Семантическая идентификация пользователя – новый подход к look-alike

Новый подход E-Contenta к построению look-alike сегментов на основе вероятностной графовой модели

Мы в E-Contenta работаем с контентом и стараемся разрабатывать технологии, которые также будут делать работу с ним лучше и эффективнее. Казалось бы, look-alike уже давно используется таргетологами как эффективная стратегия. Что тут можно придумать специфического для нативной рекламы?

Look-alike — это таргетинг на аудиторию, похожую на посетителей сайта, которые совершили целевое действие: посмотрели несколько страниц, сделали запрос или оформили заказ. Цель этого таргетинга — найти новую аудиторию бОльшего размера с высоким потенциалом конверсии на основе известных параметров профиля пользователей, которые являются ядром целевой аудитории. 

Классический подход к построению look-alike модели предполагает определение схожести профилей пользователей. Профиль, при этом, содержит как надежные признаки (такие как пол или возраст, полученные рекламодателем в рамках программ лояльности или доступные из внешних DMP систем), так и вычисляемые признаки, полученные на основе предсказательных моделей. 

Первых мало, и, по этой причине, look-alike на них не может дать значительного расширения аудитории. Вторые, хотя кажутся человеку понятными, скрывают за собой определенную ненадежность и потерю информации о пользователе. Например, юзер, несколько раз посмотревший новости о проблемах с качеством питьевой воды, может быть отмечен признаком «интересуется экологией» и «интересуется фильтрами воды», но весь контекст посещенных им страниц будет утерян. Такие потери принимаются классическими подходами еще и потому, что вычисление «схожести» профилей со сложной структурой не определено.

E-Contenta разработала новый подход к выявлению семантических связей посещенных пользователем страниц и построению look-alike аудитории. Он основывается непосредственно на исходных данных, без потерь информации на этапе формирования вычисляемых признаков. 

В новой модели вся информация о пользователях представлена в виде графа, содержащего всю информацию о контенте, с которым он взаимодействовал.

Граф – это сеть, показывающая объекты и связи между ними.

Принципиальная сложность использования новой модели заключается в нахождения близости пользователей, так как теперь для этого необходимо определить степень подобия соответствующих им графов. Успешное решение этой задачи позволяет нам лучше анализировать пользователя и определять войдет ли он в look-alike аудиторию, даже если информации о нем мало, (например, известно, что он посетил всего 10 сайтов) и найти на 35% больше релевантной аудитории по сравнению с классическим алгоритмом. 

Благодаря нововведению, кампании с E-Contenta станут еще эффективнее для брендов, так как теперь платформа  имеет возможность работать со всем массивом исходных данных и точнее определять ядро пользовательских интересов. 

Если вы хотите протестировать look-alike таргетинг в рамках нативной кампании, оставьте заявку на https://e-contenta.com/ru/