Алгоритмические танцы: как рекламодатели готовятся к блокировке сторонних cookies
К концу 2024 года Google намерен полностью прекратить поддержку сторонних файлов cookie в браузере Chrome. Старший директор по продуктам Privacy Sandbox Виктор Вонг допустил, что дедлайн может сдвинуться из-за согласований с британским регулятором, но призвал участников рынка готовиться к отключению в ранее заявленные сроки.
О том, что значит для рекламного рынка этот шаг, чего лишатся рекламодатели, к чему это приведет и как они будут адаптироваться к новой реальности, рассуждают CEO агентства Mera Мария Силкина и эксперт Mera по развитию цифровых продуктов Артем Сараев
Мучения без "печенья"
Регулирующие органы и бренды реагируют на растущие ожидания потребителей в отношении конфиденциальности, и это глобальная тенденция. Несмотря на то что браузеры Safari и Firefox уже давно ограничивают использование сторонних файлов cookie, браузер Google Chrome, который имеет самую большую долю пользователей (по данным SimilarWeb, 63,39% в мире и, согласно оценкам "Яндекс Радара", более 40% в России), до сих пор не принял такие меры.
Cookies — небольшие текстовые документы, которые с помощью браузера сохраняют на компьютере пользователя веб-сервер (сайт). В эти файлы можно записать практически любую информацию о посетителе сайта: во сколько и с какого устройства человек заходил на страницу, какими товарами интересовался и т. д. Важно отметить, что Google планировал отказаться от использования файлов cookie уже в 2021 году, но сроки несколько раз переносились. Корпорация планирует полностью прекратить поддержку файлов cookie к концу 2024 года, но уже в I квартале этого года Google планирует перевести 1% всех пользователей в Privacy Sandbox и отключить для них сторонние файлы cookie. В свою очередь, Privacy Sandbox — это инициатива, запущенная Google в ответ на растущие требования к конфиденциальности пользователей в интернете. Технология представляет собой комплекс решений, направленных на обеспечение баланса между конфиденциальностью пользователей и потребностями рекламодателей в сборе данных для таргетированной рекламы.
В результате блокировки рекламодатели лишатся точных данных о предпочтениях и интересах пользователей, собранных с помощью файлов cookie. Это приведет к сокращению доступных сегментов по интересам и ограничит возможности таргетирования и персонализации рекламы. Отсутствие сторонних cookies (или third party cookies) также затронет ретаргетинг, поскольку рекламодатели не смогут точно определить, какие пользователи посещали их сайт, и настроить ретаргетинговые кампании. И, наконец, отмена файлов cookie усложнит атрибуцию, что приведет к снижению качества аналитики и возможности оптимизировать рекламные кампании на основе точных данных о конверсиях.
Данные прямого характера
Однако рекламный рынок активно адаптируется к новой среде, блокировка cookies пойдет на пользу отрасли, поскольку подтолкнет ее к совершенствованию методов сбора данных, таргетинга и аналитики. В этом заинтересованы сами рекламодатели. Кроме повышения точности и релевантности рекламных кампаний, клиенты рассчитывают на 100%-ное соответствие их практик новым стандартам конфиденциальности.
Основные рабочие альтернативы сторонних cookies — first-party-данные (то есть те персональные данные, которые пользователь передает добровольно) и контекстный таргетинг. Эффективность последнего будет "драйвить" искусственный интеллект — в первую очередь технологии машинного обучения и алгоритмы.
В отсутствие сторонних cookies лучшим способом повысить эффективность рекламных кампаний и персонализацию предложений является использование first-party-данных. Именно поэтому рекламодатели, которые хотят сохранить привычные подходы к персонализации и таргетингу, обращаются к walled gardens — IT-гигантам, владельцам закрытых платформ, обладающих огромными объемами пользовательских данных. Доступ к ним контролируют интернет-сервисы, маркетплейсы, банки, ретейлеры, телеком-операторы. В России к числу крупнейших поставщиков first-party data относятся Ozon, Сбербанк, "Яндекс", VK, МТС, билайн, "М.Видео-Эльдорадо", X5 Group.
Маркетплейсы и ретейлеры собирают данные о покупках и предпочтениях клиентов, поведении пользователей на сайте, банки дополнительно могут анализировать транзакционные данные. Собранная информация используется для персонализации услуг и предложений, показа релевантной рекламы и контента. В конечном счете грамотная data-стратегия способствует повышению лояльности и продаж.
В чем польза сотрудничества с walled gardens? Данные, добровольно предоставляемые пользователями экосистем, можно использовать для поиска существующих и похожих клиентов. Готовые аудитории без дополнительных расходов: walled gardens предоставляют различные сегменты бесплатно. Точные межканальные измерения: платформы вроде "Яндекса" и VK измеряют эффективность рекламы на различных устройствах на протяжении всего пути покупателя.
Важность использования собственных данных подтверждается на практике. К примеру, наша аналитика для одного из FMCG-клиентов показала, что размещение на сегментах, основанных на собственных CRM-данных, дает прирост до 50% к CTR (отношение количества кликов по объявлению к его показам). Кроме того, доход с одного визита увеличивается в среднем на 9% по сравнению с размещением на предустановленных сегментах.
Контекстный таргетинг: old but gold
Размещение рекламы рядом с релевантным контентом — один из первых методов таргетирования рекламы в интернете, возникший задолго до начала широкого использования файлов cookie для сбора данных о поведении пользователей.
Поскольку объем инвентаря с поддержкой традиционных методов таргетинга будет сокращаться, брендам придется искать площадки, которые предлагают интересный ее целевой аудитории контент. Далее рекламное сообщение будет адаптироваться к содержанию страницы, ключевым словам, местоположению пользователя и другим факторам.
На фоне возрождения интереса к контекстному таргетингу российские рекламодатели вовсю тестируют новые форматы.
In-Image (реклама в изображении), когда реклама встраивается непосредственно в релевантные изображения на веб-странице. Например, реклама спортивной обуви появляется на изображениях, где люди занимаются спортом.
In-video native advertising (реклама в видео), когда реклама размещается внутри видеоконтента на основании содержания видео. Это может быть баннер или короткое рекламное сообщение в начале ролика, соответствующее его тематике.
Content recommendation widgets (виджеты рекомендаций контента) представляют собой элементы, внутри которых размещаются рекомендованные статьи, видео и другие типы контента, релевантные просматриваемой странице. Рекомендации могут включать как органический контент, так и рекламные материалы.
Semantic targeting (семантическое таргетирование) — расширенный подход к контекстному таргетингу, который анализирует семантические связи и значение текста на странице для более точного соответствия рекламы контексту. Это позволяет достигать высокой релевантности рекламы, даже если ключевые слова не совпадают напрямую.
Audio content advertising (реклама в аудиоконтенте) — рекламные сообщения, интегрированные в подкасты или музыкальные стримы, основанные на тематике или содержании аудио. Например, короткое рекламное объявление, связанное с темой подкаста.
Машины на службе рекламы
Развитию контекстного таргетинга будут способствовать технологии машинного обучения, поскольку они играют ключевую роль в анализе контекстуальных факторов. К таким факторам относятся ключевые слова, тематика страницы и местоположение пользователя.
По мере совершенствования алгоритмы машинного обучения смогут обрабатывать все больше данных, выявлять скрытые закономерности и тенденции, что сделает возможным предсказание интересов и предпочтений пользователя, основываясь на контексте, без необходимости применения cookies. На основе анализа собранной информации ИИ подберет наиболее релевантные рекламные сообщения для каждого конкретного случая.
В переходный период ИИ приобретет особую значимость для маркетологов — он поможет оптимизировать распределение рекламного бюджета, минимизировать затраты на ручное управление данными и процессами и таким образом повысить эффективность и целевую направленность кампаний.
Примером подобной оптимизации можно назвать "ChatGPT Таргетинг" от Roxot, который, по заявлению самой компании, собирает текстовое наполнение веб-страниц, отправляет его в ChatGPT для получения тематик контента, затем проставляет теги к URL и браузеру пользователя. Реклама может показываться как на самой странице с нужным контентом, так и на других страницах сети.
Другой пример — внедрение ИИ в сервисы "Яндекса". В 2023 году компания установила в системе модерации рекламы нейросеть, которая работает на основе архитектуры DSSM (Deep Semantic Similarity Model), и по итогам года среди попыток размещения мошеннической или запрещенной рекламы было заблокировано 214 000 рекламных аккаунтов, что на 42% больше показателя 2022 года. Кроме того, алгоритмы "Яндекса" не допустили к рекламной сети более 17 500 сайтов, 15 500 приложений и 2700 Telegram-каналов.
В целом такая модерация хороша и для пользователей, и для самого "Яндекса": пользователи видят меньше раздражающих объявлений, а компании проще привлекать качественных рекламодателей, которые не нарушают правила.
Если говорить про машинное обучение, то его возможности активно используют Wildberries и Ozon. Оба маркетплейса предлагают пользователям персонализированные рекомендации товаров на основе их истории покупок, просмотров и поисковых запросов.
Проникновение ИИ в digital-рекламу будет только ускоряться. Если говорить про контекстуальный таргетинг, то еще несколько лет назад результаты его использования в большей части случаев уступали таргетингу по cookies в плане эффективности издержек. Однако вместе с развитием нейросетей и их внедрением в контекстуальный таргетинг (улучшается понимание контекста и смысла текста, а не просто ключевые слова) мы видим, что все в большем количестве размещений результаты становятся сопоставимыми, а в некоторых случаях даже превосходят размещения с таргетингом по cookies.
