Использование персональных данных в маркетинге: законы и этика

В 1960–70-х годах появились первые дата-центры и реляционные базы данных — первые решения для работы с большим объемом информации. В 2005-м была запущена платформа Hadoop на основе открытого кода, чуть позже — аналогичная ей Spark: обрабатывать данные стало проще и дешевле. В 2008 году входит в употребление сам термин Big Data. Крупные компании уже изучают поведенческие модели пользователей, разрабатываются первые алгоритмы машинного обучения (ML), появляются новые решения для применения данных в разных сферах — от бизнеса до государственного управления. В Австралии, например, большие данные используют для устранения последствий чрезвычайных ситуаций, а в Испании сервис Madrid iNTeligente помогает управлять подрядчиками, которые отвечают за разные аспекты городской жизни: состояние улиц, освещение и ирригацию.

Классический прецедент — сотрудничество Cambridge Analytica со штабом Дональда Трампа в 2016 году. Cambridge Analytica использовала данные пользователей Facebook, собранные с помощью цифровой викторины, чтобы направить уникальную политическую рекламу на релевантные (и очень узкие) аудитории. При формировании сегментов было учтено больше 5 тыс. параметров: политические взгляды, любимые передачи, покупательские привычки.

Компании-брокеры продают данные, лидер рынка поисковых систем Google время от времени подвергается обвинениям в манипуляциях с выдачей, наконец, данные могут просто украсть. Особенно опасны утечки персональных данных, по которым можно идентифицировать человека: eBay, например, в 2014 году потерял персональные данные всей пользовательской базы, а это 145 млн человек. В сентябре 2021 года в сети появилась информация о том, что на хакерском форуме выставлены на продажу данные 1,5 млрд пользователей Facebook: имена, пол и возраст, номера телефонов, адреса проживания и ID.

Сайт Airbnb, например, опираясь на пользовательские данные, умеет рекомендовать интересные города, в которых пользователю скорее всего захочется побывать, и жилье с «привычной» для него ценой за сутки. А крупный косметический бренд Ulta создает уникальные предложения, основанные не только на истории покупок, но и на данных, которые указывает в профиле сам покупатель (например, «неровный тон кожи», «кудрявые волосы» или отказ от определенных компонентов в составе косметики).

Эффективные маркетинговые стратегии и новые инструменты часто разрабатывают с помощью технологий искусственного интеллекта. Пара примеров:

ML-алгоритм Next Best Action, который определяет вероятную дату следующей покупки клиента. Для корректной работы алгоритма нужна информация о заказах, просмотрах товаров и категорий: всего используется порядка 30 признаков (число и частота покупок за все время, средний чек и так далее). Когда информация собрана, применяется алгоритм «Градиентный бустинг»: он помогает определить, через сколько дней после последней активности клиенту нужно отправить письмо, которое приведет к следующей покупке.

Нейросеть на основе алгоритма Residual Neural Network (создана ученым, работавшим на Microsoft и Facebook), которая распознает объекты на фотографиях. Базовый алгоритм доработан так, чтобы нейросеть не только классифицировала вещи, но и запоминала их сочетания, и использовала их для формирования товарных рекомендаций в интернет-магазинах одежды.

Вслед за GDPR обновленные акты о защите данных приняли в других странах. В том же 2018 году в штате Калифорния был одобрен California Consumer Privacy Act (CCPA, вступил в силу в 2020-м). Каждый житель Калифорнии получил право запросить у компании информацию о том, как используют его данные, уточнить список третьих лиц, которым они были переданы, и потребовать удаления. А в 2019-м закон, вдохновленный GDPR, представил Китай. Местные регуляторы сразу же начали проверку популярных приложений. Доказывать, что они не собирают «лишние» данные, пришлось сервисам доставки еды, такси и навигаторам.

Мнения лидеров бигтеха обычно подтверждаются действиями. Большое количество функций для защиты данных предлагает Apple: в браузер Safari сегодня добавлена функция блокировки сторонних cookie, а приложениям из AppStore ограничена возможность отслеживать действия пользователей без их согласия. О планах по запрету сторонних cookie к 2023 году заявили в Google. Правда, дедлайн внедрения функции уже несколько раз переносился. Данные пользователей помогают продавать рекламу через AdSense: в 2020 году реклама составляла 81% доходов компании.

Важно, что Google при этом занимает 92% глобального рынка поисковых систем, 2/3 рынков веб-браузеров и веб-рекламы. В отношении компании неоднократно проводились антимонопольные расследования. Хотя формально Google не является монополистом: зарабатывая на рекламе, он конкурирует с миллионами медиа. Да еще и остается бесплатными для конечного потребителя, потому что зарабатывает не на нем, а на рекламодателях, которым «продает» пользователей через таргетинг. Аудитория Google и других ИТ-гигантов — это миллиарды человек, для которых сервисы давно стали частью повседневности. Защита интересов такого количества пользователей — еще один аргумент в вопросах необходимости отрегулировать работу с данными.

Разработать и популяризировать приложение. Собственное приложение — способ легально собирать данные. При регистрации пользователь указывает имя, номер телефона или почту, а внутри приложения изучает интересные ему сегменты, собирает разные корзины, реагирует на промо акции. То есть ведет себя наиболее типичным образом.

Не отказываться от таргета «вручную». Если площадка не дает таргетироваться на целевой сегмент автоматически, можно «собрать» релевантную для показа аудиторию вручную, задав нужные параметры в рекламном кабинете (look-alike). В небольшой компании структурировать клиентские данные и сформировать сегменты может команда аналитиков или отдельный специалист. Для крупного бизнеса лучше подойдут готовые ИТ-решения: например, аналитика CDP-платформы.