Медиаизмерения в наружной рекламе за пару кликов. Интервью со Станиславом Бучельниковым.

На этой неделе состоялся релиз EVA — экосистемы наружной рекламы России. По этому случаю, команда Amedia Technology взяла интервью у Станислава Бучельникова — руководителя отдела разработки, непосредственно отвечающего за технологическое исполнение экосистемы наружной рекламы России.

M.L.: Как давно ты в команде Motion Logic?

Станислав: Я присоединился к Motion Logic в июле прошлого года. Получается, что уже почти год.

M.L.: Ты являешься главой отдела разработки и был одним из ключевых создателей EVA. Как начиналась работа над экосистемой? Какая была основная задача на старте разработки?

Станислав: Изначально мы планировали разработать медиаизмеритель для рынка наружной рекламы. Чтобы сделать расчёты медиапоказателей быстрее, проще, яснее и, соответственно, повысить продажи рекламных продуктов, привлекая в индустрию новых рекламодателей, которое ранее со скепсисом подходили к размещению в OOH.

M.L.: То есть, изначально это был просто медиаизмеритель?

Станислав: Да. В дальнейшем, когда наши коллеги из других агентств, входящих в коммуникационную сеть Амедиа, получили его для тестирования, то обнаружилось, что он в чистом виде не может решить все задачи, что стоят перед саплаерами и баинговыми агентствами. Необходим был инструмент, с помощью которого можно было выполнять всю работу в одном месте, не используя несколько программных платформ. Ну и приступили к расширению функционала программной платформы.

Затем уже, после расширения возможностей EVA, мы передали её на тест нашему баинговому агентству и саплаеру. Посмотрев на результат, поняли, что создали полноценную экосистему наружной рекламы и круто было бы презентовать её обновлённый функционал всему рынку. Чтобы все агентства, саплаеры и клиенты смогли коммуницировать, обмениваться документами, размещать и покупать конструкции в единой системе. При этом, и медиаметрия никуда не делась, став гораздо точнее, технологичнее. В совокупности это удобнее, быстрее и точнее, в плане медиаизмерений, чем всё, что существует в индустрии на данный момент и точно пойдёт ей на пользу.

M.L.: Экосистема построена на высокотехнологичной базе: нейросеть, Big Data. Работал ли ты ранее, до старта разработки EVA, с этими технологиями?

Станислав: С Big Data приходилось сталкиваться на практике, с нейронными сетями только в теории. Для работы с ними у нас в команде есть специалист, отвечающий за настройку и корректную работу.

M.L.: Какую роль играет нейросеть в EVA?

Станислав: В данный момент только для расчёта коэффициента VA (визуальная доступность — прим.). Мы обучили нейросеть на огромном объёме различных фотоотчётов с рекламными конструкциями. Таким образом, нейросеть научилась самостоятельно определять визуальную доступность каждой поверхности, которая находится в базе EVA. Учитывается любое препятствие, от крупных, например, здания или конструкции, до мелких, вроде веток или фонарных столбов. В дальнейшем планируем расширить функционал, передав нейросети дополнительные расчёты.

M.L.: А что насчёт Big Data?

Станислав: На них строятся расчёты в плане человеческого трафика. Операторами нам поставляются “города”, разбитые на квадраты. Каждый квадрат — это зона покрытия базовой станции одного из мобильных операторов, которая регистрирует абонентов, находящихся в пределах своего покрытия. Мы не знаем, кто именно этот абонент, информация обезличена. Но даже на её основе можно понять сколько человеку лет, его пол и уровень заработка. Всего получается 120 типажей. Плюсом мы узнаем группы увлечений абонента. Всего подразделение по увлечениям происходит на 75 типов. При этом у каждого отдельно взятого абонента может пересекаться несколько групп интересов, ведь редко человек в быту интересуется чем-то одним. Скажем, машины, игра в танки, альпинизм и чтение русской классики. Получается, что суммарное количество возможных аудиторных портретов достигает более 30 тыс.

С помощью этих данных мы можем значительно повысить конкретизацию данных об аудитории, которая проходит рядом с определенной рекламной конструкцией. Репрезентативность получается выше, чем у аналогов, которыми сейчас пользуется индустрия (наружной рекламы — прим.), так как помимо стандартных социально-демографических показателей, в EVA ещё есть интересы, то есть то, что и влияет на заинтересованность людей в определенном товаре, услуге.

*один из первых вариантов интерфейса

M.L.: Как из обезличенных данных можно получить столько информации о людях? Не нарушается ли конфиденциальность абонентов?

Станислав: Конфиденциальность ни в коем случае не нарушается. Основная часть расчётов идёт на стороне операторов и уже поступает нам в готовом виде. Например, пол и примерный возраст, с шагом в несколько лет: 18-24, 25-34, 35-44, 45-54, 55-63, 64+.

Примерный уровень заработка рассчитывается на основе алгоритма машинного обучения. Нейросеть анализирует такие показатели как, например, активность в международном роуминге, мобильный баланс на сим-картах, оформленных на человека, частоту пополнения и сумму, модель мобильного телефона и то, как часто аппарат меняется. На основе этого выводится принадлежность каждого человека в квадрате к определенному аудиторному портрету. Мы не знаем, сколько у человека денег на счете в банке и сколько он заработал за этот месяц, это частная информация. Уровень заработка, как и возраст, делится на несколько шагов по тысячам рублей в месяц: 0-11, 12-46, 46-100, 100+.

Примерно тоже самое и с интересами. Нейросеть обрабатывает такую информацию как, например, контакты абонента с определенными организациями. Скажем, за последнюю неделю человек совершал звонки или получал смс от номеров, принадлежащих строительным магазинам. Значит, входит в группу интересов по ремонту и стройке. Причем типизация проходит по вполне стандартным сферам: ремонт, книги, автомобили, настольные игры, рыбалка и т.д. То есть, опять же, не затрагивая какие-то специфичные темы.

Тут важно понимать, что мы не получаем конкретные данные абонентов, а только направления их интересов. То есть у нас нет текста смс или записи звонка. Нет конкретного запроса из поисковика, есть только направление. Более того, эта информация не привязана к конкретной личности, то есть о ней нам известны только пол, возрастная группа и уровень дохода. Этого хватает для причисления к определённой аудиторной группе, но недостаточно для идентификации личности, но нам это и не нужно.

Поэтому можно не беспокоиться за конфиденциальность и тотальную слежку. У нас нет никакой личной или частной информации ни одного из абонентов наших партнеров — МТС и Билайн, но при этом есть самый большой массив аудиторных данных для медиаметрии.

*один из первых вариантов интерфейса

M.L.: Сколько времени заняло создание “фундамента” экосистемы EVA и на каком этапе разработки она сейчас?

Станислав: Основа была заложена за несколько недель: написана логика, как и что должно работать. Но это только техническая часть. Дальше пошёл вопрос о взаимодействии всех сторон внутри системы, это уже касается интерфейсов и дизайна. Сейчас система полностью функционирует, но работа продолжается. В основном мы дополняем “каркас” экосистемы различными функциями, которые дополнят расширят её функционал.

M.L.: Сейчас вопрос скорее из области фантастики. Как думаешь, смогут ли нейросети и все прочие формы ИИ (искусственный интеллект — прим.) когда-нибудь получить самосознание и стать “человечными”?

Станислав: Ну… Человечным ИИ никогда не станет, так как в основе своей он всегда несёт то, что в него заложено. Разве что разработчик внесет это в ИИ, эту надстройку “очеловечивания”.

M.L.: Но нейросеть — система самообучающаяся, если я всё правильно понимаю. Она может поглощать новые знания и учиться без желания человека? Не обязательно EVA, а искусственный интеллект в принципе.

Станислав: Да. Более того, это уже происходит. К примеру, роботы активно обучаются искусству, например, рисованию. Просто сейчас это происходит кусками в разных сферах, поэтому глобально развитие ИИ не так очевидно. Но это уже есть, остается только объединить все имеющиеся в разных отраслях наработки. Тем не менее, это не значит, что эти роботы будут “очеловеченными”, даже если смогут автономно осваивать различные профессии.

M.L.: Вернёмся к EVA. Что было самым сложным и интересным в процессе разработки?

Станислав: Хм… Пожалуй, понять как общаться с данными, которые предоставляют нам сотовые операторы (МТС и Билайн — прим.), ведь к нам поступает не конкретная информация о передвижения определённых абонентов. Для того, чтобы проводить качественные расчеты количества людей, проходящих мимо определённой конструкции, нам необходимо было повысить точность. В данных операторов содержатся массивы аудиторной информации, просчитанной искусственным интеллектом, и города, поделенные на квадраты. Но как внутри этих квадратов распределяется людской поток было непонятно.

На этапе первоначального тестирования команда проекта вручную простраивала карты дорог, чтобы прогнозировать движение людей, как пешком, так и на транспорте. Брали какие-то простые, знакомые всем участки. Но когда проект стал набирать значительные масштабы мы поняли, что такой путь — это долго и не точно.

В поиске путей решения проблемы, мы нашли оптимальный выход. Вышли на некоммерческую организацию OSM (OpenStreetMap — прим.). Это энтузиасты, владеющие открытыми данными по многим городам и странам. Мы взяли обширные данные из их базы: карты дорог, как пешеходных, так и транспортных. Причем, информация в базу вносится и пользователями, то есть даже какие-нибудь мелкие лесные тропинки там есть. OSM — это как Википедия, только картографическая.

M.L.: Какие решения были использованы в экосистеме для обеспечения безопасности конфиденциальных данных пользователей?

Станислав: Одним из основных элементов обеспечения безопасности является шифрование конфиденциальных данных каждого пользователя и данных взаимодействия пользователей в системе. Эти данные будут доступны только их владельцам.

Единственным слабым местом может быть банальный простой пароль для рабочей почты у ответственного лица со стороны пользователя. Это было предусмотрено, поэтому мы ввели процедуру верификации действий внутри системы с помощью электронной цифровой подписи. Каждая подпись хранится на персональном рутокене у ответственного лица со стороны каждого пользователя EVA. Таким образом, даже если злоумышленники каким-то образом получат доступ к вашему аккаунту, они не смогут совершить ни одного действия от вашего имени без цифровой подписи.

M.L.: Есть ли какие-то планы на дальнейшее развитие экосистемы? Возможно какой-то ранее не заявленный, но уже находящийся в планах функционал, о котором ты мог бы рассказать.

Станислав: В ближайшей перспективе — электронный документооборот с помощью интеграции продуктов СКБ Контур. Он будет запущен внутри экосистемы уже 1 сентября. Ну и в качестве небольшого тизера, хочу сказать, что в дальнейшем, мы планируем внедрить в экосистему несколько нейросетей, которые сделают рабочие процессы еще быстрее и удобнее. Например, пользователю будет достаточно просто вписать необходимый охват, а все остальное, к примеру, каналы коммуникации и площадки в рамках этих каналов, система рассчитает сама. То есть, все подписчики нашего сервиса получат возможность полноценного расчета и запуска рекламной кампании в несколько кликов внутри экосистемы EVA.