Реклама на основе технологий искусственного интеллекта: от персонализации до гиперрелевантности

 

Маркетологи стремятся показать пользователям необходимые им товары в нужный момент, когда они максимально готовы совершить покупку. Расцвет технологий искусственного интеллекта 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 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 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

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.

Гиперрелевантность: от товарных рекомендаций до дизайна баннеров

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.

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, 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, 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 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

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. Оставайтесь с нами и узнайте много интересного на тему казуальных рекомендаций.