Введение


Все большее число пользователей выходят в сеть с помощью различных устройств. При этом взаимодействие рекламодателя с потенциальным покупателем происходит с использованием множества рекламных каналов. Часто, устройство с которого человек потребляет контент и определяет этот канал взаимодействия. Пользователь может заинтересоваться телевизионной рекламой или наоборот — отвлечься во время её показа для общения в социальной сети на мобильном телефоне или персональном компьютере. Потенциальный покупатель на своем пути от первого контакта с брендом или товаром до момента покупки может сменить не одно устройство, и при этом не всегда оно будет персональным.



По данным из [1] 95% Россиян имеют мобильный телефон, в то время как лишь только 80% пользуются ноутбуком или персональным компьютером. По данным Google Россия [2] еще в 2014 году 62% использовали мобильные устройства для поиска информации о товарах, а 39% отечественных пользователей хотя бы раз совершали покупку со смартфона. Там же отмечается, что путь к покупке, например, в ритейл сегменте, который начинался с поиска на мобильном устройстве, заканчивался покупкой на этом же устройстве лишь только в 3% случаях.

В свою очередь, специалисты компании Criteo прогнозировали [3], что рост числа покупок, совершенных в Рунете с мобильных устройств, в 2016 году превысит 50%.


Рис. 1 — Владельцы цифровых устройств среди взрослого населения Российской Федерации по данным из [1].

Вышесказанное определяет необходимость в оценке эффективности рекламных кампаний через все используемые каналы и по всем устройствам, посредством которых рекламодатель взаимодействует с покупателем.   

Использование метода создания связанной рекламы для различных устройств позволяет в том числе и персонифицировать  рекламное предложение для пользователей, имеющих сразу несколько источников доступа к сети. Так называемая связанная реклама имеет множество англоязычных синонимов и популяризируется под множеством продающих фраз, например:

  • Tapad: Personalize content across multiple screens.
  • BlueCava: Reach high-value targets on any screen.
  • Adelphic: Target people, not devices.
  • Tactads/MediaMath: Send the right message, to the right people, on the right devices.
  • Drawbridge: Accurately scale desktop retargeting campaigns to mobile.

Сегодня мы поговорим о том, как это работает, и что мешает широкому внедрению этого подхода.

С появлением экосистемы для автоматизиваронной закупки рекламы рекламодатель может идентифицировать своего пользователя не только в рамках конкретной площадки, но и в рамках всех площадок, участвующих в рекламной кампании. Это позволяет достоверно оценивать охват рекламной кампании и настраивать частоту показа рекламного объявления на уникального пользователя. Однако для предоставления такой услуги рекламная платформа должна проводить аккуратную работу по сопоставлению множества идентификаторов пользователя к одному — универсальному, в рамках которого: настраиваются частота показа, аудиторные таргетинги; отслеживается эффективность рекламной кампании.

Глобально можно выделить следующие задачи так или иначе связанные с работой по сопоставлению множества различных идентификаторов пользователя к одному — универсальному:

  • идентификация пользователя на различных SSP (Supply / Sell Side platform);
  • идентификация пользователя между браузерами;
  • идентификация пользователя между браузерами и приложениями на мобильном устройстве;
  • идентификация пользователя между различными устройствами — как вершина эволюционного развития рекламных технологий.



Рис. 2 — Иллюстрации к кросс-идентификации пользователя: (а) — Идентификация пользователя на различных SSP, (б) — Идентификация пользователя между браузерами, (в) — Идентификация пользователя между браузерами и приложениями на мобильном устройстве.

Идентификация пользователя на различных SSP


Одна DSP (Demand-Side Platform) всегда подключена более чем к одной SSP, и один и тот же пользователь (наблюдаемый через разные SSP) даже с одного устройства может рассматриваться в рамках рекламной кампании как несколько разных людей. Это не позволяет достоверно соблюдать частоту показа рекламных объявлений на уникального пользователя.

Протокол Open RTB [4] от IAB для объекта User предусматривает два поля для идентификации пользователя в момент запроса (бида) от SSP к DSP: id — идентификатор пользователя в рамках конкретной SSP и buyerid — идентификатор пользователя DSP. Для того, чтобы SSP могла передавать информацию о buyerid, необходима реализация технологии матчинга идентификаторов на стороне SSP, например, [5]. Однако не все SSP готовы хранить зачастую очень большую таблицу матчинга на своей стороне и тратить на это технологические ресурсы.

На практике, чаще всего поступают иначе — SSP передает свой идентификатор пользователя на сторону DSP в рамках процесса матчинга идентификаторов. В этом случае SSP достаточно заполнить поле id в объекте User и DSP будет самостоятельно понимать — для какого пользователя предлагается потенциальный показ. Еще реже используется двусторонний обмен идентификаторами.

Внимательная работа DSP по кросс-идентификации пользователей получаемых через различные SSP позволяет достоверно соблюдать необходимую рекламодателю частоту показов и обеспечивать больший охват рекламной кампании.

Идентификация пользователя в браузерах и в приложениях


Не редка ситуация, когда в рамках одного браузера идентифицировать пользователя оказывается невозможно, это может быть связано с тем, что пользователь для целей анонимизации использует специальные браузерные расширения и установка определенного вида куки оказывается невозможной (особенно актуально для Safari на мобильных устройствах). Это сразу же приводит к тому, что рекламный трафик от таких пользователей невозможно использовать даже для нужд классического ретаргетинга а контроль за частотой показа рекламных объявлений такому пользователю перестает работать. Для решения описанной проблемы и идентификации этих пользователей обычно используется технология fingerprint (например, Panopticlick, [6]), достаточно полное сравнение различных реализаций которой представлено в [7]. Там же показано, что пользователь, который использует определенные технологии анонимизации оказывается наоборот — более уязвим с точки зрения анонимности в сети.

При разработке DSP Exebid.DCA мы поступили гораздо проще, прекратив эксперименты по намеренной идентификации пользователя, который очевидно в данный момент против этого. Нам удалось выделить сегмент таких пользователей и избавить их от рекламных кампаний в которых устойчивая идентификация является важной. В более простых случаях, когда не удается поставить т.н. third-party cookie можно использовать возможности современных браузеров такие как Локальное хранилище (localStorage) и postMessage [8].

Для настольных устройств также оказывается достаточно частой ситуация, когда пользователь пользуется двумя разными браузерами для различных задач. Если не предпринимать специальных мер идентификации, то такой пользователь будет рассмотрен рекламной платформой как несколько разных пользователей, никак не связанных друг с другом. Здесь для идентификации в используются браузеро-независимые признаки, например из [9]: IP адресс, информация об установленных шрифтах, временная зона, разрешение экрана и др.

Отдельной проблемой оказывается сопоставление поведения пользователя внутри мобильного приложения и на веб сайте. В общем случае данная проблема так и не имеет решения, однако для отслеживания эффективности рекламы в мобильных приложениях можно использовать технологию «нативного клика» (Native Browser Click, например [10]). При этом появляется возможность сопоставить IDFA (Identifier for Advertizer) из приложения с кукой пользователя в браузере мобильного устройства.

Выбирают на телефоне а покупают с персонального компьютера


Склонность современных интернет-покупателей знакомиться с рекламным предложениями с планшетов или смартфонов, а покупать товар позже с персонального компьютера отметил и старший аналитик «Google Россия» Станислав Видяев. «Совершить покупку или заказать услугу с маленького экрана смартфона или планшета  затруднительнее, чем с десктопа», — заявил он на конференции Google Think Performance [11], подводя аудиторию к идее неизбежности внедрения кросс-девайс отслеживания уникальных пользователей.

Одни устройства помогают сконвертироваться другим


Умение связать модели поведения пользователя со смартфона/планшета и ПК и определить, что это один и тот же человек, существенно упростит жизнь рекламодателям. Используя новую технологию, они смогут подталкивать нерешительных посетителей сайта или мобильного приложения к повторному визиту с другого устройства и покупке (ремаркетинг на основе кросс-девайс идентификатора пользователя), а так же экономить бюджет, не показывая рекламу на планшете тем, кто уже проигнорировал ее со смартфона или стационарного компьютера, и наоборот.

В плюсе от внедрения модели кросс-девайс рекламы должны остаться и сами интернет-пользователи. Они начнут получать только интересные персонифицированные предложения и избавятся от утомительного потока одинаковой неактуальной для них рекламы на всех устройствах.

Хотя кросс-девайс реклама еще не успела стать объективной реальностью из-за ряда технических сложностей, некоторые компании уже успели опробовать новый метод и получить первые результаты. Так, журналисты американского профильного издания о рекламе Adweek узнали [12] о результатах рекламной кампании производителя люксовых автомобилей, использовавшего технологию ретаргетинга для пользователей, просматривавших рекламу на трех разных устройствах — смартфонах, планшетах и персональных компьютерах. Выяснилось, что автоконцерн повысил конверсию на 15% в сравнении с контактами на одном устройстве.

Подходы к кросс-идентификации пользователя


Но как же определить, что у смартфона, планшета и ПК один и тот же хозяин? Сервис Google Analytics предлагает идентифицировать уникальных пользователей не только отслеживая файлы cookie браузеров персонального компьютера или id-мобильного устройства, но и посредством идентификатора клиента конкретного магазина (это приводит к тому, что данная технология кросс-девайс матчинга работает только для зарегистрированной аудитории сайта). Одного и того же пользователя, сидящего с разных устройств, система распознает после авторизации. По словам [11] Станислава Видяева из российского Google, это помогает рекламодателям отслеживать путь пользователя к покупке и  избегать ошибочных суждений вроде «реклама для планшетов неэффективна, потому что все транзакции совершаются при помощи персональных компьютеров».

Такой детерминистический подход (deterministic tracking), фактически основан на сопоставлении логинов пользователей в интернет системах, это может быть не только конкретная целевая площадка-магазин, но и социальные сети и даже браузеры, например, синхронизация настроек и истории посещений в браузере Google Chrome между различными устройствами доступна с 18 версии, 2012 год [13]. Таким образом данный подход мог быть реализован и популяризован гораздо раньше.

Использовать детерминистический трекинг могут любые платформы и паблишеры, которые собирают учетные данные пользователей. Однако  не для всех пользователей путь до покупки состоит из двух простых шагов: просмотр предложения с мобильного устройства или планшета, оформление заказа через персональный компьютер; и далеко не все хотят регистрироваться на сайте.

Второй, и более сложный подход к кросс-девайс матчингу — вероятностный трекинг (probabilistic tracking), который предполагает использование вероятностных алгоритмов для анализа поведения пользователей на различных устройствах.  Крупные технологические компании, например BlueCava, Adelphic, Tapad и Drawbridge или российской DCA собирают данные о множестве файлов cookie, анализируют схожие шаблоны использования поисковых систем и с помощью специальных тестов определяют связь различных устройств с одним и тем же профилем пользователя.

Наиболее очевидно подойти к реализации кросс-девайс технологии можно рассмотрев все множество идентификаторов всех устройств всех пользователей как граф, вершины которого суть эти идентификаторы, а взвешенная связь двух идентификаторов ребром означает, то, что с определенной вероятностью эти идентификаторы принадлежат одному человеку, например, патент [14]. Такой подход позволяет применять известные методы поиска кластеров в социальных сетях и идентифицировать одного и того же пользователя на различных устройствах.

По заявлениям Drawbridge вероятностный трекинг может гарантировать точность в 97.3% [15]. В 2013 году Expedia (сайт для онлайн бронирования билетов и отелей) проводил тесты этой системы, в рамках которых для десктопной аудиотрии сайта на их мобильных телефонах демонстрировалось объявление с предложением установить приложение Expedia  [16]. По результатам тестов было отмечено увеличение конверсионности на целые порядки.

Заключение и перспективы развития


Даже сложные технологии кросс-девайс рекламы, позволяющие связывать несколько подключенных к сети устройств с пользователем-покупателем — это еще не предел развития digital-инструментов. Cross-device advertising  - это первый шаг на пути к идеальной кросс-канальной конвергенции, предполагающей трансляцию форм одной и той же рекламы заинтересованным лицам сразу через несколько каналов  — интернет-сайты, email-рассылку, телевидение, радио, социальные сети, колл-центры компаний. Например, телезрителю, который увидел рекламный ролик и решил узнать подробности о продукте, позвонив специалисту по работе с клиентами, могут отправить email с предложением приобрести товар со скидкой или получить бонус за покупку.

Внедрение эффективно работающей кросс-канальной модели станет маркетинговой революцией, но заняться ее разработкой вплотную специалисты смогут только тогда, когда без изъянов заработает кросс-девайс модель. Сейчас мы наблюдаем сложности с конвергенцией устройств даже в рамках одного канала — интернета. Пользователь, выходящий в сеть при помощи двух браузеров все еще воспринимается системой как два разных человека. Более того, в мобильных устройствах пользователь внутри приложения и в браузере (которых может быть несколько) учитывается как несколько пользователей. Поэтому разработка технологии матчинга IDFA, который используется для идентификации пользователя внутри приложений, с кукой дефолтного браузера мобильного устройства является актуальной востребованной задачей.

В России  к этому добавляются дополнительные сложности: «персональными» во многих семьях являются только смартфоны, а планшетами и ПК часто пользуются сразу несколько членов семьи, и рекламные предложения в этом случае могут не достигать своего адресата.

Несмотря на видимые трудности, очевидно — за кросс-девайс рекламой будущее. Именно поэтому бизнесу необходимо развивать методы сбора и обработки информации о потенциальных клиентах и их нуждах.

Список использованных источников
  1. Kemp, Simon. «Digital in 2016.» We Are Social. N.p., 27 Jan. 2016. Web. / http://wearesocial.com/uk/special-reports/digital-in-2016
  2. Сидоров, Илья. «Покупки с мобильных устройств. Участие мобильных устройств в принятии решения о покупке.» День интертнет-рекламы. Google Россия / http://msk.advdays.ru/upload/iblock/852/Покупки%20с%20мобильных%20устройств%20(Google%20Russia).pdf
  3. «Criteo: российские пользователи чаще покупают с планшетов, чем со смартфонов.» Search Engines. Энциклопедия поисковых систем. Criteo, 13 Oct. 2015. Web. / http://www.searchengines.ru/seoblog/criteo_rossiyskie_polz_15.html
  4. «Real-Time Bidding (RTB) Project.» IAB Empowering the Marketing and Media Industries to Thrive in the Digital Economy. N.p., n.d. Web. 03 May 2016. / http://www.iab.com/guidelines/real-time-bidding-rtb-project/
  5. «Cookie Matching.» Google Developers. N.p., n.d. Web. 03 May 2016. / https://developers.google.com/ad-exchange/rtb/cookie-guide
  6. Eckersley, Peter. «How unique is your web browser?.» Privacy Enhancing Technologies. Springer Berlin Heidelberg, 2010.
  7. Nikiforakis, Nick, et al. «Cookieless monster: Exploring the ecosystem of web-based device fingerprinting.» Security and privacy (SP), 2013 IEEE symposium on. IEEE, 2013.
  8. Shivraj, Rath. «Cross Domain Communication Using PostMessage and Local Storage.» Novice Lab. N.p., 9 Aug. 2014. Web. / http://novicelab.org/js/cross-domain-communication-using-postmessage-and-local-storage/451/
  9. Boda, Karoly, et al. «User tracking on the web via cross-browser fingerprinting.» Information Security Technology for Applications. Springer Berlin Heidelberg, 2011. 31-46.
  10. «Native Browser Click Support.» Twitter Developers. Mopub, n.d. Web. / https://dev.twitter.com/docs/native-browser-click-support
  11. Видяев, Станислав. «Google Think Performance: кросс-девайс отслеживание уникальных пользователей.» YouTube. AdWordsRussia, 16 June 2015. Web. 03 May 2016. / https://www.youtube.com/watch?v=HxcjS-DIsn8
  12. Swant, Marty. «Why Cross-Device Programmatic Advertising Is Ready to Take Off in 2016.» AdWeek. N.p., 19 Jan. 2016. Web. 03 May 2016. / http://www.adweek.com/news/technology/why-cross-device-programmatic-advertising-ready-take-2016-169025
  13. «Sync and View Tabs and History across Devices.» Chrome Help. Google, n.d. Web. 03 May 2016. <https://support.google.com/chrome/answer/2591582?hl=en
  14. Traasdahl, Are Helge, Dag Oeyvind Liodden, and Vivian Wei-Hua Chang. «Managing associations between device identifiers.» U.S. Patent Application No. 13/677,110.
  15. «Cross-Device Consumer Graph.» (n.d.): n. pag. Drawnbridge. Web. 3 May 2016. / https://gallery.mailchimp.com/dd5380a49beb13eb00838c7e2/files/DB_White_Paper_030316.pdf
  16. «How Expedia Ads Now Trail You from Desktop to Mobile.» Tnooz. Drawbridge, 17 July 2013. Web. 03 May 2016. / https://www.tnooz.com/article/how-expedia-ads-now-trail-you-from-desktop-to-mobile/
Поделиться с друзьями
-->

Комментарии (6)


  1. evnuh
    13.05.2016 15:16
    +3

    А можете, пожалуйста, по-человечески рассказать, как всё же вы матчите пользователей? С технической стороны, не с маркетинговой. Хотя бы входные данные для вероятностного матчинга. Из статьи просачивается слегка инфа про:
    1) смотрите куки на домене
    2) смотрите поисковые запросы (как? они же зашифрованы давно везде)
    что ещё?


    1. psman
      15.05.2016 11:04
      +1

      Смотреть что смотрит юзер.
      К примеру у меня для каждого url смотрится тематика. Тематики по известным данным (рега через соц сети на сайтах) делятся по соцдему с коэффициентами. Соответственно когда человек ползает по инету, то его соцдем уточняется. и если смотреть на диаграммы вероятностей, то часто видим 2 пика… мужчина 30 лет, к примеру, и женщина 27 лет — вывод — > это комп на 2 пользователей.
      Если в начале сеанса видим сайты и поведения юзера 2, то выдаем рекламу для него. Если пользователь 1, то для него. Если непонятное, то среднюю рекламу.


      1. evnuh
        16.05.2016 14:19

        Либо вы не поняли меня, либо я вас. Я хочу узнать как вы понимаете на двух разных устройствах, что это один и тот же человек. Если на сайте подключен вход через соц. сети, то вы запрашиваете id юзера на обоих девайсах, верно? А если юзер не вошёл через соц. сеть на каком-нибудь из девайсов или на сайте вообще нет такой опции?


        1. psman
          16.05.2016 16:43
          +1

          Аккаунт в браузере, id устройства, данные об идентификаторах из приложений. Рекламная сеть стоящая в приложениях знает намного больше чем браузер.


    1. AndreyIvanoff
      16.05.2016 14:48

      Здравствуйте, спасибо за ваш вопрос.
      Обратите внимание, я постарался привести в статье достаточно полный обзор источников.

      В качестве обучающей выборки обычно используют данные когда пользователь на нескольких устройствах сидит из под одного и того же аккаунта магазина или любого другого сервиса. В качестве фичей этой выборки может быть все то, что известно о пользователе, география, время работы с сервисами, ip адреса, геолокация а так же различные паттерны во времени, которые детектируют тот факт, что два разных устройства часто, на протежении длительного времени, находятся в одном и том же месте.

      Построение такой модели по точным данным позволяет строить кросс-девайс по пользователям, для которых учетные идентификаторы неизвестны. Подробнее вы можете посмотреть по списку использованных источников из конца статьи.


  1. 13alex
    13.05.2016 21:55
    +2

    А ещё ведь спорить со мной пытался ) а сам такую статью потом выкатил — как трудно жить )
    Ладно, пиво пить с тобой не буду и рассказывать плюшки. Щас руки у меня дойдут до Маднетовой дмп твоей и потом тоже постик сварганю.
    P.S. Эххх, exMadnetex team, как вас мне порой не хватает.