Офлайн-реклама всегда была более неповоротливой, чем в онлайне. Появление цифровых экранов, которые пришли на смену бумажным баннерам, не смогло решить многих проблем, основные из которых — это невозможность таргетировать контент под аудиторию и подсчитать его эффективность. Между тем наружка в маркетинговом бюджете — весьма большая статья расходов, управлять которой без подсчета экономики довольно сложно.
Оплата по улыбке
Традиционно результат от офлайн-рекламы оценивали по динамике продаж, лидов или брендовых запросов в интернете: если после запуска кампании показатели пошли вверх — значит, эффект есть. Но такой метод очень неточен, поскольку часто невозможно сказать, что именно повлияло на рост или спад — особенно если бренд рекламируется через несколько каналов сразу. Другой частый способ — размещение в рекламных материалах промо- или QR-кодов, с помощью которых можно понять, откуда покупатель узнал о продукте. Однако он больше подходит для акционных механик, кроме того, промокоды активируют далеко не все потребители.
Что касается персонализации, здесь логика была еще более простой: исходя из особенностей целевой аудитории выбиралась локация для размещения рекламы — например, бизнес-центр, бюджетный супермаркет, спальный район или автомагистраль. Разумеется, такой таргетинг был очень и очень приблизительным.
Ситуация изменилась с появлением возможности идентифицировать людей, которые видят офлайн-рекламу. Сначала это реализовывалось через данные со смартфонов, подключенных к Wi-Fi, но теперь внимание все больше смещается на системы распознавания лиц. Как правило, информация передается в обезличенном виде — это требование закона о персональных данных. Но при согласии пользователя его лицо можно сохранить в системе и связать с мобильным приложением, чтобы автоматически отправлять ему персональные предложения прямо в магазине или даже дать возможность оплачивать покупки. Так, например, сделала компания KFC вместе с Ant Financial («дочкой» Alibaba) в одном из ресторанов в Китае: компания установила в зале терминалы для заказы с опцией smile-to-pay. Чтобы расплатиться, покупатель должен улыбнуться в экран — а система автоматически распознает лицо и спишет деньги через приложение Alipay.
Как это работает
Раньше таргетинг цифровых вывесок (digital signage) совершался в первую очередь с помощью Wi-Fi-радаров. Это работало следующим образом: при подключении к Wi-Fi любое устройство передает роутеру свой уникальный идентификатор — MAC-адрес. Специальное программное обеспечение позволяет запомнить этот MAC-адрес и загрузить его в базу. Теперь, когда устройство в следующий раз появится в зоне действия Wi-Fi-радара, алгоритм «опознает» его и сможет, к примеру, показать соответствующую рекламу. Кроме того, с помощью Wi-Fi-радаров можно вычислить пользователей, которые регулярно бывают в определенной локации, чтобы затем показывать им рекламу в онлайне — это актуально для кафе, магазинов, спортивных и развлекательных центров, которые привязаны к конкретной географической точке. MAC-адрес устройства может дать и дополнительную информацию о его владельце: например, его пол, возраст, географию и интересы — это делается с помощью крупных поставщиков данных, таких, как Mail.ru Group.
Однако похоже, что эпоха MAC-адресов постепенно уходит в прошлое, и связано это с обновлениями операционных систем электронных устройств. Чтобы защитить личные сведения своих клиентов, смартфоны используют рандомизацию: показывают системе случайный MAC-адрес, скрывая при этом реальный. Раньше рандомизацию можно было обойти — но в сентябре 2020 года, с выходом обновленных Android 11 и iOS 14, это стало практически невозможно.
Более того, многие компании с опаской относятся к сбору информации с помощью MAC-адресов, поскольку этот способ связан с несколькими крупными скандалами. Последний случился с платформой TikTok, которую в январе этого года обвинили в слежке за миллионами своих пользователей: с помощью техники, запрещенной Google, сервис обходил систему безопасности Android и собирал идентификаторы тех, кто пользуется приложением.
У таргетинга по MAC-адресам были и другие недостатки: так, с его помощью можно получить данные только о тех пользователях, чье устройство подключено к Wi-Fi. Кроме того, так невозможно определить, видел ли рекламу человек, чей идентификатор попал в базу, или не обратил на нее внимания. Теперь мир переходит на GEO / Location Based-сервисы для таргетинга и ретаргетинга в outdoor-рекламе (например, TAPTAP) и обезличенную видеоаналитику в indoor.
Маска, я тебя знаю
В indoor-рекламе все большую популярность для персонализации контента приобретают системы видеоаналитики. Одним из первых такую рекламу в России массово внедрил «Яндекс», который на базе решений Addreality развернул сеть цифровых экранов в аптеках «Асна». Она работает по следующему принципу: когда человек подходит к рекламному носителю, алгоритмы компьютерного зрения обрабатывают изображение, определяя примерный возраст, пол, эмоции (например, улыбку), то, как долго он смотрит на экран, впервые посетил этот магазин или нет. На основе этой информации система показывает потребителю объявление, которое потенциально может быть ему интересно.
Объявления для показа загружаются из ассортимента конкретного рекламодателя или с закупочных площадок — это принцип programmatic-рекламы, который уже давно используется в онлайне: данные о людях, находящихся рядом с рекламным носителем, передаются на закупочную площадку. Рекламодатели, которых заинтересовал такой потребительский портрет, делают ставки — и тот, кто предложил самую высокую стену, показывает свое объявление. Разумеется, весь процесс происходит автоматически и занимает буквально доли секунды.
С помощью такого таргетинга можно заметно повысить продажи: так, после установки прикассовых экранов в сети супермаркетов «Верный» с применением наших технологий выручка по отдельным товарным категориям увеличились до 70%, а средний чек вырос на 1,5-2%. Это оказалось намного эффективнее, чем продажа тех же товаров с помощью кассира — в первую очередь благодаря персонализации.
Подсчет эффективности
Цифровые носители, оборудованные технологией распознавания лиц, позволяют более точно подсчитать эффективность рекламы, чем простой сбор MAC-адресов. Но и здесь есть свои сложности: так, зона видимости рекламного щита, как правило, больше, чем площадь, охватываемая камерой — поэтому потенциально рекламу может видеть больше людей, чем это зафиксировал алгоритм. Поэтому многие компании, чтобы определить конверсию, иногда умножают полученные данные на коэффициент, который рассчитывается на основе характеристик камер, размеров экрана и особенностей помещения.
Но есть и другой момент: не все люди, которые находились рядом с цифровым экраном в конкретный момент времени, могли обратить на него внимание — поэтому рассчитать эффективность такой рекламы со стопроцентной точностью пока нельзя.
При использовании таргетированной аудиорекламы вероятность, что человек услышит объявление, выше — но в плане вовлеченности визуальный контент обычно дает лучший эффект. Как вариант — использовать аудиовизуальные сообщения, когда рекламный ролик транслируется со звуковым сопровождением.
Нюансы персонализации
Еще несколько нюансов цифровой офлайн-рекламы касаются таргетинга. Если в интернете реклама показывается одному пользователю, то в случае с офлайном объявление видит целая группа людей, которые в данный момент проходят рядом с рекламным носителем. Эта группа может быть очень разнородной, поэтому решение принимается исходя из характеристик большей части аудитории. Так, если в толпе перед экраном находится более 50% представителей целевой аудитории (например, женщин от 20 до 40), система будет таргетировать объявление на эту категорию.
Понимание уникального охвата и ежеминутный обезличенный анализ когорты посетителей позволяет отследить частые пути по торговому залу, понимать поведение и возможные интересы. Например, система цифровых вывесок, которую мы развернули в сети магазинов косметики и парфюмерии, распознает около 40 характеристик: например, какой отдел посетил человек, как долго в нем пробыл, какую рекламу он уже видел и на какую обратил внимание, какие эмоции при этом проявил. Данные в реальном времени можно использовать для улучшения покупательского опыта и конверсии в покупку.
