Эксперт: модели машинного обучения помогут развитию рынка данных

МОСКВА, 9 июн - РИА Новости. Потребности рынка диктуют рост использования больших данных на новом качественном уровне, считает руководитель по клиентскому сервису маркетинговых продуктов ПАО "ВымпелКом" (бренд билайн) Денис Гнатенко.

«

"Сегодня наблюдается активный рост доли закупки аудиторных данных у поставщиков: согласно IAB Russia, если в 2017 году только 3% рекламных бюджетов на онлайн-каналы работали со сторонними данными, то по итогу 2021 года доля составила уже 23%", - привели в пресс-службе билайна слова Гнатенко на 7-й конференции "Автоматизация маркетинга" в рамках выставки ECOM Expo.

Помимо роста бюджетов, отметил он, тренд на рост использования сторонних данных рекламодателями и агентствами также продолжает укрепляться – согласно исследованию IAB Russia Big Data & Programmatic White Paper в 2021 году, динамика за два года выросла с 28% до 53%, 93% рекламных агентств используют аудиторные сегменты сторонних поставщиков.

При этом растет и число поставщиков данных об аудитории. "Если классически все начиналось с платформ управления данными, далее появились сотовые операторы и операторы фискальных данных, росли сети ритейла, то сейчас появляются новые поставщики, например аптеки, интернет-магазины, производители касс, рекрутеры, кредитные бюро, логистические компании - все те, у кого уже имеются свои сформированные категории данных", - пояснил эксперт.

Однако, на фоне роста потребности в еще большем количестве данных, у каждого отдельного поставщика они ограничены и на данный момент не существует надежного и легитимного способа объединения данных в рамках единой платформы и их взаимного обогащения.

Одним из решений Гнатенко видит построение модели look alike, когда поставщик данных дает заказчику не один сегмент, но и второй – похожий на первый. "Если сегменты похожи, то высока вероятность, что второму сегменту также будет интересен продукт заказчика. Тем самым, объем данных, получаемый заказчиком от поставщика, увеличивается. Это особенно полезно, если емкость первого сегмента ограничена", - сказал он.

Эксперт отмечает, что ключевой составляющей процессе подбора аудитории являются достаточно сильные модели машинного обучения, которые могут прогнозировать интерес к покупке у подбираемой аудитории и отвечают запросу рынка на повышение качества данных.

Также актуальной потребностью рынка является снижение стоимости данных. "Наличие больших данных и их использование сейчас не всегда пропорциональны их стоимости, то есть не всегда дают ожидаемый результат, не всегда окупаются. Следует стремиться к тому, чтобы ценность была выше цены. А для этого нужно увеличивать качество данных, снижать издержки производства, внедрять автоматизированные инструменты сбора сегмента", - заключил Гнатенко.