16 мая 2013 года, в Форум Холле в Москве, прошла новая конференция Яндекса Yet another Conference on Marketing, которая является дополнением к ставшей уже традиционной конференции YaC, проводимой Яндексом каждую осень, начиная с 2010 года.

На YaC/m 2013 рассматриваются общие вопросы интернет-математики, современных технологий интернета, информационной безопасности и универсальные походы к разработке и эксплуатации онлайновых сервисов и приложений.

В начале конференции выступил Илья Сегалович, директор Яндекса по технологиям, прочитал секретный доклад, в котором представил новый поиск Яндекса, новый принцип выдачи и новый вид SERPа. Новая платформа «Острова» позволит Яндексу лучше отвечать на вопрос пользователя, отвечая на него всем своим интерфейсом.

Далее, после выступлений Тиграна Худавердяна, руководителя направления мобильных и программных продуктов Яндекса, и Тараса Шарова, руководителя проекта «Острова», выступил гость конференции Марвин Ляо (Marvin Liao), VP North American Operations, China Search International, известный американский маркетолог и лектор, с рассказом о тенденциях, которые сейчас влияют на мир маркетинга, и о том, как с этим иметь дело и все-таки оставаться на высоте.

Тему тенденций, аналитики и принятия решений в маркетинге продолжил представитель Яндекса Иван Ямщиков, который рассказал, как правильно построить взаимодействие между аналитиками и менеджерами, как аналитик может конструктивно участвовать в процессе принятия решений, где и как его можно и нужно использовать.

Во второй половине дня, в рамках секции «Количественный и экспериментальный маркетинг» выступили: Александр Бородич, Григорий Бакунов, Аркадий Итенберг, Михаил Сливинский, Николай Хлебинсий. Модератором секции выступал Андрей Себрант (читать обзор докладов секции).

Разговор о цифрах в интернете продолжили Алексей Беляев («Видео Интернешнл»), Максим Лобов и Иван Ямщиков (Яндекс).

Алексей Беляев, представитель «Видео Интернешнл» выступил с докладом, посвященным метрикам таргетированных кампаний, их связи с традиционными метриками, а также вопросам измерений таргетированных кампаний.

Докладчик считает, что в медиабайинге важен индекс соответствия и охват площадки. К примеру, целевая аудитория рекламодателя – женщины, для него есть множество рекламных площадок. Если нанести на график все точки с подходящими сайтами, то их оказывается бесчисленное количество. Далее площадки делят по индексу affinity охвата и выделяют ТОП-10.

Далее наступает новая эпоха. Сравним

– было: геотаргетинг, таргетинг по региональным данным, фиксированная цена закупки, Media Buying

- стало: соц-дем таргетинг, Big Data и Mashine Learning, RTB, Audience Buying.

Развитие технологий таргетирования и определения социально-демографических характеристик пользователя провоцирует новый подход к закупке — Audience Buying, когда предметом покупки становится показ рекламного сообщения конкретному пользователю, независимо от площадки. Появляются и новые метрики — привычный affinity index площадки заменяется параметрами recall и precision таргетирования, вводится понятие рейтинга по аналогии с телевизионной метрикой.

Таргетирование - весьма вероятностная система. Здесь важно отношение правильно осознанных целевых показателей к общему числу опознанных целевых пользователей. Полнота - отношение числа опознанных целевых пользователей к общему числу. Меткость - отношение корректно распознанных пользователей сайта к общему числу пользователей.

Пример:

Чтобы обеспечить affinity больше 100 достаточно всего до 30%.

Откуда берутся цифры для таргетинга?

У нас есть различные инструменты, к примеру, есть панели TNS там задается куча вопросов. Можно разработать технологию машиного обучения и обработки данных, а затем собирать и фильтровать эту информацию. Статистически точность должна совпадать.

Елена Калмановская (Яндекс): - Это уже немного вчерашний день. Ты говорил абсолютно про соцдем, а не про настроение - важно говорить про интент.

Алексей Беляев: - Я немного не соглашусь, я говорю про настоящее. Пока рекламодатель очень консервативен, но скоро он развернется в эту сторону.

Далее информационный архитектор Яндекса Максим Лобов рассказал о том, чем помогает маркетологу и всему бизнесу знание сегментов пользователей сервиса.

В своем докладе Максим на основе опыта группы информационной архитектуры рассмотрел четыре способа оценки сегментов пользователей на примере сервисов Яндекса.

В начале докладчик напомнил, что у всех людей разные потребности и важно придумывать функциональность, важную именно конкретному человеку. В работе традиционно опираются на соц-демографические сегменты, поэтому важно общаться с аудиторией, узнавать, что ей нравится, а что - нет, смотреть, как ведет себя человек.

Однако, делить просто по соцдему не рационально, так как люди по-разному подходят к разным аспектам. К примеру, есть рабочие люди, есть креативщики, есть люди амбициозные и не очень. Такое сегментирование было использовано в сервисе Яндекс.Работа.

Было взято 5 сегментов, по ним были разделены 5000 вакансий, а затем были проанализированы запросы, к какому сегменту себя относит человек. На основании этого был создан зарплатомер:

Далее, похожим образом был сделан проект для Яндекс карт. Считали так:

Таким образом, по m-Index была определена эффективность, и стало понятно, на каких людей нужно ориентироваться и куда нужно развивать гео направление.

При создании сервиса Яндекс гардероб, анализировалось как люди используют интернет, кто готов покупать через интернет, как часто покупают одежду и какова динамика групп.

Оценка велась экспертно, в итоге сервис был создан. Сегодня Яндекс.Гардеробом пользуется более 2 млн. человек, к нему подключены более 500 магазинов.

При анализе сервиса Яндекс.словари, было взято 1000 абстрактных сессий на Словарях (таких, где был хотя бы один хит). Учитывались следующие факторы:

У людей есть вопрос они посмотрели словарь и ушли, а есть те, кто ведет себя по-другому, кто долго сидит и работает на сайте. Считалось все через логи, после этого началось активное развитие интеграции с поиском. Яндекс начал активно развивать энциклопедический ответ в поиске.

Как эта методика сегментирования может быть полезна маркетологам: Интернет-магазинам дать увеличение конверсий, рост лояльности и увеличение продаж. Банкам, финансовыми и страховым компаниям – рост обслуживания через интернет-канал, больше целевых действий, новые продукты, лояльность.