочет покупать. Но что, если современные возможности товарных рекомендаций в рекламе – это только начало, и что в будущем технологии искусственного интеллекта позволят создавать совершенно новую рекламу: гиперрелевантную, полностью соответствующую контексту и, соответственно, имеющую значительно больше влияния на решения пользователя? В нашей лаборатории [AI Lab](https://ailab.criteo.com/) в Criteo мы постоянно изучаем и тестируем новые модели машинного обучения, которые предопределят возможности digital рекламы. Результаты наших исследований рекомендательных алгоритмов обещают блестящее будущее для товарных рекомендаций в рекламе. Но прежде чем заглядывать в будущее, давайте проанализируем, как технологии искусственного интеллекта уже преобразили рекламную digital среду, и как далеко мы продвинулись по части механизмов продуктовых рекомендаций. ### **Как машинное обучение создает технологии персонализации** ![Как машинное обучение создает технологии персонализации ](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/04/Data-model-outcome-RU.png) Маркетологи годами жаловались на утомляющие данные. Но теперь они задаются вопросами: достаточно ли у нас данных? Есть ли у меня правильные данные? И, что самое важное, использую ли я весь потенциал этих данных? Распространение технологий искусственного интеллекта на всевозможные рекламные платформы полностью изменило индустрию. Чем больше данных можно обработать с помощью искусственного интеллекта, тем лучше они позволят вам понимать каждого конкретного пользователя, и, соответственно, показывать ему наиболее релевантную рекламу. Поэтому данных не может быть слишком много – только не для технологий искусственного интеллекта. Алгоритмы машинного обучения идентифицируют шаблоны поведения (паттерны) в огромных массивах данных за большой период времени, включая покупательское поведение онлайн и офлайн, а также прогнозируют результаты. Затем создается наиболее благоприятный сценарий прогноза и выбирается товар, который с наибольшей вероятностью заинтересует конкретного пользователя. Получающиеся в результате объявления адаптированы для каждого отдельного покупателя и, скорее всего, принесут желаемый результат: будь то клик или покупка. Каждое взаимодействие с пользователем учитывается алгоритмом и усиливает его эффективность. #### **Технологии искусственного интеллекта полезны как для рекламодателей, так и для пользователей** маркетологам максимально эффективно использовать свои данные и рекламный бюджет. Алгоритмы машинного обучения можно оптимизировать под конкретные цели, а баннеры на их основе генерируют максимальный возврат рекламных инвестиций. Технологии искусственного интеллекта позволили создавать гиперрелевантную рекламу с персонализированными товарными предложениями, контентом и баннерами. Благодаря предиктивным алгоритмам машинного обучения товарные рекомендации помогают покупателям находить нужное и желанное. *Узнайте больше о** *[*технологии**Criteo*](https://www.criteo.com/ru/technology/)*.* #### **Гиперрелевантность: от товарных рекомендаций до дизайна баннеров** ![](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/04/sleep-will-never-ve-the-same-RU-resized.png) Персонализированная реклама показывает пользователям товары, которые с наибольшей вероятностью их заинтересуют. Гиперрелевантная реклама — это про контекст. Вы можете полностью раскрыть потенциал своих данных с помощью алгоритмов машинного обучения, которые проанализируют прошлые взаимодействия пользователя с рекламой и его историю поиска, чтобы создать релевантную для него рекламу (с правильной цветовой схемой и в правильном формате) и показать ее через правильный канал взаимодействия Только благодаря искусственному интеллекту стало возможным показывать действительно уникальную рекламу каждому пользователю. *Узнайте больше о технологии** *[Прогнозирование ставок](https://www.criteo.com/ru/technology/criteo-engine/predictive-bidding/)*.* #### **ИИ настолько хорош, насколько хороши ваши данные** Всем маркетологам необходимы точные данные, но, учитывая грандиозные масштабы, легко не заметить среди них данные низкого качества. При наличии технологий искусственного интеллекта один источник некачественных данных может вырасти в масштабе и стать куда более заметным, чем просто цифра в Excel–таблице. [В этом году искусственный интеллект будет использоваться еще более широко в рекламных технологиях,](http://www.criteo.com/ru/blog/2019-%d1%82%d1%80%d0%b5%d0%bd%d0%b4%d0%be%d0%b2-digital-%d0%bc%d0%b0%d1%80%d0%ba%d0%b5%d1%82%d0%b8%d0%bd%d0%b3%d0%b0/) а данные станут основой для точных предиктивных моделей. Очень важно своевременно обращать внимание на качество данных и при малейшем сомнении проводить тщательный анализ. Выбирайте доверенных партнеров и набирайте в свою аналитическую команду профессионалов, которые способны находить слабые места и определять некачественные данные. ### **Товарные рекомендации на основе искусственного интеллекта: что мы имеем на сегодняшний день** Исследование, проведенное в рамках нашего отчета о [Состоянии индустрии Ad Tech в 2019](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/02/State-of-Ad-Tech_RU_FINAL_02082019.pdf), показало, что платная баннерная реклама по-прежнему занимает первую строчку в рейтинге наиболее используемых рекламных тактик по всему миру. Неудивительно, ведь товарные рекомендации помогают пользователям продвигаться дальше по покупательскому пути и приближают его к конверсии. Однако эффективность товарных рекомендаций полностью зависит от точности и технологичности предиктивной модели и алгоритмов машинного обучения в ее основе. В основе рекомендательных систем лежит достаточно очевидный принцип: чем больше мы знаем о пользователе, тем точнее мы сможем рекомендовать ему товары, которые с наибольшей вероятностью его заинтересуют. Индустрия проделала значительный путь с появления первых рекомендательных моделей, всецело полагавшихся на обратную связь от пользователей. То есть, основным критерием была оценка товара пользователем и покупательские предпочтения, которые интерпретировались на уровне категории. #### В последние годы произошли две вещи, которые изменили рекомендательные модели: > #### **1. ****Совершенствование технологий искусственного интеллекта** > Мощности компьютеров и алгоритмы машинного обучения значительно усовершенствовались за последние несколько лет, и рекомендательные системы, в свою очередь, стали еще быстрее и эффективнее. > Наша лаборатория Criteo [AI Lab](https://ailab.criteo.com/) была основана, чтобы пристально изучить возможности глубокого обучения и искусственного интеллекта. Наша цель – разработать алгоритмы, обеспечивающие максимальную эффективность для рекламодателя и безупречный пользовательский опыт для покупателя. > Покупательские предпочтения постоянно меняются, а это значит, что наша работа над технологиями искусственного интеллекта никогда не остановится. #### **2. Совершенствование рекомендательных алгоритмов** Требования маркетологов к рекомендательным системам возросли, а алгоритмы переключились с очевидной обратной связи от пользователей на сигналы в их взаимодействии с баннерами. Таким образом, можно различать товары, которые нравятся пользователям по их собственным словам, и товары, с которыми они чаще всего взаимодействуют и покупают. Анализ продуктов выходит за рамки их категорий и доходит до уровня SKU. Поэтому рекомендации могут быть более детальными. Наша лаборатория AI Lab исследует и тестирует модели рекомендаций, чтобы достичь (или когда-нибудь превзойти) точку гиперрелевантности. Эти два фактора создали новые стандарты товарных рекомендаций в рекламе. Фокус маркетологов сместился с товаров и товарных категорий на пользователя и его индивидуальный покупательский путь. Товарные рекомендации в рекламе играют роль персонального ассистента, помогая пользователям найти товары, которые с наибольшей вероятностью им понравятся и будут полезны. Идеальный сценарий – предугадывать желания покупателя еще до того, как он сам их осознал. Для рекламодателей инновационные рекомендательные модели означают более высокую эффективность в достижении их маркетинговых целей и улучшение пользовательского опыта их клиентов. В компании Accenture Interactive выяснили, что 91% пользователей с большей вероятностью совершат покупку товара брендов, которые распознают их на всех каналах и предлагают релевантные рекомендации. ### **Чего ожидать от рекомендательных технологий в будущем? Как причинно-следственные связи повышают эффективность** Умные маркетологи всегда заглядывают вперед и интересуются, что же будет дальше, и мы в Criteo всегда думаем о том же. У нашей лаборатории AI Lab уже есть ответ на этот вопрос: рекомендательные системы в будущем смогут оценивать казуальный эффект товарных рекомендаций на пользователя. Современные рекомендательные модели полагаются на корреляцию, в то время как алгоритмы нового поколения на базе искусственного интеллекта смогут использовать не только исторические данные, но и реакцию пользователя на каждую товарную рекомендацию, то есть оценивать эффект каждого баннера. Используя эти данные, алгоритмы получат возможность редактировать следующие товарные рекомендации в реальном времени для достижения максимального эффекта. Маркетологи, в свою очередь, смогут понимать, насколько рекламируемые ими товары влияют на покупательское поведение. Хотя мы находимся на этапе тестирования нашей модели причинно-следственных связей, наши исследователи полагают, что она снова изменит рекламу рекомендаций по продуктам. Для рекламодателя рекомендации, основанные на причинно-следственной связи, означают эффективный расход маркетингового бюджета и ценные инсайты относительно покупательского поведения. В конечном итоге это приведет к росту продаж и прибыли. Наша цель – уменьшить долю нерелевантной рекламы, которая раздражает пользователей, и обеспечить полное соответствие каждого баннера этапам покупательского пути. Для пользователей гиперперсонализированная реклама, созданная с помощью этой новой модели, в свою очередь, становится более интересной и увлекательной. Такая реклама вдохновляет их двигаться дальше по покупательскому пути и помогает находить новое и желанное. ### **Раскройте потенциал ваших данных** ![](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/04/ad-platform-for-unleashing-RU.png) Искусственный интеллект позволяет компаниям любого размера использовать их данные на полную мощность. Вы легко сможете конкурировать с гигантами рынка в персонализации и обеспечению пользовательского опыта с помощью рекламной платформы на основе совершенных технологий. Criteo инвестирует $23 млн в ближайшие 3 года в наш AI Lab, лабораторию развития искусственного интеллекта, чтобы помочь компаниям раскрыть потенциал своих данных. Этот проект является частью Criteo Research, где наша команда инженеров Machine Learning Platform Engineering разрабатывает и проводит исследования по интеграции новейших технологий в наши инструменты и решения, чтобы создать инновации, которые трансформируют будущее индустрии. Мы верим в будущее, в котором маркетологи смогут применять пользовательские данные для создания по-настоящему релевантной рекламы и обеспечения наилучшего пользовательского опыта и еще более доверительных отношений с покупателями. Чтобы узнать больше об исследованиях AI Lab и ознакомиться с последними публикациями, посетите наш сайт [ailab.criteo.com](https://ailab.criteo.com/). Оставайтесь с нами и узнайте много интересного на тему казуальных рекомендаций.