Data Science и реклама: что нужно знать маркетологу, чтобы не остаться без работы

Если для вас big data, машинное обучение и искусственный интеллект — слова о далеком будущем, пора бить тревогу. Data Science уже сегодня используют многие компании и социальные сети. Мы собрали примеры рекламных кейсов, где применяются эти технологии.

Оффлайн реклама

McDonald’s и билборды

Крупнейшая фастфуд сеть поставила на улицах Великобритании умные рекламные щиты: их содержание меняется в зависимости от ситуации на дорогах.
Для этого рекламное агентство подключило систему управления кампаниями OpenLoop и связали ее с сервисом Google Traffic API, отслеживающим состояние на дорогах в реальном времени.

Если на дорогах свободно, рекламный щит предложит водителям поужинать по дороге домой.
Если движение затруднено, автовладельцы увидят текст: «Застряли в пробке? В конце тоннеля есть свет» и изображение логотипа McDonald’s, так называемой золотой арки.

Запрещенные продукты и полицейские

В 2015 году, когда тема запрещенных продуктов активно обсуждалась, владелец магазина итальянских продуктов Don Giulio Salumeria установил «умный» ситиборд в Москве. На нем изображались сыры и мясные деликатесы. Щит анализировал внешний вид прохожих, и если распознавал полицейскую форму, то сменял изображение на рекламу магазина матрешек.

Гигантский билборд и таргетинг

В Лондоне включили огромный LED-дисплей, площадью боле 790 квадратных метров. Это один из самых крупных и старых билбородов в стране, он работает с 1950 года.

Но впечатляет не его размер, а содержимое: билборду передают информацию камеры и сенсоры, установленные на улице. Они считывают возраст, пол, мимику прохожих и марки проезжающих машин. Также рядом установлена Wi-Fi точка.

На основе собранных данных билборд подбирает рекламные объявления, которые заинтересуют прохожих и автовладельцев.

Социальные сети и сервисы

Pinterest, Twitter, Facebook и алгоритмические ленты

Социальные сети используют machine learning для формирования алгоритмической ленты новостей и страниц рекомендаций для пользователя: сеть учитывает предпочтения, лайки и подписки пользователя и предлагает ему наиболее подходящую выдачу.

Без алгоритмической ленты аудитория начинала теряться в массе не особенно релевантных новостей. К примеру, если вы являетесь уже давно являетесь подписчиком определенной страницы, но у последних увиденных вами публикаций не проявляли активности, то записи таких страниц будут показываться вам все реже.

С помощью ML социальные сети также обучают свои антиспам фильтры и определяют наличие порнографического содержимого, что помогает убирать несоответствующий правилам сети контент еще до того, как появятся первые жалобы.

FindFace

Сервис российских разработчиков FindFace ищет профиль пользователя во «ВКонтакте» по фотографии. Результаты впечатляют (и немного пугают): даже по старым снимкам сервис может достаточно точно находить сфотографированных людей.

Кроме того, разработавшая FindFace компания NtechLab победила в нескольких международных конкурсах по распознаванию лиц, и теперь ее технологии используются в работе правоохранительных органов и крупных коммерческих организаций.

Logograb

Одна из крупнейших в мире систем по распознаванию изображений дает возможность обнаружить среди тысяч фото и видео, опубликованных в социальных сетях, нужный логотип. С помощью этого инструмента бренды могут искать упоминания компании не только среди текста, но и медиаконтента, измерять узнаваемость и лояльность аудитории.

К выходу фильма «007:Спектр» Heineken с помощью Logograb провели масштабную рекламную кампанию на территории США: была выпущена специальная ограниченная серия бутылок, обладатель которой мог получить доступ к эксклюзивным сценам со съемок фильма и дополнительным материалам. При этом, для получения доступа не нужно было регистрироваться на сайте, заполнять анкеты или же подключать профиль социальной сети — достаточно было просто сделать фотографию или видео бутылки.

В результате Heineken привлек более 200 тысяч фотографий от участников и более 14 млн вовлечений по этим материалам. Суммарно было продано более 500 млн бутылок ограниченной серии по всему миру, а средний уровень продаж по Европе вырос на 10%.

Рекламные кампании в социальных сетях c Data Science

Snickers и оценка тональности комментариев

Snickers создали рекламную кампанию с технологией машинного обучения. Система анализировала записи пользователей в социальных сетях и оценивала настроение пользователей. Чем злее были записи, тем больше росла скидка на Snickers. Активация прошла в рамках кампании «Ты — не ты, когда голоден».

Стикеры ВКонтакте и Coca Cola

Coca Cola провела активацию во «ВКонтакте»: пользователь отправляет фотографию, на которой есть напиток бренда, а взамен получает стикеры. Для обработки сообщений используется нейросеть, она определяет, есть ли на фото бренд.

Активация вызвала огромный ажиотаж: бот получал до пяти тысяч фотографий в минуту, из-за чего «ВКонтакте» пришлось снизить порог чувствительности нейросети и бот допускал ошибки, но позже его работу оптимизировали.

Макияж и дополненная реальность

Для косметических брендов дополненная реальность открыла возможности для интересных кампаний. Бренд Estée Lauder создал в Facebook чат-бота с дополненной реальностью. Технология основана на Deep Learning. Пользователь загружает фотографию и делает виртуальный макияж с продуктами бренда.

Технологии Data Science и Big Data

Машинное обучение или Machine learning

Это целый класс методов по поиску решения задач, первая и базовая ступень более интеллектуального анализа данных после рекомендательных систем.

При машинном обучении компьютер пытается найти закономерности среди множества сходных задач. Это полезно, когда закономерность между исходными данными и результатом неявны — в таком случае алгоритм перебирает множество различных вариантов решения, подбирая то, которое будет наиболее подходящим для всех полученных примеров.

Эта технология применяется для создания систем по определению содержимого фотографий — к примеру, для поиска неприемлемого контента (такие системы действуют в Twitter и ВКонтакте), для разработки программ распознавания речи (голосовые помощники Siri, голосовой помощник Google, Алиса), для автоматического определения спама, для поиска всех фотографий с определенным человеком (альбомы с фотографиями в iOS с определенными людьми, или рекомендации отметить конкретных друзей на фото в Facebook)

Глубокое обучение или Deep learning

Сегодня Deep learning — самая перспективная и активно развивающаяся модель методов машинного обучения.

В отличии от простых рекомендательных систем, опирающихся на статистику, и базовых методов машинного обучения, когда компьютер пытается среди множества задач найти определенную закономерность, при глубоком обучении алгоритм может практически ничего не знать о получаемых данных, но при этом пытаться и находить эти закономерности.

К примеру, на более простых методах машинного обучения программисты подсказывали компьютеру, где именно на фотографии находится лицо, где глаза, нос: указывали на характеристики, которые считали важными. При глубоком обучении алгоритм сам определяет и систематизирует бесконечное множество характеристик и принимает во внимание их все.

На базе таких систем была построена Prisma — приложение, которое превращает фотографии в картины, используя стилистику разных художников. Так же работают маски в Instagram и Snapchat. С помощью таких систем современные алгоритмы определяют человека на видео, даже если он стоит не в анфас, а полубоком.

Как разобраться в Data Science?

Хотите создавать такие же крутые кампании? Начните изучать Data Science. Погрузиться в тему и сформировать план дальнейшего обучения можно на конференции DataStart.

Она пройдет 18 ноября. Можно прийти на конференцию Питере (в отеле Crowne Plaza St.Petersburg Airport) или смотреть онлайн из любой точки мира. Сейчас действует скидка 25% на доступ к трансляции.

А всем читателям мы дарим промокод на скидку 30% на очные билеты: DataStartPopsters.