Использование технологий Big Data в исследованиях медиааудитории: перспективы и опыт зарубежных проектов

Сформулируем несколько основных отличительных моментов в работе с технологиями больших данных для анализа аудитории цифровых медиа:

Отсутствие единого универсального инструментария и метрик, но наличие общих черт в использовании таких технологий;

Так, как отмечает С. Зиллнер Zillner S., Neurerer S., Munneґ R., Lippell H., Vilela L., Prieto E., Hussain K., Rusitschka S. D2.4.2 Final version of sectors roadmap. Public deliverable of the EU-Project BIG. 2014 (318062; ICT-2011.4.4)., такие технологии больших данных для аудиторного анализа в медиа проходят отельный путь развития внутри компании, который автор делит на пять отдельных этапов. На первом этапе становится более доступной детальная сегментация аудитории по подобранным редакцией или исследовательской компанией факторам, происходит накопление данных. На втором этапе разрабатываются интуитивно понятные инструменты для визуализации данных (так называемые dashboards). Затем третий этап - конвергенция аудиторного аналитического инструмента с бизнес-аналитическим по общим показателям (к примеру, финансовым). После данного слияния следует четвертый шаг, а именно выстраивание новых прогнозных моделей на основании собранных обогащенных данных и появление опции встраивания полученного прогноза в формирование усовершенствованных бизнес-целей. В финале, пятым шагом создается комплекс аналитических подходов, которые компания нарабатывает, ложится в основу новых шаблонов действий и бизнес-операций внутри редакции. Таким образом, хотя принципы работы с технологиями больших данных и сам инструментарий варьируются от компании к компании, общие шаги, выделенные исследовательской группой С. Зиллнер, остаются схожими. Важным условием первого шага является правильный формат сбора данных, которых подходит конкретно тому инструменту, который выбрала компания. Это облегчит последующую обработку и извлечение знания из данных.

Новые требования к работе редакции с этим инструментарием;

Следующий ключевой аспект - интеграция инструментария и получаемого знания в постановку бизнес-целей и ключевых показателей для редакции. Так, к примеру, внутри редакции цифрового проекта может разрабатываться своя Серебриян Б., Паранько С., Стецовский М., Сидорова О. Редакционные метрики Mail.Ru: как мы оцениваем работу редакции // Сайт medium.com [электронный ресурс]. Режим доступа: https://medium.com/посетитель-читатель-что-делать-медиа/редакционные-метрики-mail-ru-как-мы-оцениваем-работу-редакции-43383755a918 (дата обращения 14.04.2020) новая система критериев успешности того или иного материала на основании данных.

Изменение ролей внутри редакции;

С трансформацией технологий анализа аудитории меняются Singer J., Hermida A., Domingo D., Heinonen A., Paulussen S., Quandt T., Reich Z. Participatory Journalism. Malden, MA: John Wiley & Sons, 2011. и редакционные роли. Так, в отличие от привычного пути взаимодействия при анализе аудитории через традиционно качественные форматы (фокус-группы, интервью), в цифровых проектах появляются должности редактора социальных медиа, редактора по вовлечению и аналитике, от которых ожидается получение знания именно из количественных данных, в том числе для прогнозирования успеха контента Ferrer-Conill R., Edson C. The Audience-Oriented Editor. Making sense of the audience in the newsroom. Digital Journalism. 2018. 6 (4): Measurable Journalism: Digital Platforms, News Metrics, and the Quantified Audience. Р. 436-453..

Необходимость дополнительного обучения сотрудников;

Многие крупные медиапроекты создали новые программы для того, чтобы эффективно обучать коллектив работе с большими данными в анализе аудитории. Примером служит Hearst Data University, где сотрудники Hearst Magazine развивают навыки анализа больших данных. Как уже было упомянуто, единого инструмента и метрик в индустрии нет, и в большей части случаев используется комбинация различных технологических решений от нескольких поставщиков программного обеспечения и инфраструктуры. Для более насыщенного индустриального контекста приведем примеры применения технологий больших данных в анализе аудитории цифровых медиа по таким категориям: предиктивные системы (позволяют предугадывать, какой контент будет более популярным), редакционные аналитические системы, системы для создания контента, рекомендательные системы. Именно такой набор позволит проанализировать ключевые подходы к применению таких технологий.

Предиктивные системы Arsenault A. The datafication of media: Big data and the media industries // International Journal of Media and Cultural Politics. 2017. 13(1). Р. 7-24., которые также могут помогать прогнозировать успех Simon F., Schroeder R. Big Data Goes to Hollywood: The Emergence of Big Data as a Tool in the American Film Industry // Second International Handbook of Internet Research. 2020. Р. 549-567. того или иного контента, который еще не был создан;

Netflix Singh Р. How Big Data Analytics Is Changing The Media And Entertainment Landscape. 2018 // Сайт analyticsindiamag.com [электронный ресурс]. Режим доступа: https://analyticsindiamag.com/big-data-analytics-changing-media-entertainment-landscape/ (дата обращения 14.04.2020) собирали данные о зрителях, изучали привычки на примерах историй просмотров других шоу, представленных на площадке, и через этот анализ смогли смоделировать атрибуты и черты сериала «Карточный домик» так, чтобы этот контент был успешным. Некоторые исследователи подчеркивают Rust R.T., Huang M. H. The service revolution and the transformation of marketing science. Mark Sci. 2014. 33. Р. 206-221., что большие данные делают доступным автоматическое извлечение данных из социальных сетей, что позволяет компаниям оценивать мнения клиентов относительно фильмов и объединять разные источники данных (социальные сети, географическое положение, данные транзакций и тому подобное) для предсказывания успеха фильма в том или ином регионе.

Редакционные аналитические системы Shailendra M., Singh N. The Role of Big Data in the Media and Entertainment Industry. 4th International Conference on “Computational Intelligence & Communication Technology (CICT), 2018.;

Warner Bros. Singh Р. How Big Data Analytics Is Changing The Media And Entertainment Landscape. 2018 // Сайт analyticsindiamag.com [электронный ресурс]. Режим доступа: https://analyticsindiamag.com/big-data-analytics-changing-media-entertainment-landscape/ (дата обращения 14.04.2020) работали с Accenture Datamart, Aprimo, для интеграции программных решений с данными о продажах, чтобы получить быстрый доступ к точным отчетам, накопить знания и опыт, а также применить идеи для улучшения продвижения и создания фильмов для конкретных целевых групп.

Системы для создания контента Heffernan T. Cyborg Futures Cross-disciplinary Perspectives on Artificial Intelligence and Robotics. Palgrave Macmillan, 2019. на основании предпочтений аудитории, а также автоматизация написания материалов;

В онлайн-СМИ технологии больших данных открывают перспективы для разработки систем автоматической обработки и генерации контента на основании предпочтений аудитории. Это значительно повышает скорость реакции на информационные поводы и оптимизирует не только работу редакции, но и её взаимодействие с аудиторией. В зарубежной практике можно привести сразу несколько примеров таких технологических решений:

Bloomberg News использует Micklethwait J. The Future of News. 2018 // Сайт bloomberg.com [электронный ресурс]. Режим доступа: https://www.bloomberg.com/news/articles/2018-05-03/john-micklethwait-the-future-of-news (дата обращения 14.04.2020) собственную систему Cyborg для обработки, создания и публикации новостных материалов на основании финансовых отчетностей и постов в социальных сетях. Система умеет обрабатывать текст и выделять в нем ключевые факты и цифры, которые затем она включает в сгенерированный материал;

В The Associated Press с 2014 года эффективно обрабатывают Future of Journalism Will Be Augmented Thanks to AI. 2018 // Сайт aibusiness.com[электронный ресурс]. Режим доступа: https://aibusiness.com/ai-journalism-associated-press/ (дата обращения 14.04.2020) результаты бейсбольных матчей, используя технологические решения компании Automated Insights. Также на основании больших данных создаются материалы о финансовых отчетностях, и в редакции отмечали, что благодаря качественной автоматизации количество сгенерированных таким образом новостей выросло с 300 до 3700 за один квартал.

В Forbes применяют программное решение Bertie Zalatimo S. Entering The Next Century With A New Forbes Experience. 2018 // Сайт forbes.com [электронный ресурс]. Режим доступа: https://www.forbes.com/sites/forbesproductgroup/2018/07/11/entering-the-next-century-with-a-new-forbes-experience/#7f85e0433bf4 (дата обращения 14.04.2020), которое позволяет создавать шаблоны материалов и заголовков на основании положительного отклика аудитории.

The Washington Post используют WashPostPR. The Washington Post to use artificial intelligence to cover nearly 500 races on Election Day. 2016 // Сайт washingtonpost.com [электронный ресурс]. Режим доступа: https://www.washingtonpost.com/pr/wp/2016/10/19/the-washington-post-uses-artificial-intelligence-to-cover-nearly-500-races-on-election-day/ (дата обращения 14.04.2020) свою разработку Heliograf, которая также отслеживает появление и успех публикаций. Впервые эту разработку редакция применила во время Летних Олимпийских игр в 2016 году, а после стала интегрировать и в иные свои проекты.

Системы распознавания образов и анализ реакции аудитории Marr В. Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results. Wiley, 2016.;

BBC экспериментировали с технологией распознавания лиц, чтобы измерить реакцию зрителей на телевизионные программы. Лаборатория предварительного просмотра BBC использовала камеры и нейросети для наблюдения за реакцией зрителей 50 различных шоу в четырех странах, фиксируя их реакции и эмоции. В одном из таких экспериментов проводилось наблюдение за зрителями в Австралии во время просмотра премьеры сериала «Шерлок». Исследование показало, что зрители, которые оценили шоу положительно, продемонстрировали большую реакцию на удивительные или грустные события на экране, в то время как смешные моменты меньше тронули аудиторию. Это привело к тому, что продюсеры Шерлока включили в сериал более мрачные элементы и снизили долю комедии в сценариях.

Рекомендательные системы DataFlair official page. Big Data in Media and Entertainment - The New Hero in Industry. 2019 // Сайт data-flair.training [электронный ресурс]. Режим доступа: https://data-flair.training/blogs/big-data-in-media-and-entertainment/ (дата обращения 14.04.2020).

Существует два основных типа рекомендательных систем - основанные на контенте (например, в случае с просмотрами фильмов, это будет рекомендация, основанная на предложении зрителю контента схожих жарнов или режиссеров) и основанные на коллаборативной фильтрации (такие системы основаны на профилировании аудитории; пользователям с похожими типажами система будет предлагать похожий контент). Механизмы рекомендаций Netflix, к примеру, относятся к смешанному типу и основываются на данных о том, какие заголовки привлекают аудиторию больше, как часто останавливается воспроизведение контента и на каких моментах, как проставляются оценки и что пишется в комментариях. Компания использует для этого решения Hadoop, Hive и Pig, а в основе лежит решение с обучением глубокой машины Больцмана Гладков Л.А., Гладкова Н.В., Бабынин А.Н., Ксалов А.М. Метод Распознавания Изображений На Основе Модели Машины Больцмана // Известия Кабардино-Балкарского Научного Центра РАН. 2015. 6-2(68). С. 54-60. (то есть, нейронной сети с несколькими скрытыми слоями, в случае с которой обучение происходит на этапе каждого слоя; такой подход часто тиспользуют для обработки речи и образов, потому что это позволяет повысить точность работы с неопределенными значениями на входе). В случае с большими данными анализ может идти на уровне контакта, и важно рассматривать не просто этап непосредственного взаимодействия с контентом, но и предшествующие и последующие его действия, а также широкий спектр возможных интересов и характеристик. Так, возникает вопрос достаточного обогащения имеющихся данных для создания целостного портрета аудитории и тема обмена данными внутри альянсов между проектами. Кратко сформулируем основные Ferrer-Conill R., Edson C. The Audience-Oriented Editor. Making sense of the audience in the newsroom // Digital Journalism. 2018. 6(4): Measurable Journalism: Digital Platforms, News Metrics, and the Quantified Audience. Р. 436-453. преимущества и пересекающиеся с ними недостатки такого обмена в таблице ниже.

Таблица 5

Плюсы и минусы обмена данными

Плюсы	Минусы
Совершенствование прогнозных моделей на большем объеме данных; независимость от данных, предоставляемых технологическими компаниями-гигантами Lewis S., Westlund O. Big Data and Journalism Epistemology, expertise, economics, and ethics // Digital Journalism. 2015. 3(3): Journalism in an Era of Big Data: Cases, Concepts, and Critiques. Р. 447-466.	Угроза потери конкурентного преимущества, основанного на наличии уникальных данных и методик их обработки
Разработка стандарта сбора и хранения данных для эффективного обмена Nelson J., Webster J. Audience Currencies in the Age of Big Data // Communication Studies. 2006. 1. Р. 9-24.	Риски, связанные с обнародованием несовершенства используемых технологий; дороговизна создания новой инфраструктуры по работе с большими данными и трудности в переходе от старого, созданного самостоятельно инструментария к новому и стандартизированному
Формирование более целостного портрета аудиторииAshton D., Gowland-Pryde, R. Arts audience segmentation: data, profiles, segments and biographies// Cultural Trends. 2019. 28(2-3): Special Issue: Audience data and research: perspectives from scholarship, policy, management and practice. Р. 146-161.	Трудности в оформлении такого рода партнерства в соответствии со всеми законодательными требованиями (особенно в случае с международными компаниями)
Улучшение существующего инструментария	Неравноценный обмен (не все компании собирают данные в равном объеме и полноте в силу специфики своей работы, и оценить, будет ли равноценным такой обмен достаточно сложно)
Новые возможности верификации	Риск утечки данных вовне (как просто в излишне большом объеме партнерам по альянсу, так и вовне в случае компьютерной атаки или неосторожности)
Большая прозрачность (в том числе перед рекламодателями)	Риск, связанный с возможностью потери пользователей из-за соглашений об обмене данными
Оптимизация внутренних редакционных процессов (к примеру, улучшение качества контента как результат более детального моделирования портрета аудитории и оптимизация механик продвижения и доставки контента) Gallagher J., Yinyin Chen Y., Wagner K., Wang X., Zeng J., Lingyi Kong A. Peering into the Internet Abyss: Using Big Data Audience Analysis to Understand Online Comments // Technical Communication Quarterly. 2019. [электронный ресурс]. Режим доступа: https://www.tandfonline.com/doi/full/10.1080/10572252.2019.1634766 (дата обращения 14.04.2020)	В долгосрочной перспективе для компаний, чья деятельность основана на сборе и анализе данных - потеря мотивации для развития

В текущей ситуации на международном уровне выделенные минусы становятся серьезными барьерами для разработки альянсов. В следующей главе мы увидим этому подтверждение через мнения экспертов из индустрии и более детально раскроем сложности, связанные с разработкой единой измерительной системы для анализа аудитории и с проработкой подходов к обмену данными в цифровых медиа.

2.2 Зарубежный опыт и перспективы использования Big Data для исследования аудитории в России: мнение экспертов из индустрии

Для более глубокого понимания происходящего на российском и зарубежном рынках мы обратимся в этом разделе к результатам интервью с представителями таких ключевых сфер медиа:

Поисковики (Google);

СМИ (BBC, HBR/Ведомости, Национальная ассоциация телерадиовещателей);

Поставщики технологических решений (E-Contenta, Gemius);

Исследовательские агентства (Nielsen, Ipsos, Mediascope, а также Группа АДВ);

Образовательные проекты (Нетология);

Именно интервью позволят нам решить задачу расширения рассмотренной нами теоретической информации через изучение сложившихся практик работы с данными в разных профилях медиасреды. Мы рассмотрим плюсы и минусы существующих подходов, которые выделяют эксперты, а также коснемся тем законодательства, конкуренции и обмена данными об аудитории в медиа. Ключевым блоком станут вопросы о специфике исследований аудитории с использованием технологий больших данных.

В завершении мы предложим возможный вариант нового подхода в индустрии измерений, основанный на экспертном мнении.

Для начала, коротко представим в таблице ниже характеристики респондентов, которые выступили экспертами:

Таблица 6

Характеристики экспертов

	ФИО	Компания и должность	Средний стаж работы
	Елена Г.	Руководитель факультета аналитики и data science Нетологии	Более 5 лет
	Александр А.	Руководитель практики эффективности маркетинга Nielsen	Более 10 лет
	Дмитрий З.	Business Development Manager в Gemius	Более 3 лет
	Регина Ю.	Заместитель генерального директора в Национальной ассоциации телерадиовещателей	Более 15 лет
	Маргарита С.	Research Manager в Ipsos Comcon	Более 5 лет
	Ник Н.	Leads the Audiences team at the BBC	Более 10 лет
1	Татьяна С.	Директор по маркетингу HBR Россия	Более 5 лет
	Юлия П.	Senior Project Manager, Technology Development в Mediascope	Более 5 лет
	Константин С.	2008 - Google, UX исследователь. С 2016 основал UX-Study.com	Более 10 лет
	Лилита Б.	Executive digital lead IPG Mediabrands	Более 3 лет

Интервью проводились в устной форме с фиксацией на диктофон с согласия эксперта. Исключение составляют интервью с Аленой Д. и Дмитрием З., которые по техническим причинам мы провели посредством заполнения текстовых анкет. Также интервью с Александром А. проходило вживую с фиксацией на диктофон.

Гайдлайн интервью содержит в большей степени открытые вопросы, направленные на получение понимания о субъективном взгляде и оценках респондентов. Важно отметить, что в ходе обоих этапов исследования, как про российскую, так и про зарубежную практику, гайдлайн остался неизменным для получения наиболее сравнимых результатов. Он выстроен в соответствии с логикой от частного к общему и содержит 3 основных блока:

Личное восприятие темы;

Восприятие темы на уровне компании;

Комплексное восприятие ситуации на рынке.

Таким образом, благодаря этой логике в первую очередь определяется то, как респондент понимает те или иные дефиниции, а затем выявляется личная позиция и формулируется обзор актуальных для индустрии тем. Для соблюдения логики и целостности, при рассмотрении результатов мы также обратимся к представленной выше трехчастной структуре.

Личное восприятие темы

В данный блок вопросов входили вопросы о дефиниции термина «технологии больших данных», а также вопросы об отношении к популяризации этого комплекса технологий и их использовании в медиа.

Для начала, рассмотрим результаты об определении термина.

На данный момент в отношении термина Big Data наблюдается более-менее устоявшаяся дефиниция среди большинства экспертов. В ходе интервью были определены такие основные характеристики:

Большие объемы, не поддающиеся прямой обработке человеком;

«Big Data - кот в мешке, огромнейшие объемы данных, миллионы строк, если говорить о формате таблицы, которые просто так осмыслить невозможно, отсмотреть глазами и увидеть закономерность не получится.»

Маргарита С.

«Большими данными раньше называли потоки больше 100 Гб в день, а потом всё опять приходит к тому что большие данные для большинства компаний это то, что не влезает в Excel, и это тоже приемлемо, потому что для обработки такого массива данных больше 200 Мб начинают использовать PySpark.»

Елена Г.

«Это точно не то, что можно открыть в Excel. Это не структурированный поток данных, с ним нужно что-то сделать чтобы обработать и превратить в используемый вид. И, во-вторых, это невозможность использовать стандартные пакеты SPSS и Excel. Нужно подключать SQL и Python, кластеры, кто в чем работает. У нас это кластеризация, где мы обрабатываем информацию, используя распределение нагрузки на несколько кластеров, чтобы работать с большим объемом.»

Юлия П.

Отсутствие абсолютно строгой формулировки на уровне индустрии, но наличие некоторого классического термина в технологической литературе;

«Это хайповое, но эфемерное понятие, про него все любят поговорить. Нет понимания, когда data становится big.»

Маргарита С.

«Сейчас бесполезно давать единую дефиницию и пытаться привести всех к единому языку, потому что само понимание технологии и ее применимость очень разнится.»

Елена Г.

«Я, если честно, не очень поняла Ваш вопрос, потому что есть определение, что такое Big Data. А личное восприятие… Для меня странно. Есть определение, и оно верно, а всё остальное - необъективное мнение пользователей. Для меня как для потребителя обработанных или необработанных данных оно существует, и оно есть. Большое количество данных накапливается, и оно обрабатывается, но у меня нет какого-то личного восприятия этого. Как классическое 4V.»

Татьяна С.

Работа в таких данных идет на уровне отдельного события, которое можно рассмотреть детально;

«У меня есть лаконичный ответ. Это любая технология, основанная на данных уровня события, не агрегированных, а уровня события. Транзакция ли это, некий атом мира измерений. Не исследования на агрегированных данных, а на уровне события. Не среднее значение изменения, а каждый раз, в частности. Сперва это позволила машинная составляющая обрабатывать, не так давно не было в доступе компьютеров, и целая индустрия работала на то, чтобы можно было пользоваться результатами анализа. А сейчас появились возможности аппаратные работать, и пришли возможности измерять данные уровня события.»

Александр А.

Невозможность только на таких данных предусмотреть все доступные пути использования и причинно-следственные связи

«I like the definition from Viktor Mayer-Schonberger and Kenneth Cukier of the key characteristic of big data being typically that n= all (of whatever you're looking at, rather than a sample), and most importantly, it has multiple applications of which not all can be determined in advance. So, its value evolves over time. And it requires that we don't worry about causation, we live with correlation - we know what but not why».//«Мне нравится определение Виктора Майера-Шонбергера и Кеннета Кукье о том, что ключевой характеристикой больших данных, как правило, является то, что они n = all (независимо от того, на что вы смотрите, а не образец), и, что наиболее важно, они имеют несколько применений, из которых не все можно определить заранее. Таким образом, их ценность развивается с течением времени. И это требует, чтобы мы не беспокоились о причинно-следственной связи, мы живем в рамках корреляции - мы знаем что-то, но не знаем, почему так».

Ник Н.

«Тут такой вопрос, что есть фокус-группы, опросы, и как раз данные позволяют этого избежать. Потому что это человеческий фактор всегда. Ты можешь случайно соврать, приукрасить, исказить информацию. Когда у тебя есть данные, ты точно знаешь, что сделал человек. Сложно уйти от правды. Но тут важна точность. Ты когда интерпретируешь, вносишь субъективное. Или, когда у тебя есть набор данных и нужно найти связи, иногда может тут сработать неточность. Большая проблема в том, что сейчас в агентствах мало специалистов, которые в этом что-то понимают. Мало кто понимает, зачем это нужно, и, во-вторых, сейчас делают всякие тесты, ты учишься на ошибках - покупаешь данные, делаешь размещение, а оно не сработало. Клиент не очень доволен. Иногда всё сводится к тому, что гипотеза просто не сработала.»

Лилита Б.

Затрагивая тему применения в медиа, важно отметить, что многие эксперты отмечали сложности в использовании данного комплекса технологий:

Хранение таких данных

«Есть колоссальный разрыв между компаниями, которые занимаются услугами или продуктами и данными на уровне 1000 пользователей и когда у вас 2 млрд пользователей. Здесь количество переходит в качество, и практически всё, что касается данных, происходит по-другому. Хранение данных. Проблема двухсторонняя - одна сторона это исключительно кол-венные данные, а все усложнения возникают потому что данных очень много, они очень разные и используются по всему миру, а у людей должно быть ощущение что между их запросом и результатом проходят доли секунды.»

Константин С.

Непосредственно извлечение знания из данных может быть затруднено изначально неправильным их сбором либо же нехваткой ретроспективных данных

«Вторая сложность здесь в том, что данные постоянно меняются. Половина запросов Google каждый день - никогда раньше не возникали. (…) Поэтому второй аспект ситуации, когда взаимодействие новое и мы не можем ориентироваться на предыдущий опыт ставят совершенно новые вопросы. На часть из этих вопросов можно ответить с помощью машинного обучения, а часть -- это ситуация, когда можно отработать только качественными данными. Это когда у нас есть новый продукт, например появились смартфоны, и неясно, какое место они будут занимать в жизни, потому что таких данных еще нет.»

Константин С.

«Большинство компаний пережили разочарование в больших данных в прошедшие 3-5 лет, потому что недостаточно просто данные собирать, недостаточно хранить, потому что это дорого. В процессе накопления становится понятно, что не все данные одинаково полезны, что их нужно определенным образом было собирать и хранить, и структуру поддерживать, а еще обогащать внешними данными. Поэтому пресловутые большие данные Медиаартели оказываются просто пшиком, потому что они не умеют ее размечать и принимать на ее основании решения. Данные не имеют смысла, пока мы не извлекаем из них пользу.»

Елена Г.

Дороговизна

«Мы бы хотели это использовать, это здорово и классно, но, к сожалению, нет ни времени, ни рук, ни денег. Я бы использовала большие данные для разработки рекламной кампании и правильного взаимодействия с аудиторией, но это правда стоит больших денег. Мы вечно экономящие на бюджете бизнес-модели, поэтому пока нет.»

Татьяна С.

«Cultural challenges, balancing the tactical (from data analysis) with more strategic insight, technical challenges (getting the data in the right place), resourcing challenges (building and retaining a team) and budget - data analysts are expensive!» // «Вызовы, связанные с культурой, уравновешивание тактических (из анализа данных) с стратегических инсайтов, технические проблемы (получение данных в нужном месте), ресурсы (создание и поддержание команды) и бюджет - аналитики данных стоят дорого!»

Ник Н.

«Монополистом у нас сейчас является Mediascope. Они сейчас очень дорогие для маленьких каналов, большое кол-во каналов имеет маленькие цифры, которые нельзя сверять из-за погрешности выборки, цифры небольшие. Но прежде всего проблема - это деньги, за последние 3 года сумма увеличилась очень сильно.»

Регина Ю.

Практики только начинают нарабатывать

«Об эффективности сложно говорить, потому что большая часть данных медиа зашифрованы, и достать свободный датасет даже для обогащения почти невозможно. Только в последние годы появились датасеты New York Times, они целенаправленно занимаются анализом контента и пользовательского поведения. Но о чем можно говорить, если New York Times это одно из немногих больших изданий, которые это развивают? Проблема не в том, что в России это не нужно - это тоже нужно, просто нет основы, на которой надо надстроить. Там люди копили годами, а наши хотят скипнуть ошибки и перейти к результату, и это фундаментальная проблема.»

Елена Г.

«Сейчас все начинают это использовать, понимать, как это делать, и здесь есть несколько проблем:

- как простраивать метрики;

- кадры, функционал, потому что это дополнительные навыки для сотрудников, которые ими не владели, и нужны либо новые люди, либо обучение для людей;

- готовность рынка к новым измерениям. На любом рынке, на ТВ или интернет (ТВ просто тоже сейчас связан с digital, потому что они транслируют каналы на сайтах и тоже заинтересованы в измерениях). Но не все не всегда готовы поменять цифры, потому что изменение в расчетах -- это всегда изменение цифр. Изменение подходов на рынке встречает барьер.»

Юлия П.

Вопрос о непосредственной необходимости использования таких технологий

«С одной стороны, это безусловно применимо. Большие данные применимы почти везде, кроме создания, типа в искусстве, хотя и там что-то делают. Человеческое действие. Но в историях, где можно что-то оптимизировать - там применима. Есть полу-этический момент с тем, что есть датчики на колесе, которые для безопасности. Есть контроль за пациентом. А мы говорим про медиа, и там это может использоваться для таргета, но у нас такая другая среда с точки зрения крайней необходимости. Никто не умрет, если не будет больших данных в этом. Если датчик на колесе сообщает, что что-то идет не так, это вопрос жизни.»

Маргарита С.

«В нашей компании есть данные людей, которые являются нашими подписчиками, которые мы собираем, что они читают, когда, где читают, как покупают подписку или не покупают. По факту, мы не обрабатываем дополнительные данные, то есть, мы не знаем, сколько им лет, чем они увлекаются, ходят ли они в кино или театры, что они читают. Мы проводили небольшие исследования, и опять же это исследования касаются групп 100 человек, не более. (…)

У любого исследования есть цель, и мы понимаем, какие данные хотим получить. Когда мы делаем фокус-группы, мы больше хотим поговорить с людьми и обсудить, почему это плохо или хорошо. Мы хотим улучшить продукт по пожеланиям лояльных читателей и аудитории, которая читает часто, точно раз в день, и конкретно под них улучшить сервисы. Поэтому мы делали фокус-группы и хотели понять их поведенческое. (…) Если мы говорим про анализ больших баз данных, они у нас не накоплены в том формате, чтобы мы использовали те или иные технологии по обработке этих данных. Следовательно, нам нужно было бы обратиться в стороннюю компанию, чтобы анализировать аудиторию, и не факт, что это была бы наша лояльная аудитория. Поэтому мы пошли по обычному пути и обратились с конкретными вопросами к тем, кто нас уже читает.»

Татьяна С.

Разница между заявлением об использовании такого комплекса технологий и реальным его применением

«В медиа есть два направления. Первое - когда присутствует некое заявление о больших данных. Понятно, что под технологией каждый волен понимать, что хочет. Это просто технологии, где много данных, и считают, что это нормальный термин для позиционирования таких продуктов. Медиа как массовая коммуникация сейчас только начинают использовать эти технологии, но более и более успешно. Технически это использование возможно в каждом медианосителе, начиная от performance-каналов цифровой коммуникации, где все алгоритмы построены на больших данных, и заканчивая самыми традиционными носителями как наружная реклама, где можно успешно отслеживать контакты и понимать, с кем контакты произошли.»

Александр А.

Сложности в обработке и верификации, в том числе из-за нехватки кадров

«Проблемы, с которыми сталкивается компания - структурирование больших данных, отсутствие единых стандартов/технологий сайтов, открутки рекламы, динамичность развития web-технологий, стремеление площадок к закрытости.»

Дмитрий З.

«Качество данных - важно. Никто не проверяет, насколько данные хороши и правдивы. Например, мы разместили продукт, но сегмент не сработал, продажи упали. Но мы даже не можем понять, почему так вышло, залезть внутрь этих данных. Мы купили, разместились, но не получили результатов. Люди, которые предоставляют данные, когда что-то не срабатывает, они не несут ответственности и не дают гарантий того, что их данные стоит купить.»

Лилита Б.

Восприятие темы на уровне компании

В данном блоке мы изучили различные подходы к использованию технологий больших данных в компаниях, где работают эксперты, а также рассмотрели вопрос отношения к законодательным инициативам и их влияние на деятельность международных компаний. Для начала, рассмотрим основные профили применения таких технологий, которые мы выделили в ходе экспертных интервью:

Анализ пользовательского поведения

«Gemius собирает большие объёмы данных о поведении пользователей в интернете, потреблении других медиа, о рекламных кампаниях. Для расчёта статистики медиапротребления, веб-аналитики, аудита рекламных кампаний в разных странах.»

Дмитрий З.

«Инсайт был о том, что в целом когда м размещаемся на TV или в digital это всегда соц.дем. Ты разместился, потом посмотрел рейтинг, но ты никогда не знаешь, достиг ли ты аудиторию и купит ли она твой продукт. Надо было понять, как найти людей в TV, которые заинтересованы в твоем продукте. Мне кажется, думать начали об этом в 2011 году, а решение появилось в 2017 году. Мы нашли выход - объединить данные с помощью алгоритмов, выборок и статистического анализа с данными Ромира о покупках. Они знают медиапотребление. Наши математики через связи смогли проанализировать общее медиапотребление, связать его с покупками. Там 13000 где-то респондентов, по которым мы знаем и медиапотребление, и покупки. Как мы можем таргетироваться на реальных покупателей.»

Лилита Б.

Создание портрета аудитории

«Yes, we look at our users' signed-in behaviour while they are reading News, or watching TV on demand, or listening to audio on demand. From this we can draw insight about what programmes work well with which audiences - by age, sex and region - and we can use the data to build segments, to build recommendations based on an individual's own viewing and listening, or choices made by people like them, or recommend similar content to what they watched. There is no doubt that there is more value to be gained in media, but at the same time, we know that it is a creative industry. Big Data (BD) will not produce a great drama (not yet anyway!) but it will help us identify gaps in our offer that can then be used as creative stimulus for content makers. I think it's early days - until the business is more familiar with all the potential of machine learning, we are sure to be missing an opportunity. » // «Да, мы смотрим на поведение наших пользователей, когда они читают новости, либо смотрят телевизор по запросу, либо слушают аудио по запросу. Из этого мы можем получить представление о том, какие программы хорошо работают с какой аудиторией - по возрасту, полу и региону - и мы можем использовать данные для построения сегментов, для выработки рекомендаций, основанных на собственном просмотре и прослушивании человеком, или выборе, сделанном такими людьми, как их, или рекомендовать содержание, подобное тому, что они смотрели. Нет сомнений в том, что в медиа можно получить больше пользы, но в то же время мы знаем, что это креативная индустрия. Большие данные (BD) не создадут великолепную драму (пока что нет!), но они помогут нам выявить пробелы в нашем предложении, которые затем можно будет использовать в качестве творческого стимула для создателей контента. Я думаю, что это первые дни - пока бизнес не ознакомится со всеми возможностями машинного обучения, мы наверняка упустим возможность.»

Ник Н.

«Большие компании и СМИ делают исследования, не чисто количественные и на большие данные, а направленные на понимание того, как человек пользуется, что хочет узнать, как делают это у конкурентов. Но это проходит через исследовательские компании. (…) Ну вот в плане портрета есть такие вещи, как нейросети, когда сначала опрашивают людей и на их ответах обучают нейросети, которые потом определяют пользователей по разным классам. Эти классы строятся на опросных исследованиях, фокус-группах, чтобы понять, какие есть пользователи. Это зависит от этапа развития СМИ или социальной сети. Проводят, когда хотят ввести новую фичу на реальных людях, строится методология, и после того, как данные были собраны, они прогоняются через нейросеть. Кажется, Mail.ru и Kantar делали в 2019 году такое.»

Юлия П.

Анализ текстов

«У нас два фокуса - анализ социальных медиа, мы делаем исследования рынка, нам нужны люди и информационное поле. Анализируем тексты того, что пишут в социальных сетях (Инстаграм, YouTube, форумы, СМИ, отзовики и так далее). Соответственно, что пишут на интересную нам тему. Вторая задача, которую мы пытаемся решить - кто говорит. Сегментация, профилирование людей. Основная, 99% того, что мы делаем - анализ текстов, что говорят. Интереснее узнать отношение без привязки кто. Технологии меняются постоянно, и здесь происходит сильная дифференциация между Россией и Европой, где GDPR. Готовая статистика может быть и на больших данных, но это всё еще не большие данные, потому что трекеры стоят у 100 000 человек по России, из которых под исследование отбирается еще меньшая группа. У нас это обычно так, что есть запрос на исследование, мы отбираем людей и берем их данные, но это не большие данные.»

Маргарита С.

Комплексный анализ потребления контента и товаров

«Nielsen как компания присутствует на многих рынках, в США мы наиболее представлены, нет натуральных законодательных и иных барьеров для этого. Там стерты границы между традиционными и цифровыми медиа. Работа идет на уровне события по профилю каждого контакта, по факту самого контакта. Вот, был контакт с человеком такого профиля. Естественно, с соблюдением всех законодательных требований. Имя человека знать не нужно, чтобы эффективно с ним коммуницировать.

В штатах это панель панелистов, достаточно репрезентативная. Панелисты дают свое согласие на замер медиапотребления. Плюс есть возможность привязать это к потреблению в рознице. Таким образом, получается обучающая выборка, чтобы научить системы контактировать с людьми понятным профилем. Огромное количество характеристик есть. Есть события, выборка факторов и фактов, при чем они могут меняться местами. Это не живет в виде линии жизни конкретного потребителя в части про товары повседневного спроса, это циклы, в рамках которых у человека есть потребление в выражении контактов с теми или иными носителями или теми или иными продуктами. Этого достаточно, чтобы найти аудиторию, которая интересна.»

Александр А.

«Была история, когда это не совсем привычные с точки зрения телевидения данные. Кабельные операторы отслеживают популярность каналов, которые они показывают, исходя из больших данных. У них есть показатели set-top box, и многие из них могут видеть, какова смотрибельность того или иного канала. Но проблема в том, что с точки зрения регулярного анализа это просто массив данных, нет показателей доли, рейтинга, социально-демографических показателей, которые очень важны при принятии решений. Это просто огромные массивы данных, которые важны скорее при принятии решения о подключении того или иного канала. Обычно каналы отдают контент и сигнал и получают за это сумму от операторов. Сумма не зависит обычно от популярности каналов, но так или иначе каналы могут поднимать стоимость в зависимости от тех рейтингов, которые они видят, грубо говоря, что ради этого канала люди могут покупать пакет или подключаться к оператору. В таком чистом виде использование данных на телевидении я не припомню. Есть компания, которая называется Mediahills, которая пытается, как и А2, совместить классическую методику ТВ-измерений сочетать с большими данными. Mediahills заключает договор с кабельными операторами по стране, берет их данные, обрабатывает. (…) Mediahills пытаются на основе данных от кабельного оператора предполагать, кто живет в этом семействе исходя из того, что они смотрят. Но это не все данные, а только IPTV, что уже дает большой перекос. Соответственно, это другие телевизоры. Это не совсем репрезентативно с точки зрения социологии, но тем не менее. Они выглядят привычно для телевизионного рынка. А2 это компания, которая принадлежит Триколору, и они тоже анализируют данные people-метров на базе Триколора, это не совсем история Big Data, как у Mediahills, но они собираются анализировать данные со всех современных set-top box, чтобы увеличить качество выборки.»

Регина Ю.

Тестирование гипотез, заголовков

«We can use it in multivariate testing of new online product features, and test different editorial headlines, images, and so on. It is far better in some ways than traditional research, but of course only applies to signed-in users' signed in behaviour which is only a fraction of all use of the BBC» // «Мы можем использовать его в многомерном тестировании новых онлайн-функций продукта, а также тестировать различные редакционные заголовки, изображения и так далее. В некоторых отношениях это намного лучше, чем традиционные исследования, но, конечно, относится только к зарегистрированному поведению вошедших в систему пользователей, что является лишь частью всего использования BBC.»

Ник Н.

«Есть пара примеров. Иногда бывает, что количественный анализ лучше, иногда наоборот. Моя команда работала над продуктом, который на мобильном телефоне показывал информацию в виде потока данных. Глядя на логи, руководитель сказал, что есть часть интерфейса, с которым хорошо взаимодействуют, а есть те, с которыми ничего не делают, и поэтому давайте их уберем, потому что с ними ничего не делают. Но мы видели, что это не укладывается, и люди, которые использовали приложение сказали, что есть полезная информация - та, которая идеально сделана и нам не нужно ее трогать, чтобы менять, а есть те, которые нам нужно настраивать. И интерпретация на основании качественных исследований может меняться кардинально. (…) При переходе в реальный мир объем данных, которых у нас нет увеличивается. В онлайне система видит всё, что показывает разработчик. В реальном мире она не видит ничего. (…) Ограничение на количественные исследования тут более явно проявляется.»

Константин С.

Создание контента и гибкие системы

«Мы знаем, что есть типы контента, которые точно нужны. Например, вы работаете с Facebook и хотите найти какую-то кнопку. Просто бороздя просторы настроек это сложно. Вы можете погуглить и найти руководство, но это писали люди на основе того, что им дали инженеры интерфейса. Но это пишут за время, и система уже изменилась. Есть проблема сложных систем, что невозможно создать инструкцию. Руководство пользователя всегда устаревшее. (…)

Если у вас 2 млрд пользователей, вы не сможете делать контент, который делаете только вы - вам просто его не хватит в какой-то момент. С одной стороны чтобы люди были вовлечены, а с другой стороны компании как Google есть очень большое отличие - Google скорее создает, как и Facebook систему, где пользователи скорее сами могут генерировать контент. Здесь влияние компании на контент другого типа, не такое, как у медиа. Я бы сам набрал вам текст и не менял бы его, а передавал, как есть. Хотя все крупные компании, как и Facebook так устроены что элементы медиа тоже присутствуют.»

Константин С.

Оптимизация алгоритмов подбора контента и персонализация

«Все поисковики и Facebook персонализируют подборку результатов. Здесь важно 2 момента: то, что влияние на людей оказывает много чего, но человек это автономная система и сам решает, наш мозг очень адаптивная и мощная система, мы учимся (как пример, баннерная слепота), второй момент то, что основная задача крупных компаний - предоставить услугу вам лично, потому что вы являетесь определителем того, успешно это или нет. Пользователю ничего не стоит переключиться, основная цель крупных компаний не просто продажа рекламы, а для них приоритет пользователей высок и порой выше, чем у традиционных компаний. Поэтому, когда говорят, что Facebook заботится меньше, он на самом деле заботится больше. Я думаю, что, если у компании будет 2 варианта развития: 1 - дать менее качественный контент для пользователя и сегодня получить больше денег, или 2 - дать качественный и сегодня получить меньше денег, они в 100% пойдут по второму пути. Они будут заботиться о пользователе, потому что компания уже успешна, если они заработают сегодня больше, ситуация меньше изменится, чем если они потеряют 1% пользователей. Поэтому массовое взаимодействие людей с другими улучшает качество, потому что компании обращают внимание на количество пользователей, это валюта для них. С другой стороны, компании больше обращают внимание на кач-во взаимодействия, на то, чтобы вы получили то, что вы хотите. Поэтому опасения что Facebook будет менять поведение - опасение людей самих себя. Если человек хочет сидеть на Facebook и смотреть новости в ленте - Facebook будет давать это, потому что пользователь этого хочет.»

Константин С.

Теперь обратимся к общему взгляду на законодательные инициативы. На уровне рынка можно выделить отдельную специфику влияния глобальных законодательных инициатив и локального российского подхода (так как ряд компаний представлены и российскими офисами). Во многом, наличие российской специфики рынка пересекается с глобальными политиками в компании, и есть много вопросов в экспертном сообществе относительно эффективности реализации текущего законодательства:

«Мне кажется, вопрос в том, что закон на территории Российской Федерации работает не всегда эффективно, особенно закон в сфере обработки и хранения персональных данных. Многие компании включая известные передают и продают данные других лиц при этом не имея даже соглашения.»

Татьяна С.

«Конечно, GDPR как инициатива хороша, с учетом того, сколько вскрылось проблемных точек. В принципе, конечно, способ привлечения внимания к проблеме - это хорошо. Другой вопрос что ни один регулятор не способен обеспечить безопасное хранение данных, всё равно будут делать по-разному, поэтому единой системы еще нет.»

Елена Г.

«На мировом уровне GDPR усложнил работу наших глобальных коллег. Изменились форматы выгрузок, упоминания на точность, добавилась необходимость скрывать лица на фото. Возникли ограничения. Нас лично это не очень коснулось, только в глобальных проектах. На российском рынке как работали, так и работаем. В России есть ограничение на сбор персональных данных, но законодательство регулярно обходят. Есть много компаний, которые работают откровенно нелегально, я не знаю, как они обходят законодательство. Например, у нас запрещен парсинг, но есть не один сервис, который это делает. У Вконтакте открыто API.»

Маргарита С.

При этом, в текущих законодательных инициативах видятся и плюсы, такие как улучшение репутации бренда и формирование основ будущей законодательной системы, которая будет развиваться по мере распространения технологий:

«На рынке влияет похуже, приходится придумывать новые способы, всё корректно закрывать, чтобы один сотрудник не видел, что видит другой, например о данных панели (адрес, поведение и так далее). Иначе это уже не обезличенная информация. И таких мелочей много. В обработке данных может быть маленькие компании могут выжить без соблюдения закона, то большим комп приходится менять всё для соблюдения закона. Это требует разработки, аналитики, метрик. Тяжелее. С точки зрения бренда и доверия это улучшает состояние.»

Юлия П.

«(…) GDPR они нацелены на одно - когда технология станет применяться повсеместно, данные конкретных пользователей должны быть защищены, хотя бы с точки зрения инфраструктуры. Потом законы допишут. Они в первую очередь нацелены на то, чтобы настроить инфраструктуру и базовые правила работы с данными так, чтобы это не травмировало конечного пользователя. Единый измеритель в данном контексте это просто нечто, что будет их использовать, и да, в мире медиа это будет более заметной историей, но, наверное, даже не маркетинга.»

Александр А.

Комплексное восприятие ситуации на рынке

Ключевыми стали вопросы о возможности разработки единых метрик для анализа аудитории цифровых медиа, а также важные темы о проработке открытости в обмене данными и создании единого измерителя. Также в этом блоке затронуты темы этики в сборе данных и общая оценка возможностей технологий больших данных как метода в исследованиях аудитории (в частности речь идет о необходимости комбинировать их с иными исследовательскими подходами для получения более целостной картины). Однако, как и на российском рынке, на глобальном уровне эксперты выделяют несколько ключевых причин, сдерживающих обмен такими данными:

Возможная небезопасность такого обмена, ставящая под угрозу репутацию компаний, принимающих участие в обмене;

«Очень сложно выстраивать взаимодействия, где есть прямой конфликт интересов. Даже если все договорятся что конфликта нет, возможность этого есть. Большинство ограничений связано не с тем, что какая-то компания возьмет и разовьется лучше других, а с тем, что пока есть минимальный риск утраты, потери контроля над персональной информацией пользователя, данные будут внутри закрытых экосистем. Даже если есть теоретическая возможность этого. Как ситуация с Facebook. Какой-то фактической катастрофы не случилось. Другое дело, что тот, кто не должен был получить доступ к персональной информации, его получил, и сам факт нанес огромный ущерб репутационный и возможно финансовый.

Агрегированные данные не могут быть персональными, они содержат инфу про группу объектов. Большие данные всегда персональные, возможно, там только не хватает идентификатора человека. На больших данных теоретически можно выйти на конечного пользователя, а на агрегированных - нет. Пока данные есть у одного издателя в его экосистеме, они надежно защищены, и только от него зависит, выйдут они наружу или нет. Обмен - возникает возможность того, что они выйдут наружу, и поскольку сама возможность влияет на репутацию, это естественный барьер в обмене данными.»

Александр А.

«Мы здесь не то, чтобы выгодно или нет, мы исходим из другого. Для нас потребитель и человек, который оставляет нам свои персональные данные, он для нас очень важен. И мы по факту подписываем с ним соглашение о том, что мы не разглашаем его данные. И если мы будем обмениваться с кем-то этими данными, нам, получается, надо получить со всех наших пользователей согласие, официальное соглашение о том, что они готовы третьим лицам предоставить свои данные. А так как мы не берем соглашения о передаче данных, мы никому и не передаем. Мы говорим скорее про конфиденциальность наших потребителей.»

...