КУЛЬТ ПРОИЗВОДИТЕЛЬНОСТИ ИМЕЕТ СЛЕПОЕ ПЯТНО: ВЫ ОПТИМИЗИРУЕТЕ ДАННЫЕ, КОТОРЫЕ НА САМОМ ДЕЛЕ НЕ МОЖЕТЕ ВИДЕТЬ

Растущий скептицизм индустрии рекламы по отношению к маркетингу на основе эффективности вполне оправдан, однако критики не доходят до сути настоящей проблемы. Когда AdExchanger заявила, что маркетологи стали последователями «культу эффективности», аргумент был весомым: бренды гонятся за креативами, останавливающими внимание, передают решения по ключевым словам искусственному интеллекту платформ, и наблюдают, как автоматизированные продукты Google агрессивно делают ставки на собственное брендовое имя — поглощая органический трафик и называя это конверсией. Критика точна, и она справедлива. Но она рассматривает базовые данные лишь как переоцененные, тогда как более глубокая проблема заключается в том, что сами данные структурно ненадежны и находятся под контролем тех самых сторон, которые должны измеряться.

Рассмотрим механизмы. Системы атрибуции предназначены для начисления заслуг за конверсии, но, как ясно показывает отдельный анализ AdExchanger предложенной W3C системы измерения, эти системы регулярно путают внутреннюю склонность к покупке с убеждающим влиянием рекламы. Платформы оптимизируют показы под пользователей, которые уже, скорее всего, совершат конверсию, — тех, кто уже ищет, просматривает страницы товаров, активно проходит этапы воронки продаж. Затем модель атрибуции засчитывает последнее взаимодействие, которым почти всегда оказывается нижнепоточный канал, например, поисковая реклама, ритейл-медиа или ретаргетинг. Результатом становится структурное смещение: чрезмерно переоцениваются каналы, находящиеся ближе к наблюдаемой конверсии, и систематически недооцениваются телевизионные ролики, наружная реклама и брендинговые кампании, которые изначально создали этот спрос.

Это не ошибка округления. Это самоподдерживающийся цикл. Платформы сообщают о завышенной отдаче, маркетологи переносят бюджеты на эти платформы, и платформы накапливают ещё больше данных для дальнейшей оптимизации — и ещё большего преувеличения — собственного вклада. Тихое внедрение компанией Meta в марте «атрибуции по вовлечённости» является классическим примером: новая категория измерений, разработанная самой платформой, чтобы её собственная реклама выглядела более эффективной в рамках модели, которой она также управляет.

Между тем, как сообщили в MarTech, проблема заключается не в нехватке данных, а в недостатке связи между данными, которыми уже располагают маркетологи. Почти три четверти маркетологов используют социальные сети, однако именно в этом канале проблемы с прозрачностью наиболее остры. Целевые страницы находятся близко к конверсии, но редко объясняют, что именно повлияло на посетителей до их появления. Маркетологи знают, что произошло, но не знают почему, а ответы, генерируемые ИИ, поведение без кликов и активность через тёмные воронки лишь расширяют, а не сокращают этот разрыв.

Отрасль понимает, что что-то не так. Опросы ANA о прозрачности показали, что примерно 43% рекламодателей по-прежнему не доверяют прозрачности агентств — цифра, которая практически не изменилась с 2016 года. Эта устойчивая скептичность — не паранойя; это точная оценка системы, в которой те, кто ведут счёт, одновременно являются игроками, а правила игры записаны в проприетарном коде, скрытом за стенами защищённых сред.

Таким образом, стандартная критика — что маркетологи «слишком заботятся о показателях эффективности» — ошибочно определяет проблему. Никто не должен извиняться за стремление к подотчётности. Проблема в том, чтобы чрезмерно заботиться о метриках эффективности, точность которых вы не можете проверить независимо, и которые генерируются платформами, заинтересованными экономически в том, чтобы выглядеть незаменимыми. Культом является не сама эффективность. Культ — это слепая вера в цифры, предоставляемые людьми, которые извлекают наибольшую выгоду из вашего доверия к ним.

Структурное элегантность модели изолированного сада заключается в том, что она сводит всю цепочку ценности рекламы — таргетинг, показ, измерение и отчетность — к одному субъекту и затем требует доверять полученным результатам. Задумайтесь, что это означает на практике: одна и та же платформа, которая продаёт вам рекламные места, также определяет, что считается конверсией, решает, какие точки взаимодействия получат кредит, и формирует панель отчётов, по которой вы оцениваете, была ли трата средств оправданной. Независимой цепочки аудита нет. Нет и необработанного лог-файла, который можно проанализировать. Есть лишь отчёт, оформленный в фирменных цветах платформы, в котором вам сообщается то, что, по мнению платформы, вы должны знать о её работе.

Этот замкнутый цикл — не ошибка, а сам продукт. Как утверждает Эндрю Хилл из On Device Research, «закрытые экосистемы стали чрезвычайно эффективными в таргетировании рекламных кампаний, поскольку возвращают данные о кампаниях в свои системы и используют эти данные для таргетированной рекламы в будущем». Обратная связь сама усиливает себя: платформа собирает сигналы об эффективности, оптимизирует показы на основе этих данных, а затем представляет оптимизированные результаты как доказательство своей эффективности. Рекламодатель в свою очередь видит улучшающиеся показатели и увеличивает расходы, даже не осознавая, что наблюдает за системой, которая сама себя оценивает.

Мнение Хилла глубже, чем может показаться с первого взгляда. Он характеризует измерения в отрасли как деградировавшие в «простую формальность» — которую платформы могут поддерживать именно потому, что им «сходит с рук отсутствие прозрачности». Когда измерения носят чисто формальный характер, они не могут выполнять свою истинную функцию: выявлять, что работает и почему. Настоящий актив данных, утверждает Хилл, нельзя построить на туманных основаниях, «потому что в этом нет смысла». И тем не менее отрасль продолжает вкладывать средства в системы, построенные именно на такой неясности.

Этап презентаций рекламодателям наглядно демонстрирует, насколько уверенно платформы используют эту динамику. Когда вице-президент Amazon по продаже рекламы заявил, что их сигналы «не моделируются» и «не предполагаются», а «основаны на доверии», это красноречиво сказало о риторике — платформа просит рекламодателей принимать её измерительные данные на веру, именно потому, что исходные данные недоступны для независимой проверки. Fox тоже выступила с похожей позицией, подчеркнув «расширенные отчёты об эффективности более чем по 1000 кампаниям» из своего пакета AdStudio — отчёты, которые полностью генерируются внутри экосистемы Fox. Warner Bros. Discovery пошла ещё дальше, запустив панель измерения и приписывания результатов в режиме непрерывной работы, предназначенную для того, чтобы позволить рекламодателям оптимизировать свои действия для достижения результатов в реальном времени, всё в пределах закрытой среды сети. Каждое из этих предложений имеет одинаковую структуру: продавец одновременно является и судьёй.

Для партнеров и медийных покупателей, проводящих сплит-тесты в этих средах, последствия могут быть серьезными. Данные о конверсиях, поступающие в вашу систему оптимизации, не являются объективной истиной — это авторский портрет платформы, отраженный в метриках, выбранных платформой, и измеренный системами, контролируемыми платформой. Когда вы прекращаете показ креатива, потому что модель атрибуции Meta говорит о его низкой эффективности, или масштабируете кампанию, поскольку отслеживание конверсий Google показывает более низкую стоимость привлечения клиента (CPA), вы анализируете не реальность. Вы анализируете сюжет, сконструированный заинтересованной стороной. И чем более сложным становится ваш процесс оптимизации — чем он более алгоритмичен и автоматизирован, — тем полнее вы отдаете свою способность принимать решения этому сюжету.

Как отмечает MarTech, основная проблема уже не в отсутствии данных, а в «отсутствии связи между имеющимися данными». Закрытые экосистемы используют этот разрыв, предлагая привлекательную и логичную историю вместо реальной возможности отслеживания результатов всех каналов. Эта логичность и является ловушкой.

Разрыв между тем, что сообщают платформы, и тем, что на самом деле происходит в реальном мире, не является философской проблемой — это измеримый центр затрат, а иногда и просто ошеломляющая статья расходов. Рассмотрим ситуацию, которая произошла, когда компания Oakley запустила кроссплатформенную кампанию, призванную привлекать потребителей в реальные розничные точки. Изначально они придерживались стандартного подхода: использовали обширные данные аудитории от сторонних поставщиков, оптимизацию по умолчанию от платформ и стандартные метрики панели управления для оценки успеха. Цифры в отчетном интерфейсе выглядели достаточно правдоподобно: показы действительно осуществлялись, аудитория охватывалась. Машина работала так, как она сама утверждала.

Но затем компания ввела внешний фактор — независимо подтвержденные данные о местоположении, основанные на фактических посещениях магазинов, — и вся прежняя картина полностью развалилась.

То, что обнаружила Oakley, заключалось в том, что аудитории, которым предназначалась их кампания и которые выглядели совершенно здоровыми внутри собственной аналитики платформы, не заходили в магазины. Показатели платформы оптимизировались под косвенные признаки намерений, а не под фактические действия. Только после перехода от обширных сторонних данных к проверенным сегментам местоположения и привязки расходов на рекламу непосредственно к оффлайн-партнерам по измерению результативности кампания достигла сокращения стоимости посещения магазина на 98%. Перечитайте это число: девяносто восемь процентов. Это не постепенное улучшение, выжатое за счет более качественного креатива или усовершенствованной стратегии ставок. Это разница между доверием к показателям производительности платформы и измерением того, как производительность выглядит на самом деле за пределами панели управления.

Этот случай поучителен не потому, что Oakley допустили ошибку — они сделали то же, что и большинство брендов, — а потому, что он вскрывает структурные стимулы, действующие в системе. Алгоритм оптимизации платформы не лгал в прямом смысле. Он просто оптимизировал по тем сигналам, к которым имел доступ, и по тем целям, для которых был предназначен. Проблема в том, что эти сигналы были самореферентными: цифровые показатели вовлечённости работали по принципу обратной связи, питая систему, которая определяет успех на основе собственных же выходных данных. Как только в картину ввели внешний способ измерения, эффективность затрат кампании улучшилась не просто незначительно — она улучшилась на два порядка.

Эта же динамика проявляется в различных форматах и каналах, хотя зачастую её труднее заметить, потому что у маркетологов отсутствует внешняя точка отсчёта, делающая расхождение очевидным. Например, в нативной рекламе основным способом сравнительного анализа является сопоставление метрик вашей кампании с показателями, публикуемыми самими платформами, продающими рекламные инвентари. Как отмечает Brax в своём руководстве по отслеживанию эффективности нативной рекламы, платформы вроде Taboola регулярно публикуют отраслевые отчёты с эталонными показателями по CTR, CPC и конверсии, однако эти цифры являются «средними значениями, а не абсолютными», сформированными внутри экосистемы самой платформы, качеством её инвентаря и её собственными правилами атрибуции. Сравнивать себя с эталонными показателями, установленными самим судьёй, — это по сути заранее обречённое занятие. Вы можете превосходить средние показатели и при этом тратить бюджет впустую или уступать средним и при этом достигать реальных бизнес-результатов, которые метрики платформы не предназначены отражать.

Общей чертой в обоих случаях является обманчиво простой момент: как только маркетологи начали внедрять внешние измерения — будь то проверка оффлайн-визитов для Oakley или независимый анализ конкурентов в сфере нативной рекламы, — картина, которую ранее рисовала платформа, рухнула. Не потому что платформы фальсифицировали данные, а потому что их данные описывали замкнутую реальность, лишь слегка напоминающую реальные бизнес-результаты. Культ эффективности поклоняется не просто ложным метрикам. Он поклоняется метрикам, изъяны которых остаются незаметными, пока вы не выйдете за пределы храма и не посчитаете, что на самом деле лежит в приношениях.

Есть вопрос, который большинство специалистов по performance-маркетингу никогда не задают себе, хотя он должен не давать им спать по ночам: повлияла ли ваша реклама на поведение человека или она просто показалась перед тем, кто и так собирался купить? Разница между этими двумя сценариями — это разница между атрибуцией и эффективностью, и вся экосистема цифровой рекламы структурно мотивирована на то, чтобы вы никогда не замечали этой разницы.

Атрибуция отвечает на узкий вопрос: какая точка контакта получает кредит за конверсию? Эффективность отвечает на принципиально иной вопрос: какая точка контакта действительно повлияла на конверсию? Это не один и тот же вопрос, и смешивание их приводит к последствиям, выраженным в миллиардах неправильно распределенных долларов. Как утверждал AdExchanger, платформы все больше оптимизируют показ рекламы для пользователей, которые изначально склонны к конверсии, — потребителей, которые уже находятся на рынке, уже демонстрируют сигналы нижней части воронки, такие как поисковые запросы, посещения розничных магазинов и коммерческая активность. Системы атрибуции таким образом «рискуют спутать изначальную склонность к покупке с убеждающим воздействием рекламы». Уберите жаргон, и вывод будет разрушительным: платформа показывает вашу рекламу тому, кто и так уже тянется к кошельку, а затем утверждает, что именно ваша реклама заставила его это сделать.

Для маркетологов, ориентированных на результат, и партнеров этот вопрос не является академической дискуссией. Он носит экзистенциальный характер. Если ваш ROAS завышен за счёт спроса, который вы не создали, — спроса, который появился бы независимо от того, показывалась ваша реклама или нет, — тогда каждое оптимизационное решение, основанное на этих данных, исходит из лжи. Вы увеличиваете не то, что реально работает; вы увеличиваете то, что кажется, работает, в рамках системы измерений, созданной стороной, продающей вам рекламные показы.

Структурное искажение, которое при этом возникает, предсказуемо. Каналы, находящиеся ближе всего к наблюдаемой активности конверсии — поисковая реклама, розничные медийные сети, ретаргетинг, поведенческий социальный таргетинг — получают чрезмерное признание только потому, что находились рядом с кассой, когда был напечатан чек. В то же время каналы, которые действительно формируют спрос — брендинговая реклама, наружная реклама, премиум-видео, аудио — систематически недооцениваются, поскольку их воздействие носит вероятностный, отсроченный характер и не может быть целиком захвачено только по кликстрим-данным.

Именно это сделало кейс Oakley настолько поучительным. Реальная эффективность стала заметной только тогда, когда бренд полностью вышел за пределы системы атрибуции. Как задокументировано в отчете illumin, прорыв в кампании наступил благодаря «преодолению разрыва между цифровой рекламой и офлайн-измерением», что позволило маркетологам напрямую связать расходы на рекламу с реальными бизнес-результатами, а не полагаться на данные платформ. Снижение стоимости визита в розничный магазин на 98% было выявлено не моделью атрибуции — оно стало возможным благодаря выходу за ее пределы.

Возможно, самым поразительным моментом во всей этой ситуации является то, что даже организации, разрабатывающие стандарты, не могут четко провести различие. Черновой проект спецификации W3C для измерений на уровне браузера, по сообщениям, признает ценность рандомизированных контролируемых исследований — золотого стандарта установления причинно-следственных связей, — однако в документе по-прежнему неоднократно утверждается, что атрибуция может выявлять эффективность рекламы. Если организации по стандартизации, на которые возложена задача определять, как должно работать измерение, сами стирают грань между корреляцией и причинно-следственной связью, то какой шанс у отдельного покупателя медийной рекламы правильно понять это внутри панели платформы, разработанной для обоснования увеличения расходов на этой платформе?

Очевидно, ответ — никого. По крайней мере, пока они не будут самостоятельно добывать информацию из систем и партнеров, которые не заинтересованы финансово в том, чтобы ответ был определенным. Атрибуция показывает, кто стоял рядом. Эффективность показывает, кто на самом деле повлиял на человека. Пока маркетологи не осознают эту разницу, они будут продолжать оптимизировать процесс ради признания, а не ради причинно-следственной связи, и платформы будут с радостью этому способствовать.

В мире цифровой рекламы есть ниша, которая решила проблему данных платформы еще несколько лет назад, не потому что ее специалисты были более принципиальными, а потому что у них не было выбора. Аффилиаты и независимые медиапокупатели — люди, которые одновременно запускают нативную рекламу, кампании через push-уведомления и прямые рекламные предложения на десятках источников трафика — всегда понимали, что цифры, которые предоставляет платформа, это те цифры, которые платформа хочет, чтобы вы видели. Их выживание зависит от создания независимого аналитического слоя, который находится за пределами экосистемы, в которой они покупают трафик.

Логика предельно проста, и в статье о отслеживании эффективности нативной рекламы это изложено с необычайной откровенностью. Обсуждая бенчмаркинг, авторы отмечают, что сравнение своих результатов со стандартами отрасли — это \"по сути анализ конкурентов, только вы сравниваете себя со всей отраслью\", а затем добавляют это пояснение: \"Если можете, то ещё лучше!\" Эта оговорка, брошенная как будто невзначай, на самом деле является главной идеей данной статьи. Всё очевидно — если вы можете узнать, какую именно рекламу запускают конкуренты, как работают их креативы и как долго их кампании остаются активными, было бы глупо полагаться на подчищенные средние показатели, которые платформа публикует в своих ежеквартальных отчетах по бенчмаркингу.

Именно это и предоставляют независимые инструменты рекламной аналитики. Продукты вроде Anstrex, SpyFu и AdPlexity не просят разрешения у платформ на демонстрацию конкурирующих данных. Они сканируют сети, каталогизируют текущие рекламные объявления и отслеживают продолжительность кампаний — что является одним из самых надёжных показателей прибыльности, какие когда-либо были в отрасли. Если промо-страница партнёра работает на одном и том же источнике трафика уже шесть месяцев, вам не понадобится панель аналитики платформы, чтобы понять, что она эффективна. Продолжительность и есть данные. Это форма раскрываемой рынком истины, которая обходит все проблемы мотивации, изначально заложенные в самоконтролируемых метриках.

Более широкая индустрия только сейчас начинает осознавать структурную зависимость, которую это создает. Как недавно подробно описал MarTech, маркетологи страдают не от нехватки данных, а от отсутствия связи между теми данными, которые у них уже есть. Эта проблема усугубляется ответами, сгенерированными ИИ, поведением без кликов и активностью в темных воронках, которые создают взаимодействия, недоступные для отслеживания традиционными методами измерения. Маркетологи брендов смотрят на эту сложность и хватаются за ту панель управления, которую предоставляет им партнер-платформа. Аффилиаты смотрят на ту же сложность и идут создавать — или покупать — инструмент, который наблюдает за рынком извне.

Разница в позиции имеет огромное значение. Когда Таннер Элтон из Amazon сказал основным аудиториям, что сигналы компании «не моделируются» и «не предполагаются», а «основаны на доверии», он выдвигал утверждение, которое ни один рекламодатель в зале не мог проверить самостоятельно. Партнёры сочли бы смехотворным предложение доверять сигналам, которые нельзя проверить. Их уже слишком много раз обжигали источники трафика, завышающие качество кликов, сети, сглаживающие данные о конверсиях, и платформы, незаметно меняющие окна атрибуции посреди кампании. Вся их операционная культура построена на предположении, что если ты не можешь увидеть это снаружи, ты не можешь доверять этому изнутри.

Это не цинизм. Это эмпиризм — тот вид, который естественно возникает, когда на кону собственные деньги, и нет холдинга, который понесёт убытки. Остальной индустрии пошло бы на пользу перенять этот инстинкт до тех пор, пока кризис измерений не поглотил остатки их маржи.