Сейчас существуют компании, которые собирают, анализируют и сопоставляют нашу информацию – а потом продают ее рекламодателям и друг другу. Раньше подобные компании специализировались на почтовых рассылках. Сегодня их называют брокерами данных. Раньше мы называли сферу их деятельности прямым маркетингом (директ-маркетингом). В цифровую эпоху мы называем это маркетингом отношений. Раньше они просто слали нам спам и каталоги. Сегодня они следуют за нами по всему интернету и посылают до жути конкретную рекламу, которая тоже следует за нами с сайта в электронную почту и на мобильный телефон. Важное различие состоит в том, что наша конфиденциальная информация покупается и продается как товар в огромных количествах – и, как правило, без нашего ведома.

Когда-то поставщиками подобной информации были издатели журналов и компании, выпускающие кредитные карты: первые знали, что вы читаете и где живете, вторые – что вы купили и сколько потратили. Производители брендов покупали списки имен и адресов у компаний, которые занимались прямым маркетингом, ориентируясь на демографическую группу и стиль потребления, а потом рассылали интересующим их людям материалы. Также они могли объединить эти списки со своими базами данных, которые составляли разными методами – c помощью конкурсов, лотерей или программ лояльности. Последние представляли собой золотое дно для желающих узнать, как тот или иной человек делает покупки.

Первыми сопоставлять информацию о самых лояльных потребителях стали авиакомпании. American Airlines запустила программу для часто летающих пассажиров еще в 1981 году. Позже, с появлением штрих-кодов и сканеров в магазинах, программы лояльности приобрели огромную популярность и вышли далеко за пределы авиаперелетов. Если у вас есть пластиковая карта аптеки или местного супермаркета, значит, вы участвуете в программе лояльности. Каждый раз, когда вы даете им свою карту, компании пополняют досье о том, что именно вы покупаете. Но это еще не все. Появляются групповые программы лояльности (например, Plenti), с помощью которых розничные сети, например, Rite Aid, Macy's, AT&T и Exxon, делятся данными о вашей одежде, сети контактов, привычках автомобилиста. И, как я указывала выше, речь идет не только о физически существующих розничных магазинах. Интернет-магазины тоже собирают данные.

По большей части это безобидная информация. В конце концов, кому какая разница, если вы скачали книгу на Amazon, приобрели бюстгальтер в Macy's или изучали модели велосипедов на сайте REI? Здесь не возникает проблем. Что вызывает вопросы, так это темы, которые, честно говоря, должны волновать только нас. Как правило, это три категории: здоровье, материальное положение, сексуальные предпочтения и склонности. Подумайте об этом. Забота о неприкосновенности частной жизни сводится к следующему: мы не хотим, чтобы другие люди знали, какие у нас проблемы со здоровьем, сколько мы получаем, кто наши сексуальные партнеры и сколько их. Но не нам решать, какую информацию о нас сохранят, и какую – нет. И мы почти не контролируем то, как используют собранные о нас данные и у кого будет к ним доступ.

В маркетинге данные находят самое разное применение. Например, в 2004 году компания Walmart использовала огромные объемы данных о покупках, чтобы выяснить, какие вещи люди покупают перед ураганами. Выяснилось, что это не только фонарики на батарейках и вода в бутылках, но еще и клубничное печенье Pop-Tarts, а также пиво. Такое ощущение, что люди готовятся к худшему, но когда это худшее произойдет, хотят хорошо провести время. Это довольно безобидное использование данных. В книге «Сила привычки» (The Power of Habit) Чарльз Дахигг объясняет, как компания Target определила, что девушка-подросток ждет ребенка, на основе «модели предсказания беременности». Грядущее материнство стало очевидным благодаря покупкам таких товаров, как витаминные добавки и лосьон с маслом какао. К несчастью, компания раскрыла секрет отцу девушки, прислав ей домой купоны на детские вещи и одежду для беременных.

Сами по себе данные бесполезны. Важную роль играют выводы, извлеченные из них. В случае с Walmart знание о покупках, которые делаются перед ураганом, позволило компании подготовиться к непогоде: они создали в магазинах большие запасы популярного печенья и пенных напитков. В свою очередь, Target рассылает купоны, которые, как они «знают», нам понадобятся, – а значит, когда мы окажемся в магазине, то положим в тележку дополнительные товары. Это важно, ведь 92 % товаров до сих пор покупают в офлайне.

Интернет-магазины, онлайн-СМИ, да и практически любые сайты, которые могут показать вам рекламу, собирают данные и манипулируют ими примерно так: с помощью файлов «куки» они следят за перемещениями пользователей в интернете и смотрят, кто купил их продукт, а кто нет. Затем они рассматривают общие качества тех, кто был «конвертирован», то есть сделал покупку. Информация, извлеченная с собственного сайта компании, называется данными первого порядка. Но рекламодатели хотят дотянуться не только до своих покупателей. Им хочется найти других людей, похожих на тех, кто уже купил их товар. Чтобы это сделать, компания моделирует похожих пользователей – использует известную информацию о людях, купивших товар, чтобы найти им подобных. Вот как это описала Сара Эванс из Great Courses: «В ходе обычной алгоритмической кампании с применением данных первого порядка – именно ее я имела в виду под моделированием похожих пользователей – мы используем на нашем сайте пиксели отслеживания… чтобы поймать абсолютно всех пользователей, которые приходят на этот сайт. Можно сказать, вы следуете за ними по всему сайту, смотрите, сколько страниц они посетили, узнаете, положили ли они что-нибудь в корзину, и следите за их действиями после покупки или "конвертации". То есть когда вы строите эти модели похожих пользователей, то теоретически смотрите на всех, кто приходит, отделяете только тех, кто сделал покупку, а потом определяете, каковы их общие свойства. Возможно, из 70 000 признаков общими будут только 250. Эта модель строится с помощью данных о людях, которые уже стали вашими клиентами. Создав такую модель, вы используете ее на биржах. Вы не будете вновь ориентироваться на тех же самых людей, но отправитесь в джунгли рекламных бирж и попытаетесь найти тех, у которых есть эти 250 признаков, имевшихся у клиентов, которые действительно конвертировались, – отсюда моделирование похожих пользователей. Вот такой способ добиться цели».

Еще один способ найти потенциальных клиентов – работать с крупными брокерами данных, такими как BlueKai, Acxiom или Nielsen, которые накопили сотни фрагментов информации о нас и теперь поставляют ее рекламодателям. Эта информация известна как «данные третьего порядка». Эванс объяснила мне, что более традиционный способ – установить поведенческие параметры, в которых заинтересован рекламодатель, и ориентироваться на людей, соответствующих ему, информация о которых уже имеется у брокера данных. Например, это могут быть люди старше 50 лет, которые собираются купить машину и ездят в отпуск дважды в год. Используя эти первичные и сторонние данные, рекламодатели затем работают с рекламными биржами и находят людей с похожими характеристиками, где бы они ни были в интернете.

Если говорить конкретнее, рекламная биржа – это платформа, на которой сайты, желающие продать рекламное место, вступают в контакт с рекламодателями, желающими купить доступ к потенциальным потребителям. Путешествуя по интернету, вы обязательно наткнетесь на сайт, который пытается продать рекламное место с помощью такой биржи. Пока загружается страница, если на ней есть место, доступное для торга в рекламном времени, информация о вас и об этой странице отправляется на рекламную биржу. Когда это происходит, биржа оповещает рекламодателей об аукционе и просит их делать ставки за рекламное место, которое вам покажут. Рекламодатели решают, сколько они готовы заплатить за ваше внимание на основе данных первого порядка, информации от брокеров данных или же того и другого. Допустим, они сочтут, что вы им подходите. Затем нужно определить, есть ли у них текущая кампания, которая соответствует информации, прикрепленной к файлу «куки». Конечно же, в аукционе за наше внимание участвуют многочисленные рекламодатели. Биржа отбирает выигравшую ставку, и реклама этой компании появляется на сайте. Весь этот процесс занимает миллисекунды. По информации Quantcast – компании, которая специализируется на торгах в реальном времени, «человек, загружающий страницу, вероятно, не имеет представления, что несколько рекламных компаний буквально бьются за право показать ему свой материал». Вот почему все это представляется таким обманчивым и отдает ложным спокойствием. Мы думаем, что перед нами всего лишь один сайт, а на деле это комбинация контента, собранного из разных источников.

Ключевую роль в этом процессе играют брокеры данных. Они взяли старую идею прямого маркетинга и умножили ее в десятки раз. Раньше такие компании собирали базовые демографические сведения – имя, адрес, возраст, пол, количество детей, доход, образование и т. д. В целом на одного человека, возможно, приходилось менее сорока единиц информации. Сегодня Acxiom, крупнейшая из этих компаний, утверждает, что проводит «более миллиарда глобальных транзакций данных в неделю» и что у нее есть «составленное на основе многочисленных источников представление о примерно 700 млн потребителей со всего мира, а также информация о демографической группе, сегментации по жизненному циклу, предпочтительных брендах и потребительских тенденциях почти каждого взрослого потребителя в США». Последнее означает, что на американца собрано по 1500 единиц данных. Информация добывается с помощью анализа посещаемости сайтов, а также из таких источников, как Почтовая служба США (она продает списки тех, кто меняет место жительства), результаты голосований, данные о регистрации автомобиля, заявления в суд (о банкротстве), те самые скидочные карты, которые вы носите у себя в бумажнике, – и многое другое. Эксперт по защите частной жизни Тип Спарапани объясняет: «Большинство розничных компаний начинают осознавать, что у них есть вторичный источник дохода… – данные об их покупателях, которые, возможно, такие же ценные или даже более ценные, чем услуга или продукт, которые они продают клиенту. Это новый источник дохода, который обнаружили многие компании». Компания Datalogix, принадлежащая Oracle, извлекает информацию из карт лояльности и действует при этом довольно широко. Согласно отчету ProPublica, у этой компании есть «информация о том, как покупатели более 1400 ведущих брендов потратили более триллиона долларов».

И это только начало. Информацию о поведении потребителей в офлайне превращают в цифровые данные и объединяют с данными о вашем поведении в интернете. Этот растущий тренд называют «онбординг». Компания LiveRamp, которую Acxiom приобрела в 2014 году, связывает эти виды данных. Например, продавец в магазине может спросить ваш адрес электронной почты, а затем магазин передаст эту информацию LiveRamp или другой подобной компании. Потом, когда вы используете этот адрес, чтобы зайти на сайты, с которыми у нее есть договоренность, их можно будет связать с вашими устройствами, и в конечном итоге – с именем. Конечно, не стоит забывать, что запрос на ваш адрес электронной почты был преподнесен как способ предложить вам скидку и оповестить о грядущих распродажах, а не как способ втайне накопить о вас побольше информации.

Еще лучше скрывает свою деятельность объединенная ныне Verizon/AOL. Verizon объединила файл «суперкуки», который работает на сотовых телефонах, с инструментом отслеживания AOL, присутствующим на 40 % сайтах, и теперь сочетает информацию о поведении пользователей в интернете и в офлайне. Это делается по умолчанию – пользователи никогда не соглашались на подобное и, вероятно, даже не знают о происходящем. Пытаясь понравиться большему числу рекламодателей, Twitter создала услугу под названием «Партнерские аудитории», которая позволяет компаниям искать у них людей, покупающих товары в определенной категории – например корм для собак. Объединив информацию о потребительских привычках (при покупке корма для собак) из Twitter с информацией от брокеров данных, маркетологи могут узнать, сколько человек посмотрели рекламу и в итоге купили товар определенного бренда. Это «святой Грааль» рекламы – доказательство того, что ее размещение привело к покупке товара.

Другие крупные компании, которые занимаются большими данными, – это, например, Corelogic, eBureau, ID Analytics, Intelius и BlueKai. Они разделяют нас на поведенческие категории, что очень похоже на психографику. Поскольку информации теперь гораздо больше, чем в доцифровую эпоху, выделенные сегменты могут быть очень узкими. У Datalogix 1800 сегментов аудитории: покупателей автомобилей они делят на готовых потратить максимум, автовладельцев и вероятных покупателей, а покупателей товаров широкого спроса – по категориям, брендам и товарам. Также выделяют потребителей с разным образом жизни – например, это могут быть матери школьников, «зеленые» потребители и спортивные фанаты. Особенный интерес для рекламодателей представляют люди, которые проходят через важные перемены в жизни, потому что они охотнее тратят деньги на несколько разных товарных категорий. Брокеры данных, о которых я наводила справки, с готовностью предоставляют информацию об этом сегменте. Например, люди, которые покупают новый дом, за полгода тратят на товары и услуги столько, сколько давно живущие в одном месте тратят за два года. В список этих товаров и услуг может войти что угодно, от чистящих средств до жалюзи и от нового холодильника до услуг местных компаний, например ресторанов и бензоколонок. Появление детей – это еще одна важная перемена. Не удивительно, что сеть супермаркетов Target заинтересовалась беременными женщинами. Она хочет, чтобы семьи завели привычку приходить в их магазин абсолютно за всем необходимым, ведь родителям младенца удобно делать покупки в одном месте, – и, конечно, эта привычка повысит прибыль магазина. У Experian, той самой компании, которая предлагает отчеты о кредитоспособности, есть отдельное маркетинговое подразделение, составляющее актуальный список семей, в которой ждут ребенка или есть новорожденные.

Чтобы понять, какие масштабы приобрел сбор данных о нас, рассмотрим Acxiom (у других брокеров данных работа организована очень похоже). Как и Datalogix, Acxiom распределяет нас по товарам, которые мы покупаем, медиа, которые мы используем, и отраслям, которые стремятся показать нам рекламу. Например, для людей, пользующихся социальными сетями, этот брокер данных может найти влиятельных рекомендателей и тех, кто подвержен влиянию; предпочитающих Facebook, Twitter или LinkedIn; а также тех, кто склонен выкладывать фото и видео. Если рекламодатель продвигает свои товары и услуги к началу учебного года (а сейчас этот период в году находится на втором месте по объемам продаж), то для него найдут абсолютно подходящего потребителя, ведь Acxiom выделяет такие сегменты, как «стильные студенты» (понравится брендам вроде Express и Diesel), «необходимая электроника» (для компаний вроде Apple, Best Buy и Samsung). Существует даже сегмент «ранние пташки» для потребителей, которые любят делать покупки заранее. Компания гордится глубиной предоставляемой информации. Вот как она рассказывает о потребителях, делающих покупки к новому учебному году, на своем сайте: «Вы можете добраться до потребителей, которые любят делать покупки за целых два месяца до начала учебного года. Или обратиться к тем, кто запасается за месяц до школы – и даже через неделю после начала учебы. Пакеты данных Acxiom ориентированы настолько конкретно». Кроме того, они делают похожее деление потребителей для одиннадцати других ключевых периодов в году, включая «Большую игру» (Супербоул), Рождество и День матери. В последнюю категорию входит информация о «Мужчине с путевкой», который, вероятно, «удивит заработавшуюся жену или достойную маму расслабляющим круизом или какой-то другой поездкой». Вот это конкретизация!

Чтобы наглядно увидеть, как работают брокеры данных и рекламные биржи, можно установить специальное расширение для браузера, и оно покажет, кто за вами следит и кто мечтает пичкать вас рекламой. Особенно полезны два таких расширения. Ghostery находит компании, которые собирают о вас данные, и рекламные агентства, которые следят за вами, когда вы заходите на сайт. Disconnect делает похожий анализ. Если вы установите приложение и зайдете на любой сайт, на экране появится список таких компаний. Среди них может оказаться DoubleClick (рекламная сеть, принадлежащая Google), крупные компании, работающие с данными (вроде AddThis), и рекламные биржи (например, BrightRoll). Когда я недавно зашла на Moviefone.com, Disconnect насчитало там 64 запроса на рекламу от таких компаний, как Rocket Fuel, BrightRoll, ValueClick и Datalogix; 10 запросов на аналитику, все от comScore; 1 запрос на социальный контакт от AddThis; 128 запросов на контент, в основном от DG, поставщика видеоконтента, работающего по алгоритмическому принципу. В целом поступило 200 запросов на информацию обо мне – ну ладно, о моем IP-адресе, – и всё это с единственной веб-страницы. Кроме списков Disconnect может представлять информацию в виде инфографики – показывать сайт, на котором вы находитесь, в виде кружочка со стрелками, каждая из которых указывает на логотип компании, отслеживающей ваши данные. Когда смотришь на эти логотипы, похожие на пузырьки, заполняющие экран, возникает весьма тревожное чувство. И оно усиливается, когда вы начинаете получать рекламу, не имеющую к вам никакого отношения. На днях я смотрела видеоролик, и в предварительной рекламе мне показали лекарство от биполярного расстройства. В прошлом меня бы это позабавило. Теперь остается только гадать о том, что же я делала, раз специалист по маркетингу из неизвестной мне компании счел, что мне необходимо это лекарство. Потом мне объяснили, что реклама лекарства была, вероятнее всего, ориентирована на определенную демографическую группу (женщин старшего возраста), но легче от этого не стало.

Недавно перед рекламодателями замаячила новая проблема: как следить за нами в ситуации, когда все переходят на мобильные устройства. Дело в том, что файлы «куки» работают на компьютерах, но не на смартфонах. Точнее говоря, они работают и там, но их функции ограничены, и они бывают разными в зависимости от среды (приложения или мобильный интернет) и самого устройства. Мобильные браузеры принимают основные файлы «куки», но не всегда принимают сторонние. Если вы пользуетесь приложением, «куки» можно сохранить (чтобы направлять вам раздражающую рекламу), но для каждого приложения они свои, – то есть их нельзя разделить с другими приложениями или с мобильным браузером.

Компании используют обходные пути, чтобы скомпенсировать это. Арвинд Нараянан, преподаватель компьютерных наук в Принстонском университете, объясняет это так: «Представьте, что у вас есть ноутбук и смартфон, вы в дороге и выходите в интернет через Wi-Fi… Рекламодатель, или иная компания, замечает, что два конкретных устройства постоянно заходят на сайт из одной и той же сети. Вероятность совпадения здесь равна вероятности того, что два человека путешествуют по одному и тому же маршруту, поэтому, если это продолжится, через какое-то время они сделают вывод, что этими устройствами владеет один человек. Теперь можно связать информацию из браузеров на обоих устройствах и получить более подробное описание вашего поведения в сети». Но такие проблемы исчезают по мере того, как компании вроде drawbrig.ge и Tapad учатся следить за нашими перемещениями между устройствами.

Сегодня контент, и особенно видео, смещается в сторону мобильных устройств, и возможность с легкостью интегрировать данные с разных гаджетов стоит очень высоко в списке приоритетов у рекламодателей. Я поговорила об этом с Карой Голдберг, PR-менеджером Virool, одного из главных дистрибьюторов брендированного видео на многочисленные устройства. Кара объяснила, что у ее компании есть три продукта: активное потоковое видео (например, предварительные ролики, которые показывают перед материалами на YouTube), игры и приложения в социальных сетях, а также новейший инструмент – встроенный видеомодуль. Когда вы читаете статью на сайте или на мобильном устройстве, встроенное видео отодвигает текст вниз, чтобы показать вам изображение, а звук проигрывается, только если вы наведете на него мышку. Это особенно интересно и эффективно для рекламодателей, потому что для них открывается новая категория рекламы. В то время как реклама в Facebook выглядит как очередной пост в ленте новостей, этот модуль внедрен в контент, а значит, его сложнее избежать. По данным Virool, коэффициент кликов для встроенных роликов составляет 2,3 %, в то время как для предварительных роликов это будет всего 0,8 %. Кроме того, мы тратим больше времени на просмотр этих видео (24 секунды против 5 секунд для предварительных роликов).

Еще одна компания, распространяющая потоковые видео в нативной среде, – LoopMe. Как сказал мне старший директор компании Карлос Круз, трансляция видео – это хорошо, однако их цель – как можно точнее нацелить это видео, используя собранные данные: «В нашей отрасли данным уделяют все больше внимания, а значит, происходит машинное обучение. Хотя нашу результативность пока еще оценивают менеджеры кампаний, искусственный интеллект уже занимает здесь лидирующие позиции. Он может не только проконтролировать разные измеряемые параметры, например, выявить недостаточно эффективный сайт, но и одновременно выяснить, что в определенный день и определенное время в течение недели тот же сайт может быть самым эффективным среди участвующих в кампании, – и распределить ресурсы соответствующим образом. Кроме того, искусственный интеллект может уделить пристальное внимание всем рекламодателям и следить за всеми их действиями, от масштабных до крошечных, уделяя им внимание круглые сутки». LoopMe может делать все это, поскольку собирает данные постоянно, даже когда не обслуживает мобильную рекламу. «С помощью нашей платформы для управления данными можно собрать до тридцати параметров на одного пользователя, как только мы получаем запрос на рекламу с мобильного телефона или планшета и еще до того, как покажем эту рекламу. Так мы собираем большие объемы данных о зрителях из первых рук. Их можно прослоить данными третьего (BlueKai, Neustar) или второго порядка (от рекламодателя-партнера) – и таким образом нацелиться гораздо точнее и с большей вероятностью достичь нужного зрителя».

Все это показывает, что, какую бы важную роль ни играли теперь большие данные, она станет еще важнее, ведь мы отправляем непрерывно растущие объемы данных посредством не только телефонов и планшетов, но и фитнес-браслетов FitBit, часов Apple Watch, а также любых других гаджетов, которые станут частью интернета вещей. Можно не сомневаться, что реклама найдет нас и на этих устройствах.