Роман Постников – OneFactor – ICBDA2016

Опыт использования геоаналитики для объединения digital и наружной рекламы

или «вторая жизнь» наружной рекламы

Технологический партнер МегаФон в сервисах на основе Больших Данных

2Мы делаем рекомендательные сервисы для B2B клиентов

Holdings

Два R&D центра в России

МоскваНижний Новгород

Основан2015

R&D начат2011

Команда:

50+ математиков и разработчиков

Uber

Facebook

Twitter

Alibaba

Xiaomi

Airbnb

Spotify

2ой по величине оператор мобильной связи в России

MegaFon

глобальный игрок на рынке железной руды и стали

Metalloinvest

крупнейшие социальные сети в России

group

тв и другие популярные медиа

Media

Инвестиции

Как работает геоаналитика:охват всего населения за счет технологических решений и алгоритмов

3

2) алгоритмы над данными

Алгоритм геомаппинга

1) сетевые и технологические платформы

29%98%

Доля рынка

оператора

Охват всего населения страны

Тех. решения и алгоритмы

Георекомендательный сервис охватывает все население РФ

4

1. Основа данных о покупательском потоке – ручные замеры вблизи поверхностей на крайне малой выборке

2. Соц-дем профилирование потока для выделения ЦА на основе опросов

3. Моделирование трафика, сложно поддающегося ручного замеру

4. Отсутствие учета сезонности, обновление данных – раз в несколько лет

5. Невозможность измерить конверсионный эффект от размещения

Существующие инструменты медиаизмерений наружной рекламы устарели и не обладают достаточными данными для реальной оценки эффективности размещения

Недостатки существующих инструментов медиаизмеренийнаружной рекламы

5

Основа нового подхода к измерениям – реальный геотрекпокупательского потока + собственные алгоритмы улучшения качества данных

Погрешность:

>3,5 км за городом

>2,4 км в городе

Погрешность:

0,6 км за городом

0,3 км в городе

Сырые данные После применения алгоритма геомаппинга

6

1. Стандартное профилирование потока по полу, возрасту и доходу

2. Глубокое сегментирование целевых аудиторий: клиенты программы лояльности, любители бега, потенциальные покупатели Porsche, посетители определенных локаций и др.

3. Выделение типа движения (пешком, авто и др.) и учет направления движения

4. Таргетирование по факту контакта с медиаповерхностью

5. Omnichannel размещение с digital media

В итоге мы получили:Возможность выделения узкой целевой аудитории

Профилирование узких целевых аудиторий на основе поведенческих моделей машинного обучения

7

В итоге мы получили: Оптимизация размещения в режиме реального времени на цифровых поверхностях

Возможность анализировать данные о покупательском потоке вблизи медиаповерхности в режиме реального времени…

… Позволяет оптимизировать размещение рекламных сообщений на основе расчетов уровня концентрации целевой аудитории в покупательском потоке

8

Целевая аудитория ритейлера: >80% населения Москвы, при этом в анализе она профилируется по частоте посещений магазинов ритейлера

Задача: увеличить количество клиентов за счет оптимизации размещения

Методика анализа: 1. Найти связь между покупками в магазинах

ритейлера и контактами с рекламной поверхностью.

2. Произвести оптимизацию размещения наружной рекламы ритейлера на основании функции отклика, учитывающей факты контакта с рекламными поверхностями, для увеличения количества клиентов в апреле 2016

Кейс: оптимизация медиакампании для фуд-ритейла

Цель – максимизировать конверсионную составляющую

- магазины ритейлера- размещение OOH, апрель 2016 ** оптимизация проводится по определенному набору щитов в

Москве: биллборды и суперсайды (590 поверхностей). Не учитывались ситиборды и мелкие поверхности

Кейс: оптимизация медиакампании для фуд-ритейла

9

Для определения влияния факта контакта с рекламной поверхностью на среднее количество посещений магазинов был проведён A/B тест

Население Москвы было разделено на целевую и контрольную группы, идентичные по следующим характеристикам:• проживание и паттерны геоперемещений• соц-дем параметры (пол, возраст, доход)• кол-во посещений магазинов и контактов с

рекламной поверхностью в марте 2016 года

Исследование влияния количества контактов с рекламной поверхностью на количество посещений ритейлера в апреле 2016 позволило сформировать функцию отклика

• Для значимого увеличения частоты покупок необходимо увеличение кол-ва контактов с рекламной поверхностью на >= 5 – оно дает в среднем +0,5 посещений магазина в месяц

• Функция отклика выступает базой для оптимизации, показывая зависимость между увеличение количества контактов с рекламной поверхностью и прирост в средних помещениях магазинов

10

1. Увеличение количества посещений магазинов ритейлера с 2.3 в среднем в месяц до 2.5 в среднем за апрель 2016 = +6% покупок

2. Алгоритм отдаёт предпочтениедиверсификации щитов, распределяя их по всему городу более равномерно

большим дорогам по сравнению с размещениями в жилых районах

Оптимизированная адресная программа формировалась на базе построенной функции отклика с помощью собственного алгоритма отбора поверхностей с максимальной концентрацией целевой аудитории

Кейс: оптимизация медиакампании для фуд-ритейла

Результаты оптимизации

- старое размещение OOH, апрель 2016- оптмизированное размещение OOH

11

• планировать традиционные OOH рекламные кампании на любые целевые аудитории (социально-демографические, потребительские) во всех населенных пунктах России

• определять необходимое количество и географию расположения рекламных поверхностей оптимизируя охват на эффективную частоту

• учитывать сезонные изменения в трафиках потоков для уточнения адресных программ.

Что дальше? Инновационный подход к измерению и планированию в наружной рекламе

Методология основанная на использовании технологий геоаналитики позволяет

12

Внутренний тест:• возможность достижения того же охвата на 30-

40% дешевле• возможность при тех же значениях рейтингов

TRP увеличивать охват на 10-30%

Что дальше? Вторая жизнь рынка наружной рекламы:объединение с digital рекламой

Совместный запуск продукта –таргетированной цифровой наружной

рекламы

Спасибо!

Роман Постников

roman.postnikov@onefactor.com

13