Как ИИ и маркетплейсы заставляют вас покупать больше. Секреты спецов маркетинга

Что маркетологи действительно знают о нас

По исследованиям, глобальный объем данных о потребителях, содержащийся в Сети, — около 180 зеттабайт (10²¹ байт). Маркетологам доступны четыре типа данных о конкретном пользователе:

• Социо‑демографические данные: пол и возрастная группа, город или регион, язык, иногда — семейное положение и наличие детей.
• Технические параметры: тип устройства и операционная система, модель смартфона, браузер, примерное местоположение по IP или GPS, частота посещений сайта, источник трафика — то есть из какого канала пришел пользователь (реклама на сайте, соцсети, прямой заход и т. д.).
• Поведенческие данные: история просмотров страниц, поиска и добавления в корзину, реакция на письма и пуш-уведомления, продвижение по воронке продаж и выход из нее, клики и время на сайте, глубина просмотра и т. д.
• Транзакционные данные: конкретные покупки и их частота, потраченные суммы, «любимые» бренды и категории, способы оплаты, реакция на акции и скидки.

При этом сведения необязательно хранятся в одном месте, часто они находятся в разных базах. Задача современного маркетинга — собрать из всех источников максимально полную информацию о пользователе и сформировать цельный профиль потребителя.

Часть информации предоставляют сами пользователи — например, когда заполняют анкеты и профили на сайтах, подписываются на рассылки, участвуют в программах лояльности или обращаются в техподдержку. Технические данные и информация о поведении на сайте собираются «в фоне» — формально вы разрешаете это, соглашаясь с использованием cookies на каждом онлайн-ресурсе. В целом маркетологи анализируют около 100 ресурсов для каждого пользователя.

Для сбора данных обычно используются системы продуктовой и веб-аналитики (Google Analytics, «Яндекс.Метрика», Amplitude, AppsFlyer и т. д.), а также специальные инструменты в приложениях и на сайтах, которые отслеживают конкретные действия. Подробную информацию дают рекламные кабинеты — они показывают, как пользователи реагировали на рекламу, чем они интересовались до и после просмотра контента. Все это обогащается данными партнерских ресурсов и провайдеров, специализирующихся на аналитике аудитории.

Далее информация загружается в специальные системы (CRM, CDP, DWH) и рекламные платформы, которые собирают из разрозненных сведений портрет покупателя. На основе этого формируются сценарии взаимодействия с конкретным пользователем.

Как ИИ помогает в современной аналитике

Классическая аналитика использовала агрегированные отчеты, на основе которых формировались простые сегменты — например, «мужчины 25–34 лет, Москва, интересуются инструментами для дома». Маркетологи вручную формировали гипотезы, а аналитики проверяли — это могло занять несколько недель, от сбора данных до тестирования.

ИИ-инструменты работают с сотнями признаков одновременно, а алгоритм учитывает сложные сценарии поведения — какие именно страницы смотрел пользователь, на чем задержал внимание, в какое время заходил на сайт, как вел себя на протяжении определенного периода.

Для настройки рекламы и поисковой выдачи используются такие инструменты:

• машинное обучение — для прогнозирования оттока аудитории;
• Lookalike-модели — для поиска похожих аудиторий;
• алгоритмы динамического ценообразования — для дифференциации цены в зависимости от предыдущего поведения, устройства, периода и т. д.

Алгоритмы показывают пользователям именно тот контент, который с высокой долей вероятности заинтересует их. Персональная витрина на маркетплейсе или рекомендательная лента в соцсетях пересчитываются ежесекундно, основываясь на реакциях пользователя в режиме реального времени.

А еще ИИ-инструменты умеют строить точные прогнозы — отсюда и создается ощущение, что маркетологи буквально читают ваши мысли.

Например, маркетплейс подбирает размер и фасон одежды, исходя из прошлых покупок — снижая риск возвратов. Банк предлагает дебетовую карту вместо кредита, если ИИ-модель видит высокий риск. Ретейлер на основе корзины понимает, что вы — молодой родитель, и начинает показывать релевантные категории.

Управляет ли ИИ нашими интересами

С таким уровнем прогнозирования ИИ может не только угадывать, что вы хотите сейчас или захотите завтра. Недалеко то время, когда с помощью умных алгоритмов и индивидуально подобранных под ваш профиль предложений маркетологи будут буквально программировать людей на интерес и покупку определенных товаров.

На самом деле отчасти это уже происходит. Рекомендательная система сайта учитывает не только прошлое поведение покупателя, но и действия пользователей с похожим профилем. ИИ находит сложные закономерности и связи, которые специалист не определит вручную. Это создает ощущение, что алгоритм предлагает нам конкретные продукты еще до того, как мы успели о них подумать.

Поэтому и возникает вопрос — ИИ только «угадывает» наши предпочтения или на каком-то этапе уже начинает управлять нашими интересами?

Но ИИ также способен формировать и усиливать интересы. Например, когда видеоплатформа продвигает отдельный жанр, алгоритм активнее «подмешивает» его в ленту. Через некоторое время у пользователей формируется привычка смотреть его. То, что мы видим чаще всего, начинает казаться тем, что нам нравится.

Риск попасть в «пузырь предпочтений» вполне реален. Конечно, платформы учитывают пользовательские интересы, но в первую очередь они будут продвигать те бренды и товары, которые выгодны им. Альтернативы могут оказаться в «слепых зонах», а у покупателя сформируется ощущение, что других вариантов нет.

Чтобы выйти из этого пузыря, эксперт рекомендовал периодически нарушать паттерн: сознательно искать новые темы, бренды и жанры, подписываться на разные источники новостей и развлекательного контента. Также можно отключить персонализированную рекламу или историю поиска на сайте.

Опасно ли, что маркетологи знают о нас слишком много — и можно ли от этого защититься

Опасаться стоит не самого факта сбора данных, а скорее того, как с ними работают: насколько прозрачно компании рассказывают о сборе информации, как они защищают данные от утечек, не используются ли собранные сведения против интересов человека — для скрытой дискриминации по цене или навязчивого маркетинга.

В то же время крупные компании живут в условиях жесткого регулирования и серьезных репутационных рисков. У корпораций обычно есть политики доступа, комплаенс, аудит, команды безопасности. Это не гарантирует идеальной защиты данных, но снижает вероятность злоупотребления.

Если вы сильно беспокоитесь по поводу своих данных, то можно максимально сократить объем собираемой информации. Вот что для этого нужно:

• Настройте конфиденциальность в браузере и на всех устройствах: заблокируйте сторонние cookies, ограничьте трекинг в приложениях, запретите передачу своего ID рекламодателям.
• Регулярно пересматривайте разрешения приложений: доступ к геолокации, контактам, камере, микрофону. Включайте их только при реальной необходимости.
• Отключайте персонализированную рекламу или сужайте набор интересов на различных сервисах и в соцсетях.
• Используйте отдельные e‑mail и номера телефона для регистраций на сайтах и сервисах.
• Не заполняйте необязательные поля в анкетах — день рождения, город проживания и т. д.
• Также по закону «О персональных данных» вы вправе потребовать у компании удалить сведения о вас.

Так вы оставите меньше цифровых следов, что сократит риск утечек и нежелательной рекламы. Однако здесь есть и минусы — рекомендации станут менее точными, некоторые товары придется искать дольше, а данные почти везде нужно будет вводить вручную.

Нельзя сказать наверняка, как поступать правильнее — максимально ограничить влияние рекомендательных систем или, наоборот, позволить алгоритмам сократить ваше время на поиски. Важно понимать, что доступ к данным — это осознанный выбор каждого человека, который зависит от конкретных задач и привычек.

При этом ответственность за этичное использование данных полностью лежит на маркетологах. Именно они определяют грань между персонализированной помощью клиенту и манипуляцией.