эффективный биддинг за счет машинного обучения и нейронных сетей типа «deep belief». MGBiD позволяет снизить затраты на интернет-рекламу для рекламодателя до 71% и повысить её эффективность на 58% для агентств. Результат достигается благодаря полностью автоматизированному управлению настройками рекламных кампаний.

Ежедневно маркетологи и владельцы малого и среднего бизнеса (SMB) сталкиваются с рядом проблем из-за единовременного ведения контекстной рекламы на различных платформах:

1) Отсутствие необходимого уровня компетенций для эффективного привлечения клиентов с помощью специализированных рекламных платформ Яндекс.Директ, Google AdWords, MyTarget.

2) Стоимость услуг в агентствах контекстной и таргетированной рекламы значительно выше потенциального уровня платежеспособности SMB.

3) Сложная посредническая схема взаимодействия участников рынка (рекламные платформы, рекламные агентства, заказчики) является причиной удорожания рекламы

4) Большинство существующих на рынке решений опирается на ручное управление рекламой (человеческий фактор), из-за чего не способно оперативно реагировать на изменения, происходящие на рынке.

5) Существующие на рынке программные решения не рассчитаны на неквалифицированного пользователя и требуют дополнительных расходов на найм специалистов.

6) Экономический кризис заставляет представителей SMB сокращать затраты на маркетинг и рекламу.

7) Отсутствуют полностью автоматизированные систем, которые не требуют человека-оператора для контроля системы.

В настоящее время существует несколько разрозненных рекламных площадок, которые позволяют закупать интернет-рекламу: Яндекс.Директ, Google AdWords, MyTarget, ВКонтакте, Criteo и еще несколько десятков более мелких площадок.
Облачная SaaS-платформа позволяет полностью автоматизировать процесс ведения интернетрекламы сразу на всех этих платформах.

MGBiD позволяет:
Управлять рекламой на различных площадках "в одном окне", в рамках единого интерфейса, автоматически управлять биддингом большого количества рекламных кампаний сразу на нескольких рекламных площадках на основании анализа эффективности рекламы для разных целевых аудиторий, настроенных параметров таргетинга.
Автоматически перераспределять рекламный бюджет между платформами, добиваясь наилучшего показателя маркетинговой финансовой отдачи ROMI на каждый вложеный рубль рекламного бюджета, динамически изменять настройки рекламных объявлений в зависимости от изменяющихся параметров: времени суток, дня недели, версии браузера, социально демографических характеристик целевой аудитории.

За счет машинного обучения и нейронных сетей типа deep belief MGBiD снижает стоимость клика, расходы на маркетинг в небольших компаниях, исключает перерасход бюджета и внезапные остановки рекламных кампаний из-за перетрат, формирует финансовые отчеты по запросу в любой момент.

Нейросети, обучающиеся на исторических данных рекламных кампаний позволяют генерировать автоматическую стратегию управления рекламой. Автостратегия включает в себя: автоизменение ставочной политики в зависимости от плотности конкурентной ситуации на рекламном рынке на текущей момент, автовыбор лучших креативов и текстов рекламных объявлений, прогнозирование количества целевых действий в зависимости от текущей цены клика, плотности конкуренции и конверсионных показателей сайта, формирование отчетности и предоставление пользователю возможности оценить эффективность внесенных нейросетью корректировок. Также предоставляется возможность экспертного обучения сети, полностью автоматическое ведение рекламной кампании без участия человека.

Так как MGBiD позволяет полностью исключить ручной труд специалиста по рекламе, а также сервис заменяет собой множество дополнительных инструментов автоматизации и помощи в ведении рекламы, это позволит клиентам экономить на ФОТе и покупках других решений. Также это снижает информационные и транзакционные издержки за счет уменьшения количества людей, работающих над одним проектом.

Основной технологический тренд маркетинга последних лет — полноценное внедрение высоких технологий для качественной работы в интернет-маркетинге. Алгоритмы (как нейронные сети, так и машинное обучение) учитывают опыт предыдущих рекламных кампаний, находят новые факторы поведения пользователей, автоматизируют рутинную работу, могут делать маркетинговые предсказания. Это используется как крупными компаниями (реклама в Facebook, персональный подбор обложек в Netflix), так и небольшими — которые используют, оптимизаторы рекламы, биддеры или облачные системы.
При этом рыночный тренд связан с кризисом. Остро стоит вопрос о том, как максимально дешево приводить клиентов из интернета, причем важно, чтобы эти клиенты были целевыми. Этот тренд особенно наблюдается среди малого и среднего бизнеса из-за недостатка бюджета на высококвалифицированных специалистов в области интернет-рекламы.
Выход — автоматизированные решения для ведения и управления рекламой и сокращение бюджетов на найм, обучение и зарплату сотрудников за счет этого.

MGBiD — облачная SaaS-платформа для управления и автоматизации ведения контекстной рекламы (Яндекс.Директ, Google AdWords, MyTarget (Ok.ru/Vk.ru) ). Технология позволяет управлять и автоматизировать ведение контекстной рекламы, обрабатывать неструктурированные потоки больших данных с применением методов машинного обучения и аппарата глубокого нейросетевого моделирования.
Структура технологии «MGBiD» состоит в следующем:
1. Прогнозирование CTR на основе глубокой нейронной сети методами машинного обучения. Оценка рейтинга кликов на основе глубокой нейронной сети. Предикативный выбор текстов объявлений и креативов с наилучшими показателями качества
2. Уменьшение размерности данных.
3. Анализ состава элементов входного слоя.
4. Исследование прогнозирования CTR с помощью механизма внимания на основе стекового автоэнкодера и сравнение результатов:
4.1 Машинное обучение.
4.2. Сложенный автоэнкодер.
4.3. ASAE модель

Прогнозирование CTR (click-through rate, — показатель кликабельности) имеет решающее значение в управлении и автоматизации ведения контекстной рекламы (Яндекс.Директ, Google AdWords, MyTarget), а значит, оказывает влияние и на прибыль рекламодателя.
Традиционный метод получения аналитики с использованием извлечения признаков не учитывал разреженность рекламных данных и сильно нелинейную связь между данными. Чтобы уменьшить разреженность данных и исключить влияние скрытых объектов в рекламных данных, предложен метод, который изучает разреженные объекты и сглаживает энтропию в данных.
Наш опыт внедрения технологии машинного обучения и глубоких сетей доверия (deep belief) в MGBiD показал возможность снизить затраты на интернет-рекламу для рекламодателя до 71% и повысить её эффективность на 58% для агентств. За счет точных инструментов прогноза стала возможный экстраполяция показателей эффективности всех возможных комбинаций элементов, составляющих маркетинговый CJM. Иными словами, после обучения нейросеть способна автоматически составить самую эффективную цепочку: "аудитория — место размещений — ставка — креатив — посадочная страница" не только для каждой отдельной рекламной площадки, но и с учетом сложных моделей атрибуции.
Дополнительно эта технология позволяет моментально реагировать на изменения внешней среды (изменение плотности конкуренции, колебания цены клика и т.д.). Это позволяет выстраивать автоматическую стратегию ведения рекламной кампании, что делает возможным исключение человека из этой работы. А значит сводит к нулю риск человеческих ошибок и временной лаг на обработку данных и принятие решения. Благодаря обширной клиентской базе удалось создать типовые наборы автостратегий для различных бизнес-вертикалей (медицина, фармакология, e-commerce, travel, авто, финансы и т. д.). Это сократило время на разработку и запуск рекламных кампаний, а еще дает возможность ведения сложных рекламных кампаний специалисту с минимальным опытом в контекстной и таргетированной рекламе.