Большинство думает, что персональные рекомендации применимы только на e-commerce сайтах. Но это не так. Сегодня посмотрим, какие крупные контент-проекты используют рекомендации для того, чтобы больше зарабатывать на рекламе. И как быть проектам поменьше.
Даже самый залежалый блогер из нулевых хотя бы раз пытался продавать «сапу». Нынешние школьнички наводнили Youtube своими летсплеями тоже не из бескорыстной любви к игровой журналистике. Короче, все хотят денег. Ведешь контент-проект — в принципе, имеешь право.
Контентный проект — это, по идее, любое медиа. Радиостанция, сайт с рецептами, Википедия, канал на twitch’e, микроблог в твиттере, федеральный телеканал, много всего. Такой проект может писать материалы сам или же публиковать чужие. Что их объединяет, всем известно. Способ монетизации.
Реклама и спонсорские посты — что выгоднее?
Собственно, реклама. Для того, чтобы сработали проплаченные публикации, нужно три условия: высокая посещаемость ресурса, авторитет личности автора и сам текст (если от последнего несет откровенной рекламой, пострадают все, от рекламодателя до самого сайта).
Для того, чтобы работал Google AdSense не нужно практически ничего, кроме самой рекламы и посещаемости. Соответственно, с ней меньше хлопот, все происходит автоматически: идет трафик, конвертируется в просмотры или клики, а счет пополняется.
Конечно, есть другие способы монетизации, вроде инфопартнерства, но это подходит далеко не всем. А реклама общедоступна.
Критерий успеха
Да, он фактически один. Просмотры. Это есть ключевое отличие контентного проекта от проекта e-commerce, мы об этом писали вот в этом ответе коллегам.
Чем сильнее пользователь залипает на сайте, тем лучше для владельца сайта. Дольше читает статью, смотрит не одну, а несколько статей, переходит из рассылок в интересные публикации. В электронной коммерции, наоборот, работает принцип: чем быстрее нашел интересующий товар и оплатил его — тем лучше для бизнеса.
И там, и там есть рекомендательные системы — такие алгоритмы, которые предлагают пользователю контент или товары, исходя из его интересов. Например, на Youtube после того, как вы закончите смотреть один ролик, вам порекомендуют видео того же автора или смежные по тематике. У рекомендаций на контент-сайтах единственная цель: подольше удержать вас как зрителя, читателя или слушателя. А дольше сессия — больше доход.
Года три назад некоторые youtube-блогеры массово включали в настройках своего канала опцию «запускать следующее видео автоматически после текущего», тем самым создавая себе еще больше просмотров (и доходов, соответственно).
Примерные доходы топовых российский Youtube-влогеров. Данные Whatstat.ru
Но рекомендации на контентных сайтах и рекомендации в интернет-магазинах, вроде «с этим товаром обычно покупают» — сильно отличаются. В контентных проектах рекомендации должны учитывать целый ряд особенностей.
Правила хороших рекомендаций в контентных проектах
Эти правила распространяются на контент-проект любой тематики.
Первое. Предлагайте добавки. Если пользователь читает сплетни о жизни звезд, то, наверняка он не будет против проглотить еще один слух после только что прочитанного. Система рекомендаций поможет выводить в специальном блоке миниатюры и ссылки на похожие статьи.
Второе. Подавайте новости свежими. Пользователь только что прочитал горячую новость о звездном браке, а в рекомендациях ему предлагают якобы похожую новость о якобы похожем событии, но — годичной давности. Сомнительно, что это заинтересует. У новости есть срок жизни.
Третье. Предсказывайте. Кто сказал, что человека, который в основном читает статьи о спорте, интересует только спорт? В рекомендательных системах есть коллаборативная фильтрация — метод, который предлагает контент на основе интересов пользователей, чье поведение было схожим с поведением текущего. То есть если большинство людей, читающих спортивные статьи, также поинтересовались обзором нового BMW, то и любому, читающему о спорте предложат посмотреть этот обзор. И, скорее всего, пользователь его посмотрит.
Собственно, одно из ключевых отличий персональных рекомендаций от, например, рекомендаций по хэштегам — полная автоматизация процесса. В первом случае рекомендация строится на основе автоматического анализа данных о поведении миллионов пользователей, во втором — на основе тегов, которые автор присвоил своим публикациям вручную. Разница огромная.
Четвертое. Разнообразнее! Есть такой термин, как Filter Bubble — когда стоит пользователю прочитать пару статей о теннисистке Ане, как весь сайт превращается в ее персональный новостной портал. Это распространенная ошибка. При внедрении алгоритмов рекомендаций нужно обязательно делать их смешанными — ведь с контентом как с едой: важно разнообразие.
Понятно, что после новости «Кейт Хадсон съела голубя» я хочу знать о ней всё. Но не помешало бы разбавить рекомендации, не правда ли, 7days?
Насколько глубока кроличья нора
Рекомендации интегрировались в нынешний веб настолько, что мы уже перестали их воспринимать, как что-то необычное.
Где, например, используются рекомендации контента:
- Все без исключения социальные сети — вам рекомендуют друзей, интересные сообщества и даже реклама персонализирована под вас.
- Все без исключения поисковые системы: Яндекс, Google, Yahoo! и так далее. Если вы чаще всего посылаете запросы на тему литературы — получите вариант справа, а если музыки и игр — вариант слева.
- Любой крупный сайт с кинообзорами: imdb.com или kinopoisk.ru
- Любой современный музыкальный сервис: last.fm или music.yandex.ru
- Практически любой новостной сайт: от крупных агрегаторов до узкопрофильных сайтов, например, igromania.ru
Понятно, что речь идет о крупных проектах, для которых разрабатывался свой, уникальный алгоритм рекомендаций. И, несмотря на наличие множества бесплатных библиотек для этого, разработка самих алгоритмов, да еще и с учетом отраслевой специфики, — штука дорогостоящая.
Даже относительно крупные и известные отечественные интернет-магазины, вроде Wildberries балансируют на грани самоокупаемости, что говорить о нетоповых контентных проектах. Лишнего бюджета на разработку рекомендательных систем у них явно нет.
Поэтому, работая над своей системой персонализации, мы со временем решили: рекомендации должны быть бесплатными. Также мы учли специфику контент-проектов в рекомендательных алгоритмах — однако, тут не стоит говорить о какой-то волшебной пилюле. В конце концов любой сайт уникален настолько, что любые механизмы, претендующие на звание универсальных, будут работать не на полную мощность.
Всем доступной персонализации.
