Слишком точная персонализированная реклама может сработать против бренда: вместо полезного предложения пользователь увидит в ней цифровую слежку. Об этом 7 октября на форуме «Цифровые решения» заявил директор по рекламным и телеком-продуктам «МегаФона» Александр Алхимов, сообщает CNews. Для российских компаний это не отвлечённая этическая дискуссия: всё больше маркетинговых систем умеют реагировать на действия клиента почти без паузы, а объяснить ему источник такого знания по-прежнему непросто.
Алхимов описал проблему как «парадокс узнавания». Алгоритм может заметить косвенные признаки ещё не сформулированной потребности: человек изменил привычный маршрут в навигаторе, искал симптомы болезни или отложил товары в корзину. Если в этот момент ему приходит предложение, слишком хорошо попадающее в контекст, полезная рекомендация легко превращается в неприятный вопрос: откуда сервис это знает?
Речь не о том, что у технологий нет возможности предсказывать интересы пользователей. Наоборот, телеком-операторы, рекламные платформы и крупные экосистемы давно работают с большими объёмами событийных данных. Сложность — в моменте и подаче. Чем короче дистанция между действием пользователя и рекламным сообщением, тем выше вероятность, что человек заметит причинно-следственную связь. А заметив, не обязательно будет ей рад.
При этом сам «МегаФон» не призывает отказаться от обработки сигналов в реальном времени. Алхимов назвал эффективной триггерную механику: система учитывает действия по геолокации, звонкам, SMS и в вебе и отправляет рекламу лишь после заранее заданного события. По его словам, такой подход способен давать CTR на десятки процентов выше, чем кампании, построенные только на исторических данных. Конкретных значений, методики сравнения и периода измерений компания не раскрыла, поэтому воспринимать эти цифры стоит как оценку участника рынка, а не как отраслевой бенчмарк.
Для продуктовых и data-команд здесь есть вполне прикладной вывод. Модель, которая лучше всех угадывает следующий шаг клиента, ещё не решает задачу коммуникации. Нужно проектировать частотные ограничения, исключения для чувствительных сценариев и понятные правила согласий. Медицинские запросы, финансовые трудности, семейные обстоятельства и другие уязвимые контексты особенно плохо подходят для демонстрации рекламодателю собственной осведомлённости.
У разработчиков такой сценарий обычно начинается не с креатива, а с архитектуры данных. События из разных каналов должны быть корректно связаны, отфильтрованы и обработаны с учётом сроков хранения, прав доступа и выбора пользователя. Иначе бизнес получает не только риск раздражающей кампании, но и плохо объяснимые решения модели: почему именно этому человеку показали именно это сообщение и какие сигналы на него повлияли.
Есть и маркетинговая ловушка. Высокий CTR не равен росту доверия, повторных покупок или ценности клиента на длинной дистанции. Сообщение, которое удачно поймало человека в моменте, может обеспечить клик, но одновременно создать ощущение навязчивости. Поэтому персонализированная реклама требует смотреть не на одну метрику в рекламном кабинете, а хотя бы на отписки, жалобы, частоту контактов и поведение аудитории после кампании.
Алхимов также выступил против выбора между прямой и нативной рекламой как между взаимоисключающими вариантами: по его мнению, брендам нужно работать в разных форматах. Это похоже на прагматичный взгляд телеком-рынка, где рекламный инвентарь и данные о событиях становятся самостоятельным продуктом. Но у этой модели есть потолок: пользователь готов терпеть релевантность, пока она выглядит как сервис, а не как чужой доступ к его цифровой биографии.
Следующий конкурентный вопрос для рынка — кто научится не просто точнее прогнозировать спрос, а вовремя останавливаться. Выигрывать будут не те, чья персонализированная реклама знает о клиенте больше, а те, кто умеет показать пользу, не превращая хороший прогноз в эффект «за мной наблюдают».