Основні тенденції в області даних у 2022 році

У 2020 і 2021 роках у рекламній індустрії відбулися великі зміни. Найбільш очевидні з них пов’язані з поведінкою людей, які змушені боротися з варіантами коронавірусної інфекції та відчувають цифрову втому. Попри те, що світ, здавалося б, завмер, галузь Out Of Home реклами продовжує розвиватися і проводити в життя наукові підходи для вирішення бізнес-завдань. За останні пару років не залишилося сумнівів в тому, що хоч люди й стали переміщатися на менші відстані, але роблять це частіше.

Вашій увазі пропонується огляд основних тенденцій у сфері використання даних, які вплинуть на те, яким буде ринок OOH-реклами в цьому й наступних роках.

1. Зрушення у сфері прайвесі

Ми вже стали свідками того, як компанія Apple змінила політику конфіденційності. Ймовірно, Google вчинить схоже. Посилення законів про конфіденційність означає, що зрештою ми опинимося в ситуації, коли ідентифікаторів пристроїв не стане, через що технології таргетингу будуть змушені еволюціонувати.

В результаті майбутніх змін у сфері прайвесі методики вимірювання, планування і таргетингу змістяться в бік таких, що не ґрунтуватимуться на ідентифікаторах пристроїв. Це, наприклад, використання когорт пристроїв. Ідентифікувати окремі пристрої в кожній когорті практично неможливо, але всі вони мають загальні ознаки, які можна використовувати замість ID пристроїв:

• поведінка
• соціально-демографічні характеристики
• типові маршрути
• встановлені мобільні застосунки

Розглянемо, як ця тенденція співвідноситься з нинішнім станом справ в області вимірювання OOH-реклами й чого очікувати в майбутньому.

• Вимірювання зараз. Ми вимірюємо кількість пристроїв, що знаходилися в зоні видимості певного набору рекламних конструкцій, роблячи вибірки на рівні населення. Поки що підхід життєздатний, але через те, що ідентифікатори пристроїв захищають все більш завзято, він повинен буде еволюціонувати.
• Оновлене вимірювання. Цей підхід спирається на когорти. Наприклад, когорта А може представляти людей середнього віку, які перебувають у шлюбі й мають дітей; належать до робочого класу; щодня їздять на роботу. Якщо когорта А складається зі 100 осіб, і агрегована модель передбачає, що вони з 85-відсотковою ймовірністю опиняться в зоні видимості рекламної конструкції, ми можемо зробити висновок, що близько 85 зі 100 осіб контактували з рекламою на цьому носії. Це позбавляє від необхідності знати маршрути окремих пристроїв, не знижуючи при цьому ефективність OOH-реклами.
• Вимірювання в майбутньому. Використання когорт дозволить брендам розширити охоплення, не ідентифікуючи при цьому окремі пристрої. Створюючи когорти на основі установок або звичок, що цікавлять, можна визначити потенційних клієнтів і звертатися до них засобами OOH-реклами.

Хоча оновлення політик конфіденційності, вочевидь, ляже в основу більшості тенденцій в області аналізу та обробки даних, однак, це не все, що очікує нас у 2022 році.

2. Мірила успіху

Зараз пряме вимірювання ефективності рекламних конструкцій обмежується оцінкою кількості показів і розміру аудиторії, що контактувала з рекламою. Однак на основі цих показників складно судити про ефективність рекламних конструкцій, що характеризуються схожою кількістю показів. Тому цілком ймовірно, що у 2022 році з’являться додаткові метрики, що дозволяють судити про ефективність показів, а також нові підходи до оцінки цих показників.

У цьому можуть допомогти наступні технології:

• Комп’ютерний зір. Завдяки цій технології ми можемо оцінювати в балах кожен рекламоносій з точки зору його видимості в навколишньому просторі. У «балах уваги» можна оцінювати й цілі маршрути. Коли ми зможемо точно вимірювати ефективність показів, предиктивне моделювання ефективності кампаній буде не за горами.
• Визначення індексу структурної подібності зображень. За допомогою цього підходу можна оцінювати в балах обсяг уваги, що припадає на рекламну конструкцію від людей, що проходять повз неї. Також можна знаходити перешкоди, що погіршують видимість рекламоносіїв. Це дозволяє встановити нові показники, за допомогою яких можна оцінювати видимість рекламних конструкцій й ефективність експонування.
• Удосконалення наочного представлення. За допомогою супутникових зображень ми можемо відтворити простір довкола рекламного носія, щоб клієнти краще розуміли обставини та маршрути, що пролягають поруч. Показник уваги дозволить клієнтам порівнювати носії шляхом індивідуального індексування місць розміщення, що виключатиме часткове накладення, але матиме перекіс у бік контекстних критеріїв аудиторії.
• Розпізнавання емоцій. Зрушення в області штучного інтелекту дозволять OOH-рекламодавцям оцінювати реакцію на кампанію і точніше знати, чи вирішила комунікація поставлене завдання. Розпізнаючи емоції та жести, автоматизована система зможе аналізувати, як те чи інше повідомлення було сприйняте аудиторією.

Показники ефективності завжди були важливою частиною Out Of Home медіа, і разом з тим тенденції у сфері інтелектуальної обробки даних та технології, що розвиваються, дозволяють цим метрикам відігравати важливішу роль в стратегічному плануванні, оцінці ROI й іншому.

Однак у міру того, як визначення успіху стає дедалі складнішим, зростає й потреба в точних очікуваннях. Тому ми очікуємо, що у 2022 році в США і Європі з’являться більш досконалі можливості для прогнозування та моніторингу ефективності OOH-кампаній.

3. Можливості для прогнозування та моніторингу OOH-реклами

Для точнішого розуміння результатів кампаній та створення більш ефективних стратегій фахівці з OOH-реклами можуть визначати маршрути аудиторій на основі даних про місцеперебування мобільних пристроїв. Поєднуючи ці дані з інформацією про рекламні локації, ми приходимо до оцінки аудиторії рекламних конструкцій.

Бази даних про місцеперебування мобільних пристроїв дозволяють нам описувати маршрути аудиторій на основі вибірки населення США. Ця інформація використовується в сукупності для розуміння моделей переміщень когорт, на основі чого можемо отримати імовірнісну модель маршрутів аудиторії й, таким чином, імовірнісну модель кількості контактів з рекламоносієм.

Таке поєднання інформації дає точне уявлення про зміни в пересуванні когорти або соціальній поведінці. Хоча вартість обчислення маршрутів пристроїв стає постійним фактором, використання цієї моделі знижує необхідність ручних методів моніторингу (наприклад, підрахунку автомобілів, що проїжджають повз рекламних конструкцій).

Припустимо, в результаті спостережень ми прийшли до того, що люди переміщаються з мікрорайону А в мікрорайон Б десятьма маршрутами. Три з них популярні, іншими ж користуються рідко. Якщо 40% пристроїв переміщалися по одному певному маршруту й на цьому маршруті зустрічається одна рекламна конструкція, можемо зробити висновок, що будь-який пристрій, що переміщається з А в Б, з ймовірністю у 40% проконтактує з цим рекламоносієм. Якщо конструкцію можна побачити й з іншого маршруту, ми об’єднаємо всі ймовірнісні події та прийдемо до єдиної ймовірності для одного пристрою «побачити» конкретний носій.

Використання підключень і графів для обчислення ймовірнісного обсягу впливу забезпечує точність на макрорівні, надаючи вірогідні статистичні дані про вплив OOH, такі як кількість контактних подій, кількість пристроїв, що контактували, соцдем і багато іншого. Нам не доступна точна траєкторія переміщення кожного пристрою і ми певно не знаємо, чи бачив власник пристрою сюжет на рекламоносії, відповідно, конфіденційна інформація людей залишається в цілості, й це не зміниться в майбутньому через можливе оновлення законодавства. Крім того, цей підхід неймовірно оперативний і доступний, що дозволяє нам визначати кількість контактів на щоденній або щотижневій основі.

Хоча цей та попередні пункти засновані на розумінні поточних потреб і завдань OOH-реклами, ми також очікуємо, що ці елементи будуть розвиватися в наступному році. В результаті, ймовірно, з’являться нові способи застосування теперешніх технологій, які дозволять OOH-рекламодавцям використовувати накопичений досвід новими способами.

4. Нові сфери застосування

Хоча багато продуктів для інтелектуальної обробки даних в OOH-рекламі призначені для вимірювання ефективності кампаній, немає обмежень на те, як і де ще ми можемо використовувати їх. Наприклад, моделі пересування людей можуть давати уявлення про місця високої концентрації аудиторії та допомагати в медіаплануванні. Розширення сфери застосування інформаційних продуктів, що вже існують, може створити додаткові джерела доходу, що не потребуватиме значних витрат.

Скажімо, якийсь бренд хоче відкрити новий магазин. Щоб вибрати оптимальне з точки зору окупності вкладень місце ми можемо надати йому корисну інформацію, зокрема:

• де живуть і працюють клієнти бренду; куди вони їздять
• де зосереджені ті, хто недоотримує послуги
• де знаходяться торговельні точки конкурентів
• яке позиціювання приваблює для нових клієнтів

Попри те, що подібна інформація безпосередньо не стосується OOH-реклами, це ілюструє яку ще цінність наша галузь може запропонувати брендам.

Цьогоріч в Out Of Home медіа очікується чимало змін. Ми очікуємо, що вони будуть пов’язані зі зміною політик конфіденційності, тобто з обмеженням, яке, при прагматичному підході, може змінити й посилити OOH-медіа. Крім того, постійний прогрес у сфері інтелектуальної обробки даних, ймовірно, призведе до значних змін у тому, як ми визначаємо успіх. І не тому, що аудиторія кардинально змінилася, а тому, що наше розуміння її мотивів стало більш комплексним. Як галузь, ми також, ймовірно, станемо досвідченішими в питаннях автоматизації, прогнозування, вимірювання і навіть гарантування ефективності кампаній, так само як і в пошуку нових способів використання добре знайомих можливостей.

Можливо, найважливішим висновком з аналізу цих тенденцій є те, що екосистема OOH-реклами не перебуває у вакуумі. Зовнішні елементи — ставлення до прайвесі, багатоканальний маркетинг та ін. — можуть і будуть впливати на наші можливості як каналу комунікації. Тому завдання полягає не в тому, щоб використовувати OOH всупереч всім цим змінам, а в тому, щоб дані служили основою для створення стратегій і визначали наше мислення та підходи.