Текст книги "Великая рекламная революция"

Второй вариант – мы сами разрешаем доступ многим программам к микрофону в своем мобильном устройстве, хотя ни одна компания никогда не сознается, что использует запись ваших бесед и телефонных разговоров в коммерческих целях. Тысячи программ используют системы самообучающегося искусственного интеллекта с доступом к микрофону, искусственный интеллект определяет известные ему слова или словосочетания, далее таргетированно отправляет сообщения с рекламой товаров или услуг, о которых вы говорили.

В прошлом году я был в одном из больших столичных торговых центров, где прошел мимо магазина пальто «Каляев». У меня хорошая профессиональная память на лица, вывески и этикетки, поэтому я его запомнил. Вечером получаю сообщение, что фабрика «Каляев» приглашает посетить магазин и получить скидку 10 %. В течение нескольких месяцев я получил еще пару-тройку сообщений от магазина, в который даже не заходил. Самое интересное – на Новый год, 1 января, мне поступает звонок. В этот момент я нахожусь далеко в Азии. Беру трубку, хорошо поставленный голос говорит: «Дмитрий, поздравляем вас с Новым годом, желаем счастья и здоровья и ждем в наших магазинах. С уважением, фабрика «Каляев».

Сначала я не понял, кто разговаривает – робот или человек, поэтому прослушал сообщение до конца.

Думаю, это был робот.

Мне очень не понравилась эта история – мало того, что они знают мое имя, они еще за мой счет звонят за рубеж, чтобы пригласить в магазин стремных пальто, куда я никогда не приду, – это уже явный перебор, тот случай, когда сверхнавязчивая реклама начинает работать против заказчика.

Когда в очередной раз слышу мнение, что «Digital – самый дешевый вид рекламы», то вспоминаю историю моего товарища – владельца сети магазинов нижнего белья. Их компания самым активным образом использует цифровые технологии, с помощью программ лояльности анализирует поведение всех своих покупателей, вкладывает в развитие интернет-коммуникаций десятки миллионов рублей. Вся реклама идет только по цифровым каналам.

Однажды я спросил его:

– А что, если тебе попробовать раздавать листовки с промокодом в торговых центрах и сравнить их эффективность с цифровой рекламой?

Он поморщился (какие, блин, листовки в Digital-эру), но решил попробовать.

Результаты удивили всех.

Если средняя стоимость одного нового покупателя при использовании цифровой рекламы составляла 350 рублей, то раздача листовок принесла несколько тысяч клиентов при стоимости 80 рублей за каждого!

И сегодня он успешно совмещает новейшие цифровые технологии со старыми, проверенными десятилетиями методиками.

В конце главы не могу не поделиться интереснейшей историей появления слова СПАМ, которую мне поведал американский коллега.

Слово SPAM стало известным в США еще в 1937 году как торговый знак компании Hormel Foods и расшифровывалось как «Spiced ham» – «острая ветчина». После Второй мировой войны с целью продать огромные запасы этих консервов Hormel Foods начала масштабную рекламную кампанию, задействовав все имеющиеся на тот момент средства – витрины и фасады домов, автобусы и трамваи, радио, прессу. Реклама была столь назойливой и активной, что вскоре слово SPAM стало нарицательным.

Глава 8
BIG DATA: что, где, почем?

– И что мне теперь делать с этой красотой?! —

вопрошала тетя Изя, глядя на огромный улов

разномастной рыбы, которую ей

предстояло разбирать.

Когда маркетолог хочет показаться современным и умным, он везде и всюду вставляет волшебное словосочетание BIG DATA, при этом, по моим наблюдениям, далеко не все доподлинно знают, что это такое.

Давайте разбираться.

У этого термина тоже есть отец, и зовут его Клиффорд Линч. Будучи редактором журнала Nature, он постоянно анализировал взрывной рост объемов информации в мире и определил BIG DATA как «структурированные и неструктурированные большие объемы многообразных данных, обрабатываемых программными системами».

К BIG DATA относятся:

• Data Mining – обучение ассоциативным правилам и классификация;

• Краудсорсинг – обогащение данных силами широкого неопределенного круга лиц;

• Смешение и интеграция данных;

• Машинное обучение;

• Искусственные нейронные сети, сетевой анализ и оптимизация;

• Распознавание образов;

• Прогнозная аналитика;

• Имитационное моделирование;

• Пространственный анализ;

• Статистический анализ;

• Визуализация аналитических данных (McKinsey).

Для работы с большими данными используют три основных фактора, называемые «Три V»:

• Volume – величина физического объема;

• Velocity – скорость прироста и необходимость быстрой обработки данных для получения результатов;

• Variety – возможность одновременно обрабатывать различные типы данных.

По данным компании IBS, к 2003 году мир накопил 5 эксабайтов данных (1 ЭБ = 1 млрд гигабайтов). К 2008 году этот объем вырос до 0,18 зеттабайта (1 ЗБ = 1024 эксабайта), к 2011 году – до 1,76 зеттабайта, к 2013 году – до 4,4 зеттабайта. В мае 2015 года глобальное количество данных превысило 6,5 зеттабайта.

К 2020 году человечество сформировало порядка 40 зеттабайтов информации. А к 2025 году этот объем вырастет в 10 раз, говорится в докладе The Data Age 2025, который был подготовлен аналитиками компании IDC.

Чем раньше ваша компания научится аккумулировать и обрабатывать максимум данных о покупателях и клиентах, тем более эффективной и дешевой будет реклама – вы не будете тратить деньги на тех, кому ваш продукт не нужен.

Согласно одному из прогнозов развития рекламного рынка, в недалеком будущем рекламодатели будут платить нам за просмотры их сообщений – к примеру, если вы – олигарх, владелец «заводов, газет, пароходов», то для того, чтобы вы увидели рекламу дорогой недвижимости или мегаяхты, рекламодатель будет готов заплатить десятки тысяч рублей. Если же вы – студент или старшеклассник, производитель газированных напитков или мобильных приложений заплатит вам за контакт несколько рублей. И именно технология обработки данных будет сортировать потребителей в зависимости от поставленных задач.

В России крупнейшими источниками офлайн-данных являются Сбербанк с охватом 88 млн человек, МТС – 78 млн, Мегафон – 75 млн, Билайн – 55 млн, Теле2 – 42 млн, а также операторы фискальных данных и крупнейшие торговые сети (данные на 2020 г.).

Х5 Retail Group, имеющая данные о 42 миллионах участников программ лояльности, совместно с mail.ru и GPMD запустила проект, который еще пять лет назад казался недостижимой мечтой. Суть его в том, что любой производитель может точечно таргетировать свою рекламу на покупателей товаров конкурентов или на тех, кто раньше покупал его продукцию, а потом по разным причинам перестал это делать. Тем самым рекламное сообщение будут получать только те, кто является покупателем вашей категории. Более того, можно концентрировать рекламу на потребителях товаров-дополнений.

Например, если человек достаточно часто покупает хорошее вино, то с большой долей вероятности ему можно предложить качественный сыр, если заменитель грудного молока – то детское питание.

Очень скоро мы станем свидетелями ситуации, когда реклама будет точечно обращаться к каждому из нас.

Британская газета The Guardian опубликовала интереснейшую информацию о том, как британская компания Cambridge Analytica под руководством Александра Никса, виртуозно используя огромные массивы данных, помогла Дональду Трампу победить в президентской гонке.

К моменту выдвижения у команды Трампа не было никакого понимания того, как пользоваться большими данными для влияния на избирателей.

Специалисты компании проработали ключевые вопросы, которые волновали избирателей: экономика, владение оружием и иммиграционная политика. Штаб Хиллари Клинтон, будучи абсолютно уверенным в ее победе (об этом говорили данные ВСЕХ социологических опросов), даже отказался от размещения рекламы на главной странице YOUTUBE. Как вы, наверное, догадались, это место тут же заняла реклама Трампа.

Технологии таргетирования позволили работать с каждым избирателем, находя правильные слова и описывая решение проблем, которые волновали его больше всего. По некоторым данным, Cambridge Analytica, имея данные 50 миллионов пользователей Facebook, смоделировала их поведение.

Чуть позже оказалось, что компания располагала данными о 87 миллионах пользователей интернета – об этом поведал миру ее бывший сотрудник Крис Уайли.

Первый этап, по его словам, выглядит так: «Создавая алгоритм, сначала нужно собрать тестовый набор данных». Другими словами, неважно, какими уникальными технологиями вы будете пользоваться дальше, нужно провести психологическое тестирование на нескольких тысячах.

Профессор психологии Александр Коган протестировал 270 тысяч человек, чтобы создать полноценный профиль избирателей, – их убеждения, характер, интересы, социальное положение и легли в основу разработанной системы прогнозирования и влияния в цифровом пространстве. В современной науке появился новый термин «психометрия» – раздел психологии, занимающийся анализом данных.

Тестирование проводилось по 120 пунктам, при этом почти никто из тестируемых даже не догадывался, зачем они заполняют различные анкеты и делятся данными. Большинство из опрошенных получили по 5–7 долларов за участие в тесте, при этом многие делали это бесплатно – из скуки или желания развлечься. Что самое интересное – активнее всех в анкетировании участвовали белые женщины-домохозяйки из богатых семей.

Далее выстраивались профили избирателей по модели «пяти факторов» или «OCEAN» (Openness to experience, Conscientiousness, Extraversion, Agreeableness, Neuroticism):

Openness to experience – открытость, склонность к новым эмоциям, приключениям, новому опыту и ощущениям;

Conscientiousness – добросовестность: люди привыкли к системе и организации, что дает им возможность предпочитать план, а не спонтанные действия, а следовательно, если человек добросовестный, то манипулировать им гораздо легче;

Extraversion – экстраверсия: положительные эмоции, самоуверенность, коммуникабельность, склонность искать стимуляцию в обществе других людей и разговорчивость;

Agreeableness – доброжелательность, согласие в мелких и крупных деталях лежит в основе будущей лояльности и покорности;

Neuroticism – нейротизм: предрасположенность к психологическому стрессу и реакции от полученной информации, эмоции, инициирующие последующие действия.

По результатам теста можно весьма точно понимать желания, страхи, тип личности человека и его предрасположенности.

Самое важное – тест должен собрать «набор характерных признаков».

«Базовые данные, на основании которых можно делать предсказания, – говорит Уайли, – это данные Facebook, тексты на естественном языке или данные по кликам. Все эти данные можно будет использовать для предсказаний».

С другой стороны, будут нужны «целевые переменные» – по мнению Уайли, «то, что вы пытаетесь предсказать. В данном случае – личные особенности, политическая ориентация и все такое».

«Если вам нужно узнать взаимосвязь между лайками Facebook в вашем наборе характерных признаков и личными качествами в качестве целевых переменных, нужно видеть их одновременно», – говорит Уайли.

CAMBRIDGE ANALYTICA покупала персональные данные из всех возможных источников: официальные открытые данные, бонусные программы сотен компаний, телефонные справочники, клубные карты, интернет-подписки, медицинские данные.

Следующим шагом аналитики сводили эти данные со списками избирателей – как зарегистрированных сторонников республиканцев, так и тех, кто хочет голосовать за демократов, и данными по лайкам – репостам в соцсетях. В результате они получили личные профили по OCEAN. И здесь цифры превращаются в конкретных людей с их особенностями, предпочтениями, страхами и интересами!

«У нас есть психограммы всех совершеннолетних американцев, это 220 млн человек», – утверждает Александр Никс. На одной из презентаций он показал карту Айовы, где видны сотни тысяч маленьких точек: красные и синие, в зависимости от политических предпочтений. Никс ставит критерий «Республиканцы» – и синие точки бесследно исчезают. «Пока не знают, за кого голосовать» – точек становится меньше. «Женщины» – еще меньше и так далее. В итоге появляется имя единственного человека, можно увидеть его возраст, адрес, сексуальную ориентацию, интересы.

«Трамп действует как идеальный оппортунистский алгоритм, который опирается лишь на реакцию публики», – написала математик Кэти О’Нил.

В день дебатов между Трампом и Клинтон специалисты, работающие на Трампа, разместили в соцсетях более 175 тыс. различных вариаций посланий. Их отличали только мельчайшие штрихи с целью точной психологической подстройки под каждого получателя. Речь идет о различных фото– и видеоизображениях, цвете и заголовках.

«Филигранность исполнения позволяет сообщениям находить отклик у мельчайших групп населения, – пояснил изданию Das Magazin руководитель CAMBRIDGE ANALYTICA. – Таким способом мы можем дотянуться до нужных деревень, кварталов или домов, даже до конкретных людей». Так, в квартале Small Haiti в Майами жители получили посты о том, что Фонд Клинтон отказался принимать участие в помощи пострадавшим от землетрясения в Гаити. Цель одна – голосуйте за Трампа против Клинтон. Самым активным образом профессионалы работали с «темными постами» Facebook – оплаченными объявлениями в лентах новостей, нацеленными исключительно на определенные группы избирателей. К примеру, миллионы афроамериканцев видели посты, где Клинтон сравнивала чернокожих мужчин с хищниками.

Но это далеко не все – волонтеры Трампа использовали специальные приложения, где они могли видеть типы личностей и политические предпочтения жителей любого дома. Исходя из этих данных, они меняли свои разговоры с каждым жителем, и каждому казалось, что Трамп защищает именно его интересы. Результаты всех бесед в цифровой анкете тут же обрабатывались аналитической системой компании.

Эта система выделила у американцев 32 психотипа. Например, мужчины – поклонники косметики MAC – с большой вероятностью являются гомосексуалами, а поклонники американских машин определенно будут голосовать за Трампа. Данные глубокой аналитики оказали неоценимую помощь и самому Трампу – теперь он знал, где, кому и что лучше говорить. Таким образом, он стал прекрасной моделью применения технологий BIG DATA.

В результате самой необычной в истории предвыборной кампании Трамп, в чьи возможности стать президентом США никто серьезно не верил, показал всему миру, насколько сильно работают рекламные технологии, если их использовать с умом.

Правда, информация о том, что CAMBRIDGE ANALYTICA собирала данные о пользователях через Facebook, нанесла мощный удар по соцсети – стоимость компании упала на 7 %, а состояние Марка Цукерберга сократилось более чем на $6 млрд.

Цукерберг Цукербергом, но как мы можем использовать BIG DATA в бизнесе?

Во-первых, собирать данные как о своих клиентах и покупателях, так и о тех, кто только планирует ими стать или может влиять на покупку, составлять их психологические портреты, анализировать тренды и изменения.

Во-вторых, разрабатывать персонализированную рекламу, использовать инструменты влияния – клиентскую базу, рекламу в соцсетях, Google и Яндексе, приложениях, на специализированных сайтах, в играх и фильмах, нативную рекламу, создавать системы персонализированного общения и новые программы лояльности.

Более того, полученные данные вы можете использовать и для анализа существующих рекламных сообщений, точечного планирования других видов рекламы, включая ТВ и наружную рекламу.

И не бойтесь экспериментировать – это позволит постоянно улучшать качество общения с потребителем и получать лучшие результаты в реальном времени.

Глава 9
Заговор против покупателей

Когда я учился в институте, близкий товарищ подарил мне кроссовки Reebok – черные, кожаные, удобные. Эти кроссовки я проносил десять лет и выкинул только потому, что подошва физически истерлась. В них я играл в теннис, покорял горы, путешествовал. Им все было нипочем, они всегда служили верой и правдой. Спасибо тебе, старый Reebok!

Все кроссовки известных фирм, которые я покупал потом, приходилось выкидывать через полтора-два года использования – они рвались, расклеивались, теряли форму.

Апогеем этого стала недавняя история, когда через пять месяцев после покупки теннисных кроссовок Adidas у них порвались шнурки и в прекрасном фирменном магазине на Красной Пресне, где продаются тысячи наименований товаров прославленной марки, я не смог купить новые шнурки – их попросту не было!

Я даже не поверил вежливому молодому парнишке-продавцу, когда он, виновато улыбаясь, произнес:

– Мы не продаем шнурки.

Главный менеджер тоже улыбался, совсем не виновато:

– Да, у нас нет шнурков, но мы можем подобрать вам отличные новые кроссовки!

Это наглядный пример явления, получившего название «запланированное устаревание», когда инженеры и разработчики товара закладывают в него заранее известный срок использования, а когда с ними начинаются проблемки или проблемы, делается все, чтобы вы купили новый.

Стоимость ремонта сломавшейся стиральной машины сегодня вполне сопоставима со стоимостью покупки новой. Это относится и к великому множеству других категорий.

Вы не задумывались, почему грузовые машины, каждый день пробегая много сотен километров, вполне работоспособны при пробеге в миллион-полтора километров? При этом ваш прекрасный седан, на котором вы ежедневно проезжаете не более ста километров и вовремя обслуживаете, начинает барахлить через сотню тысяч?

Однажды я разговорился с инженером на фирменном автосервисе и узнал от него много интересного.

– Вот смотрите, – рассказывал он, вращая в руках уплотнительное кольцо, – его можно было сделать из специальной резины и менять раз в три года, но это кольцо произвели из пластика, и его нужно менять каждый год.

Замечали ли вы, что многие поломки происходят аккурат после того, как закончился гарантийный срок?

В американском городке Ливермор, в здании пожарной части, до сих пор висит лампочка, сделанная в 1905 году. И не просто висит, она прекрасно работает, показывая всем, как долго могут служить вещи, если специально не ограничивать этот процесс.

В 1924 году был создан крупнейший картель того времени, получивший название Phoebus, – ведущие производители ламп: компании General Electric, Tungsram, Philips и Osram – договорились о том, чтобы срок службы их ламп не превышал тысячу часов. Если кто-то из участников сговора выпускал лампы, работавшие дольше, на него накладывался огромный штраф. Покупатели меняют лампочки – компании задают им срок жизни и зарабатывают на этом миллионы.

Прекрасным образцом технологии запланированного устаревания является открытие международным химическим гигантом – компанией DuPont – технологии сверхпрочной синтетической ткани – нейлона. Ткань была настолько прочной, что ее можно было использовать для буксировки прицепов, нейлоновые колготки носились годами. Однако вскоре DuPont понял свою «оплошность» и внес в формулу нейлона изменения, благодаря которым срок службы колготок был сокращен в десятки раз.

Я не раз сталкивался с тем, что, когда выходит новая модель смартфона, со старым зачастую начинают происходить удивительные вещи – батарея садится намного раньше, операционные системы перестают обновляться, связь становится хуже.

С другой стороны, запланированное устаревание в современной экономике служит важнейшим фактором для развития производства и выпуска на рынок новых моделей. Благодаря ему создаются миллионы рабочих мест.

Потребитель настолько свыкся с этой ситуацией, что никто и не думает о том, что компании обманывают, – мы просто принимаем эти правила игры, тем более нас никто о них не спрашивал.

Еще одно интереснейшее явление, свидетелями которого выступает каждый, получило веселенькое название «шринкфляция» (от английского Shrink – «сжимать»).

Суть его заключается в том, что производитель, дабы увеличить прибыль или скрыть повышение цен, уменьшает объем продукта в пачке.

Что самое интересное – мы к этому привыкли и воспринимаем абсолютно спокойно, когда в картонной пачке с готовыми завтраками или хлопьями пустует половина пространства или когда открывается коробка шоколадных конфет, но большую часть в ней составляют совсем не конфеты, а упаковка. Или когда размер упаковки мороженого или глазированного сырка в полтора-два раза превышает объем самого продукта.

На полках супермаркетов можно найти упаковки молока по 950 миллилитров, хотя все думают, что там литр, – при этом никаких претензий к производителю не предъявить: на пачке достаточно мелким шрифтом написано «950 мл», и пачки яиц стандартного размера, открыв которые вы обнаружите, что яиц там только девять!

Отдельная история – экологичность.

В середине девяностых один из наших клиентов провел большое исследование – пять тысяч человек в Москве и крупнейших городах России отвечали на вопрос «Имеет ли для вас значение наличие генно-модифицированных компонентов в продукте?».

Удивительное дело: только 5 % опрошенных по стране и 12 % в Москве ответили утвердительно.

Сегодня все изменилось: более 60 % российских покупателей считают безопасность и экологичность главными критериями при покупке продуктов питания.

Мировой рынок органической продукции составляет фантастическую цифру в 120 миллиардов долларов.

Производители всех товаров, от строительных материалов до косметики, с революционным остервенением наперебой стали использовать тему натуральности.

«Экологически чистый продукт», «без ГМО», «зеленая кладовая», «натуральный состав», «создано природой», «без красителей и консервантов», «старинный рецепт» – вариантов использования этих крючков внимания придумано сотни, только далеко не все они таковыми являются.

Американский биолог Джей Вестервельд ввел в обиход специальный термин – Greenwashing (от английских слов «зеленый» и «отмывание»).

Какие технологии сегодня использует Greenwashing?

Первое – скрытый компромисс, когда на упаковке продукта пишется «экологически чистый» из-за одного полезного свойства, а все остальные, зачастую вредные, факторы замалчиваются.

Второе – абстрактные или бездоказательные утверждения, например «100 % натурально». К примеру, многие токсины и опасные вещества являются вполне натуральными и находятся в природных соединениях.

Третье – компания заявляет, что в состав продукта не входит определенный компонент, хотя его использование и так запрещено законом.

Четвертое – откровенные казусы вроде крупной надписи «без консервантов» на напитках, где нет ни капли натурального содержимого и которые и так никогда не портятся.

В мире существует четкий стандарт «органик», принятый Международной федерацией органического сельского хозяйства, и стандарт ISO 14024, который оценивает весь процесс жизненного цикла продукта и его влияния на окружающую среду. В России существует ГОСТ 56508-2015, определяющий понятие органической продукции, а также того, как она должна производиться, транспортироваться и храниться. ГОСТ Р 57022-2016 контролирует, каким образом таким товарам присваиваются сертификаты. Но у компаний, выдающих столь много сертификатов, технологии и стандарты их исследований настолько разные, что доверять этим заключениям можно далеко не всегда.