Неэффективное инвестирование маркетингового бюджета — проблема для клиентской стороны рынка. Безрезультатно вкладываться в продвижение своих товаров не нравилось людям ещё с 1930-х годов, когда американский исследователь Джордж Галлап создал методику опросов, которая позже стала праотцом предикторов. В преддверии 2024 года команда 
Otclick узнала у экспертов рынка, нужны ли предикторы компаниям и работают ли они так, как надо, и рассказала подробности Sostav.
Об инструментах прогнозирования результатов рекламы
В рекламе «предикторами» называют инструменты или механики с данными прошлых рекламных кампаний. В их лежит предиктивная аналитика для прогнозирования будущих событий или результатов. Например, можно предсказать, как изменение бюджета или таргетинга повлияет на эффективность рекламы.
Под капотом любого предиктора, как правило, находится обученная нейронная сеть, которая позволяет обрабатывать большие объёмы данных. На основе этой информации инструмент в реальном времени делает предположения о развитии ситуации в будущем. Источник, откуда робот берёт сведения, — исторические данные рекламных кампаний. Однако параметров для обработки в инструменте множество: экономические, социальные, демографические, данные о поведении потребителей. Механизм предиктивного анализа постоянно обучается. Даже если результаты улучшаются, предиктор продолжает обрабатывать информацию. В результате повышается оптимизация.
В зависимости от типов данных, которые обрабатывает предиктор, а также от того, на улучшение каких показателей направлена деятельность предиктора, можно выделить несколько категорий.
1. Предиктор вероятности клика, предиктор по CTR. Эти предикторы оценивают факторы, которые влияют на решение пользователей нажать на рекламу и перейти на сайт или страницу. Примеры включают в себя:
- заголовок и описание рекламы;
- ключевые слова и их соответствие запросам пользователей;
- релевантность и целевая аудитория рекламы;
- рейтинг объявления и репутация бренда.
2. Клик-предиктор, оптимизатор на количество и стоимость достижения целей, действий. Они оценивают, как пользователи взаимодействуют с рекламным контентом после клика. Может включать в себя:
- скорость загрузки веб-страницы;
- качество и релевантность лендинг-страницы;
- время проведённое на сайте;
- конверсии и действия пользователей на сайте, например совершение покупки.
3. Технические предикторы. Эти предикторы связаны с техническими аспектами рекламной кампании, такие как антифрод-предиктор, включая:
- типы рекламных форматов и каналы;
- техническая оптимизация рекламного контента;
- уровень защиты от блокировщиков рекламы.
4. Предиктор по проценту видимости. Он показывает, насколько часто или долго реклама была видима для пользователей:
- оценка процента времени, в течение которого реклама была видима на экране пользователя;
- доля рекламы, которая была видима на экране пользователя в сравнении с общим количеством показов.
5. Предиктор по частоте. Относится к тому, как часто конкретная реклама или рекламная кампания отображается перед аудиторией. Как часто пользователи взаимодействуют с рекламой, например, кликают по объявлению, ставят лайки, делают репосты и так далее.
Эти категории предикторов могут варьироваться в зависимости от типа рекламы, платформы и целей кампании. Они используются для анализа и прогнозирования результатов рекламных усилий.
Какая сейчас ситуация на рынке
Агентства и клиенты сталкиваются с рядом проблем, когда речь заходит о прогнозируемости результатов в медийной рекламе. Это связано с динамикой индустрии, изменяющимися трендами, сложностью взаимодействия с потребителями и ограниченностью технологического стека. Мы опросили представителей рынка и узнали, с какими трудностями они сталкиваются при использовании предиктора.
Недостаток точных данных. Не всегда возможно получить точные данные о целевой аудитории, исходя из которых можно создать надёжные прогнозы. Ограниченная доступность качественных данных может снизить точность прогнозов.
Илья Журавлёв, генеральный директор Otclick:
В современном рынке интернет-рекламы становится всё сложнее получать информацию о пользователе. Постоянное ужесточение политики браузеров по работе со сторонними cookies, вплоть до отказа, активное использование пользователями VPN-сервисов приводит к тому, что обычные таргеты отрабатывают всё хуже и хуже. Поэтому переход на предиктивные модели на основе нейросетей — единственный вариант развития рекламных систем.
Сложность атрибуции. Определение вклада различных каналов рекламы в конечные результаты бывает сложной задачей из-за множества воздействующих факторов и путаницы в атрибуции конверсий.
Олег Рогожин, директор по диджитал-маркетингу МТС:
Основная сложность состоит в том, что нет волшебной модели атрибуции, которая бы подходила как для всех типов бизнеса, так и для любых медиасплитов. Сейчас считается нормальной практикой то, что бизнес использует несколько моделей атрибуции, которые решают различные цели, так как различные типы кампаний могут иметь совершенно разные KPI на каждом уровне воронки. Для получения оптимальной модели, которая подходит бизнесу, нужно учитывать много вводных, начиная от периода до первой транзакции и заканчивая коммуникационной стратегий и тактикой работы различных каналов в течение года. Помимо этого, уход от стандартных моделей может быть болезненным для тех или других отделов внутри бизнеса, так как модели на основе данных могут кардинальным образом изменить картину эффективности общего медиасплита и отдельных каналов и площадок в частности, показывая, что на самом деле они не имеют столь значимой важности в сплите.
Вадим Мельников, диджитал-директор группы 
АДВ :
Это базовая проблема. Совершенно обыденная ситуация, когда веса вкладов каналов являются переменной величиной и подлежат постоянной доработке всеми участниками процесса. Соответственно, это требует долгой работы и существенного доверия между интересантами.
Блокировщики рекламы и регулирование. Рост использования блокировщиков рекламы и изменения в законодательстве о конфиденциальности могут влиять на доступность данных и точность прогнозов.
Александр Терешин, руководитель отдела программатик-рекламы «РОССТА»:
Блокировщиками рекламы пользуются около четверти пользователей интернета на десктопе, что безусловно создаёт барьеры для широкого охвата крупным рекламодателям с широкой ЦА. Например, брендов из категории FMCG и брендов, решающих проблемы достаточно узкой ЦА, где каждый потенциальный покупатель будет на счету. Тем не менее мобайл, где доля пользователей, использующих блокировщики рекламы значительно ниже, чем на десктопе, по-прежнему развивается и растёт. Это создаёт возможности для коммуникации с неохваченной аудиторией через этот канал.
Фрагментация каналов. Рекламные кампании могут использовать множество различных каналов: социальные сети, поисковые системы, видеорекламу и другие. И иногда их взаимодействие может быть сложно учесть при прогнозировании.
Рогожин Олег, директор по диджитал-маркетингу МТС:
Логика предиктов и этапа применения в общей воронке отличается между каналами. Для итогового результата предикту важно построение комплексной модели с оценкой веса каждого медиа, в соответствии с его ролью, внутри сценария взаимодействия. Для этого на рынке существует инструментарий, но он требует доработок.
Для корректного предикта результата по каналам и инструментам, работающим на схожих этапах воронки, важно учитывать пересечение, которое зачастую можно оценить. Например, благодаря трекингу. Проблема выборки остаётся актуальной, но опыт работы с сегментами и площадками позволяет получить обширную базу данных для построения моделей.
Во всех случаях работы с кроссканальными предиктами важно свести бенчмарки и сам прогноз до единого атрибута. Чем сложнее его выведение, тем ниже шанс успешного построения модели.
Сложности в измерении эффективности. Не всегда просто измерить реальную эффективность рекламы, особенно в контексте изменяющихся алгоритмов поисковых систем и социальных медиа.
Тимур Спиридонов, исполнительный директор Otclick:
Измерение эффективности — ключевой показатель для всех участников процесса размещения рекламы, от клиента и агентства до поставщиков трафика и цифровых платформ. Постоянные изменения в алгоритмах и правилах работы поисковых систем и социальных сетей существенно влияют на видимость и доставку рекламных объявлений до пользователя. Также определённые сложности возникают не только с атрибуцией пользователя, но и с прослеживаемостью его от показа до конверсии. Рынок интернет-ресурсов достаточно фрагментирован, поэтому необходимо учитывать много факторов: форматы, устройства, платформы и так далее. Но и эти барьеры можно преодолевать за счёт постоянного развития технологий и аналитики.
Неверные или устаревшие данные. Использование устаревших или неверных данных может привести к неточным прогнозам и неправильным стратегическим решениям.
Вадим Мельников, диджитал-директор группы АДВ:
Тезис про устаревшие данные очевидный, а вот про их неверность — тоже болевая точка индустрии. Всё чаще вижу презумпцию виновности, когда задача состоит в доказательстве того, что данные рабочие. При этом на встречный вопрос «а ваш продукт, который рекламировать будем, правда работает вот так, как вы заявляете?» отчего-то обижаются. Двойные стандарты, наши любимые.
Сложности в учёте сезонности и событий. Рекламные кампании могут подвергаться влиянию сезонных факторов и внешних событий. Учёт этих переменных в прогнозах может быть сложной задачей.
Рогожин Олег, директор по диджитал-маркетингу МТС:
Сезонка отлично работала до ковида. Ситуация ещё больше усугубилась после февральских событий прошлого года. С тех пор накопленные тренды уже нельзя считать достоверными, футурология осложнилась, и кроме вероятного наступления времени года ничего больше считать надёжными данными нельзя.
Для корректной работы с сезонностью мы используем ретроспективные данные в широком окне (4−5 лет) с анализом и очисткой событийных факторов. Прогноз весомых внешних событий действительно сложная монументальная задача, которая зачастую выходит за пределы возможностей маркетингового планирования, но учитывается при обозначении и отработке факторов риска.
Что нужно рынку
Мы считаем, что рынок нуждается в новом «герое» в виде предиктора, который мог обладать более точным подходу к сбору информации и контактировать с аудиторией на каждом этапе воронки.
Александр Папков, директор по технологиям Media Direction Group, сопредседатель комитета АРИР по Big Data & Programmatic:
Сейчас рекламодатели включают в свои требования к эффективности рекламных размещений бенчмарки по post-view. Рынку необходимо реагировать на подобный спрос и реализовывать новые механики, которые позволят прогнозировать результат, а затем и выполнить его. Очевидно, что метрики вовлечённости аудитории в контакт с брендом становятся важной составляющей оценки эффективности рекламных кампаний. Поэтому со своей стороны могу только приветствовать появление подобных возможностей на стороне рекламных систем.
Павел Шумаков, директор по интеграции и партнёрствам 
Realweb:
Расширенная и сквозная аналитика всегда была ключевым преимуществом диджитала как медиаканала. Любые предиктивные технологии, которые позволяют реализовывать потенциал данных до постфакт-результатов и за счёт этого корректировать сплит и улучшать результат, будут очень полезны рынку. Особенно в настоящих условиях, когда правила игры значительно поменялись.