ОБЗОР МЕТОДОВ И ПОДХОДОВ ПРИМЕНЯЕМЫХ В МОБИЛЬНОМ МАРКЕТИНГЕ

АННОТАЦИЯ

На фоне снижения эффективности традиционных маркетинговых каналов в России наблюдается явный переход к мобильному маркетингу. Традиционные методы сталкиваются с рядом трудностей: высокие затраты на производство, ограниченный охват аудитории и сложности в измерении рентабельности инвестиций (ROI). Интернет-маркетинг, напротив, предоставляет компаниям доступные решения, позволяющие охватывать более широкую аудиторию и точно отслеживать эффективность кампаний с помощью аналитических инструментов. Одним из ключевых преимуществ корректировки процессов является возможность выявления и устранения неэффективности во внутренних операциях организации. Внедрение новых методик и управленческих подходов позволяет упростить процессы, снизить потери и повысить производительность, что, в свою очередь, ведет к снижению издержек и к росту прибыли.

Ключевые слова: маркетинг, мобильный маркетинг, платформа для рекламы, сравнительный анализ, VK ads, Яндекс.Директ, Unity Ads, Mintegral, Bigo Ads.

С 2012 по 2022 год российский рынок онлайн-рекламы значительно расширился, чему способствовало массовое распространение смартфонов и рост использования мобильного интернета. Согласно отчету eMarketer [4], общий объем затрат на цифровую рекламу в России в 2022 году составил примерно 2,5 миллиарда долларов, при этом совокупный среднегодовой темп роста (CAGR) составил 12,2%. Особенно заметным стало развитие сектора рекламы в социальных сетях, который занял почти 40% от общих затрат на цифровую рекламу в 2022 году.

Пандемия COVID-19 также повлияла на тенденции онлайн-рекламы в России. В ответ на изменение поведения потребителей и усиление цифровизации наблюдался резкий рост цифрового рекламного рынка. Более того, пандемия ускорила цифровую интеграцию населения России, сократив цифровой разрыв между поколениями и увеличив вовлеченность пожилых людей в цифровое пространство [10]. В период с января по сентябрь 2021 года рынок продемонстрировал рост на 26%, достигнув 216 миллиардов рублей — это стало самым высоким показателем в истории исследований рекламного рынка страны.

Методы интернет-маркетинга включают: партнерский маркетинг, email-рассылки, маркетинг в поисковых системах (SEM), поисковую оптимизацию (SEO) и другие подходы.

В работе Wang Guanyao, Zhuo Li, Li Jiafeng, Ren Dongyue, Zhang Jing «An efficient method of content-targeted online video advertising» [11] представляют метод таргетинга рекламного контента в онлайн-видео, учитывающий смену сцен в роликах для оптимального размещения рекламы. Это позволяет минимизировать раздражение зрителей и повысить общее качество пользовательского опыта, одновременно увеличивая рекламную выручку. Метод предполагает использование алгоритма, учитывающего схожесть контента между видеороликами и рекламными вставками, а также особенности смен сцен. Авторы утверждают, что такой подход полезен для оптимизации пользовательского взаимодействия и эффективности рекламы.

В работе Elizabeth Levin, Thu Nguyen Quach, Park Thaichon «Enhancing client-agency relationship quality in the advertising industry – an application of project management» [3] предлагают подход к оптимизации процессов внутри рекламных агентств, акцентируя внимание на трех направлениях: креативные компетенции, процессы управления проектами и результаты проектов. Улучшения в этих сферах способствуют повышению удовлетворенности клиентов, укреплению доверия и развитию долгосрочного партнерства.

Бережливые методологии также способны существенно повысить эффективность процессов. Так, в своей работе Ahmet Bulut «Lean Marketing: Know who not to advertise to!» [2] описывает стратегию «бережливого маркетинга», направленную на исключение нерелевантных запросов в кампаниях контекстной рекламы. Это позволяет более эффективно распределять ресурсы, снижать затраты и увеличивать возврат на инвестиции. Применение бережливого подхода позволяет оптимизировать такие процессы, как управление бюджетом, оценка эффективности и подбор ключевых слов.

Lara Chaplin, Simon T.J. O’Rourke своей работе «Lean Six Sigma and marketing: a missed opportunity» [6] рассматривают интеграцию Lean Six Sigma (LSS) с маркетинговыми стратегиями для повышения организационной эффективности. Они подчеркивают важность вовлечения всех подразделений компании в инициативы по улучшению процессов и утверждают, что согласованная маркетинговая стратегия может привести к более качественным внешним коммуникациям и ориентации на клиента.

Методология Lean Six Sigma подробно изложена в книге «Lean Six Sigma для сферы услуг» [1, с. 402], где рассматриваются практические кейсы и показатели эффективности. Среди них — эффективность цикла процесса (PCE), который определяется как отношение времени, добавляющего ценность, ко времени полного цикла. Кроме того, автор выделяет такие проявления «потерь» в работе с людьми, как: «отсутствие отслеживания потока», «отсутствие значимых данных и основанных на данных решений», «невозможность контролировать людей, как машины», «традиция индивидуализма».

Джордж отмечает, что оптимизация процессов, в которых задействовано человеческое общение, представляет собой особенно сложную задачу, поскольку такие процессы подвержены влиянию множества факторов. Поэтому максимальная автоматизация и оптимизация этих операций — необходимое условие повышения эффективности.

Включение маркетингового мышления в процессы оптимизации позволяет в полной мере раскрыть преимущества Lean Six Sigma: экономию, повышение мотивации сотрудников и улучшение управления проектами в различных функциональных областях.

Автоматизация представляет собой важнейшее направление в оптимизации рекламных операций, связанное с разработкой алгоритмов, программных решений и цифровых инструментов, призванных заменить или дополнить ручной труд.

Например, в работе Luis Miralles-Pechuán, Hiram Ponce, Lourdes Martínez-Villaseñor «A novel methodology for optimizing display advertising campaigns using genetic algorithms» [8] описывают методологию, основанную на использовании генетических алгоритмов для автоматизированного микротаргетинга в кампаниях прямого отклика на мобильных устройствах. Это особенно актуально для небольших рекламных сетей, которым необходимо эффективно управлять кампаниями с ограниченными ресурсами. Кроме того, этот подход применим в условиях реального времени аукционов (real-time bidding), охватывающих множество рекламных сетей.

Peter J. Danaher в своей работе «Optimal Microtargeting of Advertising» [9] демонстрирует, как теория оптимального управления может быть адаптирована для персонализации рекламы с учетом характеристик и предпочтений отдельных клиентов. В статье описано, как автоматическое распределение бюджета помогает оптимизировать рекламные кампании за счет перераспределения средств на основе эффективности, прогнозирования затрат и управления бюджетами на различных платформах.

Внедрение алгоритмов машинного обучения в ключевые рекламные процессы — еще одна перспективная стратегия автоматизации. Исследование Xuebing Qin и Zhibin Jiang «The Impact of AI on the Advertising Process: The Chinese Experience» [12] показывает революционное влияние искусственного интеллекта (ИИ) на рекламный рынок Китая. Предложенная модель включает четыре этапа: автоматизация создания контента, улучшение каналов распространения, поддержка принятия решений, снижение затрат и рост производительности.

Jan Kietzmann, Jeannette Paschen, Emily Treen в своей работе «Artificial Intelligence in Advertising» [5] рассматривают, как ИИ трансформирует традиционные рекламные задачи на каждом этапе пути клиента. Они приводят примеры использования ИИ для профилирования потребителей, подбора контента, анализа эмоций, динамического ценообразования, ретаргетинга, чат-ботов, предиктивного моделирования и создания контента. Эти технологии позволяют компаниям предугадывать потребности клиентов, предлагать персонализированные решения и повышать общий уровень взаимодействия. Кроме того, ИИ способствует инновациям в рекламных подходах и улучшает защиту персональных данных.

Lee McGuigan в своей работе «Automating the audience commodity: The unacknowledged ancestry of programmatic advertising» [7] анализирует эволюцию программной рекламы, отмечая, что еще в ранние периоды компьютеризация закладывала основы для современных процедур, основанных на данных. В статье подчеркивается значимость информационных технологий в повышении качества принятия решений, упрощении рекламных процессов и эффективности закупки медиа и таргетинга.

Список литературы:

1. «Бережливое производство + шесть сигм» в сфере услуг: Как скорость бережливого производства и качество шести сигм помогают совершенствованию бизнеса / Майкл Л. Джордж; [пер. с англ.] — М.: Альпина Бизнес Букс, 2005. — 402 с.
2. Ahmet Bulut. Lean Marketing: Know who not to advertise to! [Электронный ресурс]. URL: https://clck.ru/3M3mAa (дата обращения: 17.01.2025),
3. Elizabeth Levin, Thu Nguyen Quach, Park Thaichon. Enhancing client-agency relationship quality in the advertising industry – an application of project management [Электронный ресурс]. URL: https://clck.ru/3M3krj (дата обращения: 17.01.2025),
4. EMARKETER. Общий объём затрат на цифровую рекламу в России в 2022 году [Электронный ресурс]. URL: https://clck.ru/3M3hKM (дата обращения 17.01.2025),
5. Jan Kietzmann, Jeannette Paschen, Emily Treen. Artificial Intelligence in Advertising [Электронный ресурс]. URL: https://www.tandfonline.com/doi/full/10.2501/JAR-2018-035  (дата обращения: 17.01.2025),
6. Lara Chaplin, Simon T.J. O’Rourke. Lean Six Sigma and marketing: a missed opportunity [Электронный ресурс]. URL: https://clck.ru/3M3mtG (дата обращения: 17.01.2025),
7. Lee McGuigan. Automating the audience commodity: The unacknowledged ancestry of programmatic advertising [Электронный ресурс]. URL: https://doi.org/10.1177/1461444819846449 (дата обращения: 17.01.2025),
8. Luis Miralles-Pechuán, Hiram Ponce, Lourdes Martínez-Villaseñor. A novel methodology for optimizing display advertising campaigns using genetic algorithms [Электронный ресурс]. URL: https://clck.ru/3M47M4 (дата обращения: 17.01.2025),
9. Peter J. Danaher. Optimal Microtargeting of Advertising [Электронный ресурс]. URL: https://clck.ru/3M47Sp (дата обращения: 17.01.2025),
10. Piccialli, F., Di Cola, V. S., Giampaolo, F., & Cuomo, S. (2021). The role of artificial intelligence in fighting the COVID-19 pandemic [Электронный ресурс]. URL: https://doi.org/10.1007/s10796-021-10131-x (дата обращения: 17.01.2025),
11. Wang Guanyao, Zhuo Li, Li Jiafeng, Ren Dongyue, Zhang Jing. An efficient method of content-targeted online video advertising [Электронный ресурс]. URL: https://clck.ru/3M3kLB (дата обращения: 17.01.2025),
12. Xuebing Qin, Zhibin Jiang. The Impact of AI on the Advertising Process: The Chinese Experience [Электронный ресурс]. URL: https://clck.ru/3M49HQ (дата обращения: 17.01.2025),