Обычно компании довольно хорошо представляют себе величины MC и ожидаемой ROI. Ключевой параметр в приведенном выше уравнении – это P(C), то есть шансы на то, что кто-то подвергнется конверсии.
Согласитесь, было бы здорово, если вы могли бы рассчитать P(C) и допустимую цену для каждого cookie, а затем заплатить лишь за те, которые стоят меньше допустимой цены. Это вполне возможно, и вот как лучше это сделать. Предположим, что и вы, и я завтра зайдем на сайт ESPN.com. Я люблю компьютерные игры, а вы нет. Компания EA Sports выпускает на рынок новый симулятор баскетбольного матча и планирует рекламировать его в онлайне. Эта компания видит, что вы заходите на сайт ESPN.com, и у нее есть возможность разместить свою рекламу в верхней части наиболее часто посещаемых страниц сайта. Это обойдется компании в 5 центов. В реальности цена будет равна примерно 0,003 цента, или около трех долларов за одну тысячу показов, то есть рекламных объявлений, но для упрощения математических расчетов давайте посчитаем цену равной 5 центам – это позволит вам обойтись без калькулятора. Кроме того, компания знает, что вы никогда не посещали сайты, посвященные компьютерными играм, видели рекламу игр, но не нажимали на нее и что на сайте ESPN вы заходите только на главную страницу и страницы, посвященные гольфу. Ваш показатель P(C) будет низким (значительно ниже 5 центов).
Правильным было бы сэкономить деньги и не показывать вам рекламу. Шансы на то, что вы купите игру, довольно невелики – особенно если сравнить вас со мной. Ведь я – и это известно компании – не так давно нажал на один из ее баннеров, связанных с футболом; часто посещаю страницы ESPN, посвященные баскетболу; в течение нескольких последних дней искал билеты на матч с участием New York Knicks. Конечно, EA Sports будет правильнее потратить свои 5 центов на меня.
Условная сумма в 5 центов (или реальная сумма в 3 доллара за одну тысячу показов) может показаться незначительной, но умножьте ее на миллионы ежедневных рекламных показов, и вы поймете, насколько важно выбрать правильную цель: конкретного и подходящего вам человека, а не просто рядового посетителя сайта ESPN.com. Преимущества индивидуального таргетирования очевидны, и многие компании в наши дни идут именно по этому пути. Чтобы это стало возможным, должны были появиться две вещи – возможность обмена рекламными баннерами и развитие системы торгов за показ баннеров в режиме реального времени.
Торги представляют собой борьбу за рынок рекламных мест. В них участвуют издатели (такие как ESPN) и покупатели (такие как EA sports). Торги предназначены и для того, чтобы сделать процесс купли-продажи более гибким, простым и эффективным с помощью технологических решений.
К основным баннерообменным сетям относятся AdECN (принадлежащая Microsoft); Right Media (подразделение Yahoo!); CONTEXTWEB Ad Exchange; а также DoubleClick Ad Exchange (принадлежащая Google). Одно из основных преимуществ обмена рекламой подобного рода связано с тем, что ставки на рекламу устанавливаются в режиме реального времени.
Концепция реального времени достаточно прямолинейна. Давайте вернемся к нашему примеру с посещением страницы ESPN.com. Чтобы упростить ситуацию, представим себе, что на рынке имеются два потенциальных покупателя – EA и BMW (ваши визиты на страницы ESPN.com, посвященные гольфу, повысили показатель P(C) до уровня, заинтересовавшего автопроизводителя). Итак, мы с вами вводим адрес ESPN.com, и рекламный сервер распознает, кто мы такие. Так как вы обладаете большей потенциальной ценностью, чем я, то автопроизводитель (BMW) готов заплатить больше EA, лишь бы только вы увидели его рекламу. Моя же допустимая цена для EA Sports выше, чем готова платить BMW. EA Sports выигрывает торги, и я увижу рекламу ее нового баскетбольного стимулятора. Все это происходит за долю секунды.
Скорее всего ни EA, ни BMW сами не занимаются расчетами допустимой стоимости показа баннера. Для этого они нанимают внешнюю компанию, проводящую расчеты на основании установленных ими параметров. Подобные специализированные подрядчики не только рассчитывают допустимую цену с помощью некоторых описанных выше алгоритмов, но и предсказывают, сколько будут готовы заплатить за показы другие участники рынка. Именно такой тип алгоритма используют брокеры на Уолл-стрит для выбора акций. Бывшие ученые-ракетчики, прежде писавшие алгоритмы для Уолл-стрит, теперь пишут их для баннерообменных сетей. Один из них, зарабатывающий созданием подобных алгоритмов себе на жизнь, рассказал мне, что основная проблема таких предсказаний – угадать, чему может быть равна вторая по размеру ставка, а затем сделать свою ставку всего на доли центов выше. Это имеет немалый смысл.
Давайте еще раз воспользуемся тем же примером с BMW и EA Sports (и крайне упрощенным математическим аппаратом) и покажем, как это работает. Если допустимая цена показа рекламы ESPN.com составляет для BMW 10 центов, но при этом компания знает, что вторая по размеру ставка будет равна 5 центам, то ей имеет смысл снизить ставку до 5,5 цента, а не заявлять о готовности заплатить 10 центов. Компании, которым удается овладеть таким подходом, с одной стороны, экономят огромные суммы, с другой – успешно выбирают самых интересных для себя людей.
Победа в этой игре сводится к двум вещам – управлению математическим аппаратом и получению доступа к данным cookie. Чем больше информации о cookie у вас есть, тем лучше будет работать математический аппарат и тем больше денег вы будете экономить, делая ставки, учитывая правильные cookie. Именно таким образом в цифровом мире ставится знак равенства между данными и деньгами, и именно поэтому сбор, управление и анализ таких данных – это большой и серьезный бизнес. Компании типа BlueKai специализируются на строительстве платформ управления данными, помогающих клиентам решать такую задачу. Это – одна из самых быстрорастущих отраслей в сегодняшнем маркетинге.
Я уже упомянул, что Google, Yahoo! и Microsoft владеют крупными рекламными сетями. Теперь в игру вступает и Apple. Представьте, что эта компания знает о ваших предпочтениях, связанных с использованием программы iTunes. Когда человеку нравятся определенные фильмы, музыка и приложения, это способно многое сказать о других продуктах, к которым он может иметь интерес. Поэтому Apple разработала специальное решение для онлайновой рекламы, получившее название iAd. iAd позволяет размещать рекламную информацию на устройствах пользователей Tunes, учитывающую, каким образом и для чего они используют iTunes.
И мы говорим не только о баннерной рекламе. iPad позволяет рекламодателям обеспечить значительно более богатый опыт погружения в рекламу (более привлекательный, чем лучшие из ТВ-роликов), а также отбирать своих ключевых потребителей с невероятно высокой точностью. Приведу пример. Мы создали крайне успешную кампанию для бренда Perrier во Франции, в ходе которой приглашали пользователей попасть (с помощью iPad) в виртуальный кафешантан – мир, наполненный прекрасными женщинами в нижнем белье (поверьте, это было намного заманчивее любой печатной рекламы).
После того как мы запустили рекламную кампанию, клиент начал жаловаться на то, что ни разу не видел ее, сколько бы ни путешествовал по Сети на своем iPad. Нам потребовалось немало времени, чтобы убедить его, что рекламная кампания действительно шла, однако была настроена только на людей с максимальным потенциалом конверсии, и что наш клиент по каким-то причинам не попал в их число (возможно, потому что он получает свой Perrier бесплатно). Это совсем не то, что реклама на телевидении, когда ролики видят все зрители. Неудивительно, что методы iAd приводят рекламодателей в состояние сильного возбуждения.
Поиск в других местах
До этого момента я рассказывал только об интернет-рекламе. Но есть и другие цифровые сети, в которых вы можете найти интересных для себя людей. Одним из примеров нового направления работ являются социальные сети. Все затронутые мной до сих пор примеры были основаны на том, что мы знаем, какие сайты посещают люди и с кем они взаимодействуют. А теперь представьте, сколько могут знать о своих пользователях Facebook, Foursquare, Twitter и MySpace. Они знают не только о ваших интересах, но и об интересах ваших друзей. Эти данные рассказывают о том, что вам нравится или кто еще может быть заинтересован в интересных для вас продуктах. Пока что данная зона работы находится на этапе «младенчества», но совсем неудивительно, что капитализация компании Facebook уже сейчас составляет свыше 50 миллиардов. И связано это с тем, что Facebook и другие социальные сети могут приносить рекламодателям аудиторию, готовую их слушать. Социальные сети говорят рекламодателям: «Мы можем найти для вас людей с нужными параметрами – возраст, место проживания, доход, интересы. Скажите, кого вы ищете, и дайте свое объявление, и мы доставим его вам за определенное вознаграждение».
Парни из Facebook знают, что эффективность рекламы, о которой рассказывают вам друзья, значительно выше, чем у рекламного сообщения, появляющегося перед вашими глазами ниоткуда. Брэд Смоллвуд, глава аналитической службы Facebook, даже сказал мне, что рекомендация со стороны друга повышает намерение купить тот или иной продукт в четыре раза! И это не должно нас удивлять.