KonstantinKanin.com

Marketing internetowy w Rosji, Ukrainie, Białorusi

Social Media

Case study: Targetowanie na okularników za pomocą rozpoznawania twarzy

Wsсhodnia Europa póki co ma gdzieś RODO. Dzięki temu reklamodawcy i agencje markenigowe mają coraz ciekawsze sposoby na kierowanie reklam do wąskich grup docelowych według ich określonych cech.

Na VK stosuje się najczęściej trzy metody kierowania reklam:

  • za pomocą dostępnych w panelu reklamowym ustawień geografii, demografii, zainteresowań i zachowań (na przykład, podróżujący albo klienci sklepów internetowych);
  • retargeting do grupy odbiorców, zebranych za pomocą pixela ustawionego na stronie;
  • i najciekawsza — za pomocą zewnętrznych serwisów do zbierania grup odbiorców, które pozwalają wyszukiwać i filtrować użytkowników w zależności od danych wprowadzonych w ich profilu (łącznie z imieniem, nazwiskiem, imonami dzieci itd.) lub ich aktywności w sieci społecznościowej (na przykład, użytkownicy, którzy zostawili komentarz na wybranej grupie w przeciągu ostatnich 14 dni). Nasz case study z wykorzystaniem takiego serwisu opisałem w tym wpisie.

Jeden z takich serwisów do zbierania bazy odbiorców stworzyła rosyjska agencja Ashmanov & partners, dodając do niego nową dla wschodniego rynku funkcję — wyszukiwanie odbiorców według zawartości zdjęć. Z jego pomocą można na przykład zebrać użytkowników, którzy noszą okulary, mają brodę lub tatuaże.

Pierwsza grupa odbiorców, którą postanowili przetestować, to okularnicy. Czyli ci, którzy mają okulary na zdjęciu profilowym użytkownika.

Komu się przyda taka grupa odbiorców? Na przykład reklamodawcom, którzy oferują towary i usługi związane ze wzrokiem:

  • diagnostyka wzroku;
  • leczenie;
  • korekcja;
  • soczewki;
  • okulary i szkła do okularów.

Zbieranie grupy odbiorców

Opracowanie mechanizmu wyszukiwania to ogromny kawał roboty, w którym biorą udział programiści, analitycy i specjaliści od reklamy targetowanej.

W końcu udało się. Efekt ich pracy można sprawdzić w demo-wersji ich serwisu na stronie http://ashmanov.net/eng/glasses.

W celu zebrania okularników przeanalizowali zdjęcia profilowe wszystkich profili na VK. Otrzymali 2 687 000 profili, które mają okulary. To 0,84% całkowitej liczby profili na portalu. Według danych z panelu reklamowego 49,4% z ogólnej liczby stanowią kobiety (1 320 000 profili), pozostałe — mężczyźni (1 191 000 profili).

Cała baza odbiorców z wadą wzroku została podzielona na segmenty według płci i wieku:

Zebrane profile sprawdzili także ręcznie. Okazało się, że błędów jest mało, a przy tym są przypadki, które trudno jest zauważyć „na oko”, ale sieć neuronowa łatwo je wyłapuje.

Na przykład, jak na tych zdjęciach:

Nauczyć sieć neuronową przetwarzania zdjęć jest możliwe. Wszystko, co człowiek może zobaczyć i rozpoznać na zdjęciach, może także sieć neuronowa, a w niektórych przypadkach jak wyżej — rozpoznaje nawet lepiej. Jednak dla każdej konkretnej możliwości rozpoznawania czegoś na zdjęciu sieci neuronowe trzeba uczyć oddzielnie. Inaczej sieć po prostu nie będzie wiedzieć, czego szukać.

Kampania testowa

Gdy grupa odbiorców została zebrana, agencja postanowiła przetestować ją wspólnie z klientem — kliniką laserowej korekcji wzroku.

Klient miał negatywne doświadczenia z VK w 2017 roku: ten kanał reklamowy okazał się nie opłacalny. Tym razem zadaniem agencji było obniżyć o 50% koszt umówienia się na wizytę. W ciągu 30 dni przetestowali 4 segmenty (mężczyźni i kobiety w wieku 18-35, 35+) grupy docelowej oraz przeprowadzili testy porównawcze reklam dla każdego segmentu.

Porównując z poprzednią kampanią klienta, można stwerdzić że eksperyment się udał. Nawet bez optymalizacji kampanii uzyskali następujące wyniki:

Budżet, zł: 6615
Zasięg: 120000
Kliknięcia: 4290
CTR: 1,3%
CPC: 1,57 zł
Współczynnik konwersji: 0,26% (wzrost o +300%)
Konwersje: 9 (wzrost o +350%)
CPL: 775,40 zł (obniżenie o -75%)

Co dalej?

Warianty wykorzystania rozpoznawania zdjęć mogą być ograniczone tylko fantazją marketerów. Agencja Ashmanov & partners póki co ma pomysł na uruchomienie co najmniej kilku nowych funkcji:

  • rozpoznawanie uprawianego sportu;
  • wyłapywanie pójścia do teatru;
  • określenie geografii podróży;
  • rozpoznawanie innych cech wyglądu: broda, nadwaga, tatuaże itp.

W maju przetestowali wyszukiwanie profilu użytkownika za pomocą porównania rozpoznanej twarzy do zdjęcia profilowego na VK:

Swoje narzędzie Puzzle Parser planują wypuścić na rynek i udostępnić wszystkim chętnym.

Źródło: https://www.ashmanov.com/education/articles/poisk-auditorii-dlya-targetirovannoy-reklamy-s-pomoshchyu-mashinnogo-obucheniya/

Dziękuję, że dzielicie się ze znajomymi: