Как применить машинное обучение в закупке рекламы?Самое классное, что это не хайп: знаю уже несколько решений, которые на 20-30% улучшают romi платной закупки.
Принцип их работы более-менее схожий. На основе исторических данных из CRM-системы и внешних сигналов (от телекомов, из аналитики и тп) строится модель, которая предсказывает для пользователя на сайте его LTV/конверсию.
Если пользователь получает высокую вероятность оказаться "целевым", то в рекламную систему улетает сигнал вида "пользователь с идентификатором xyz имеет ценность 2000 рублей, давай ещё!"
Из-за того, что данных рекламный движок получает больше, вырастает скорость и точность обучения алгоритмов. Что на выходе даёт рост эффективности рекламы на 20-30%.
Сейчас расскажу про решения, с чьими авторами лично знаком, и про особенности их технологии.
1. Команда Кирилла Сидорова (для связи — Паша
@Pavelglukhov) из ims обучает модель на основе данных телеком операторов.
Плюс очевиден: у операторов ооооооооочень много данных о своих абонентах. Модель получается супер точной.
Минус: телекомам надо за эти данные платить, поэтому себестоимость скоринга высокая. И работает только в России, по понятным причинам.
2. Команда Всеволода Баева
@untitled108 из media108 идёт чуть более классическим методом. Для обучения модели используется информация из установленной на сайте системы веб аналитики.
Плюс: за доступ к данным не надо никому платить, поэтому себестоимость скоринга должна быть невысокой.
Минус: если верно понимаю технологию, она забирает данные из Метрики, а поэтому работает только в РФ.
3. Команда Андрея Блюменталя
@Whiteingale из Lemon AI использует математику, как мне объяснял Андрей, "похожую на модели OpenAi". Что бы это ни значило
😅 Суть в том, что это позволяет обучать рекламные сети даже на малых бюджетах (от 5k$ в месяц).
Плюс: работает система по всему миру и практически с любой рекламной системой.
Минус: не работает для Яндекса
😢4. Команда Кости Баяндина (контакт — Дима
@DSergejsson) из Tomi ai была одной из первых, кто применил технологии ML к оптимизации рекламы. Насколько знаю, раньше ребятам приходилось проводить довольно сложную разметку данных на сайте, чтобы подготовить его к внедрению ML-ки, но давно не общался.
Плюсы: ребята были первыми и у них, думаю, самый богатый опыт в индустрии.
В общем и целом, внедрение подобного решения оправдано при выполнении нескольких условий:
1. Бюджет на закупку начинается от 5k$ в месяц, тогда стоимость самого решения будет покрываться экономией на закупке;
2. После конверсии на сайте пользователи долго принимают решение о покупке и/или совершают много покупок за время LTV. Тогда появляется смысл предиктить LTV юзера, а не только вероятность первой конверсии.
Пишите ребятам напрямую или мне (познакомлю), если хотите глубже потрогать технологию. В своё время знакомство с такими решениями сильно расширило границы применимости ML в маркетинге у меня в голове.
А если знаете ещё хороших ребят или нетривиальные способы апгрейда закупки с помощью ai/ml — напишите про них в комментариях, плиз. Не жадничайте
🤪