PDMP

Koncepcja:

Celem projektu jest przeprowadzenie badań przemysłowych i prac rozwojowych zmierzających do opracowania unikalnej platformy do zarządzania danymi osobistymi oraz ich przetwarzania na potrzeby marketingu cyfrowego. W rezultacie na rynku docelowym, określonym jako branża marketingu i reklamy, zaoferowana zostanie platforma pDMP (rozwiązanie technologiczne dostępne w formule SaaS), która umożliwi generowane danych jakościowych w postaci profili marketingowych (danych opisujących pojedynczego użytkownika). Obecnie rynek marketingowy boryka się z problemem niskiej jakości danych o użytkownikach, które ograniczają skuteczność kampanii reklamowych i ich konwersji (czyli zakupie przez użytkownika, który był odbiorcą przekazu reklamowego). Pomimo bardzo dużej ilości danych, ciągle brakuje efektywnych mechanizmów ich porządkowania, kategoryzacji klasyfikacji i przetwarzania na potrzeby marketingu. tj. danych jakościowych w postaci profili.

W ramach realizacji projektu zostanie opracowana i wdrożona nowatorska metodyka analizy i wykorzystania pozyskiwanych informacji o aktywności użytkowników internetu dla celów marketingu cyfrowego, obejmująca trzy zasadnicze elementy:

1. tworzenie indywidualnych profili odbiorców przekazu reklamowego (niekoniecznie rozłącznych), pozwalających na optymalne dopasowywanie przekazu do indywidualnych preferencji
2. identyfikacja zgodności zgromadzonych informacji opisujących użytkownika z utworzonymi profilami,
3. określenie modeli optymalnych strategii kształtowania i dostarczania przekazu reklamowego dla odbiorców o ustalonym profilu psychograficznym

Innowacyjność opracowywanej metodyki platformy opierać się będzie na integracji zaawansowanej wiedzy z zakresu marketingu, psychologii i informatyki.

Ponadto nowością będzie etyczne podejście do użytkowników (osób prywatnych – właścicieli profili) poprzez włączenie ich w funkcjonowanie pDMP, tak aby byli świadomi uczestnictwa w procesie przetwarzania danych, które ich opisują (profili). Mając wgląd w dane będą mogli je wzbogacać lub modyfikować zgodnie ze swoimi preferencjami, czyli mieć realny wpływ na otrzymywany potem przekaz reklamowy.

W porównaniu do dostępnych na rynku platform DMP, rezultat projektu będą charakteryzować następujące funkcjonalności:

• Etyczne wykorzystanie danych – poprzez zastosowanie modułu udostępnianego użytkownikom w celu zdiagnozowania ich zainteresowań, użytkownik stanie się świadomym konsumentem, będzie mógł wybierać jakie treści do niego docierają,

• Segmentacja użytkowników – poprzez zastosowanie unikalnej, autorskiej matrycy służącej segmentacji i zaimplementowanie metod wnioskowania pozwalających na wyciąganie konkluzji w oparciu o wiedzę eksperta, nastąpi powiązanie aktywności użytkownika z jego zainteresowaniami na wyższym niż dotychczas poziomie generalizacji,

• Wykorzystanie danych jakościowych we wnioskowaniu – dzięki zastosowaniu metod pozwalających na przetwarzanie informacji niepełnych i nieprezycyjnych, jak np. logika rozmyta, możliwe będzie rozszerzenie użytecznie wykorzystywanych danych o te, w których niesiona informacja ma charakter jakościowy, a nie ilościowy,

• Selekcja danych – dzięki zastosowanym mechanizmom wnioskowania, możliwe będzie wyselekcjonowanie tylko wartościowych danych, a co za tym idzie ograniczenie błędów popełnianych przez system przy dystrybuowaniu treści reklamowych, mechanizm wnioskowania będzie oparty o przesłanki psychologiczne, co pozwoli wyszukiwać konkretne informacje dotyczące użytkownika. W połączeniu z metodami uczenia maszynowego, pozwoli to wyselekcjonować te dane, które prowadzą do spójnych wniosków,

• Dopasowanie kampanii marketingowej do użytkownika – dzięki zastosowanej segmentacji opartej o wiedzę z zakresu psychografii marketingu, zainteresowania użytkownika będzie można zdefiniować na bardziej ogólnym, ale jednocześnie lepiej opisującym go poziomie. To pozwoli na dopasowywanie treści nie tylko na podstawie dotychczasowej aktywności, ale również zainteresowań i motywacji. Będzie to możliwe poprzez opracowanie i wykorzystanie matrycy służącej segmentacji konsumentów wraz z mechanizmami wnioskowania pozwalającymi przełożyć dane o aktywności na konkretne informacje psychologiczne,

• Indywidualne podejście – dzięki mechanizmom selekcji danych (m.in. segmentacja oparta o psychografię), możliwe będzie wybranie i wykorzystanie tylko tych wartościowych i bardziej indywidualna charakterystyka pojedynczego użytkownika, a co się z tym wiąże: lepsze dopasowanie treści reklamowych.

Współdziałanie opracowywanej platformy pDMP z innymi elementami współczesnych systemów reklamy cyfrowej przedstawia poniższa grafika:

Projekt będzie realizowany w konsorcjum Spółki NVT i Politechniki Łódzkiej. Wdrożenie rynkowe zostanie przeprowadzone przez przedsiębiorstwo NVT, poprzez zaoferowanie na rynku nowego rozwiązania – platformy pDMP w formule SaaS (dostęp do rozwiązania w chmurze obliczeniowej).

Korzyści wynikające z realizacji projektu dla członków konsorcjum i wpływ na ich potencjał:

Projekt będzie mieć istotny wpływ zarówno na rozwój Spółki NVT oraz Politechniki Łódzkiej, jak również rynku marketingu cyfrowego. Skala oddziaływania projektu w ujęciu geograficznym obejmie w pierwszej kolejności województwo łódzkie, gdzie rozpocznie się wdrażanie opracowanego rozwiązania, w dalszych krokach także pozostałe regiony Polski oraz Europy. Ze względu na łatwość implementacji rozwiązania oraz istotę problemu, który projekt rozwiązuje (generowanie danych jakościowych w oparciu przetwarzanie danych typu Big Data), oddziaływanie projektu będzie pozytywne dla całej branży w ujęciu europejskim.

Rezultaty ilościowe i jakościowe projektu w kontekście Wnioskodawcy – wpływ projektu na działalność NVT:

• poprawa pozycji konkurencyjnej poprzez przywództwo technologiczne osiągnięte dzięki opracowaniu i wdrożeniu innowacyjnego rozwiązania w obszarze marketingu cyfrowego,
• dywersyfikacja dotychczasowej oferty przedsiębiorstwa poprzez opracowanie i wprowadzenie na rynek nowego produktu, zgodnego z Inteligentnymi Specjalizacjami Województwa Łódzkiego (1 nowy produkt),
• wzrost przychodów wynikający z poszerzenia oferty o nowe rozwiązanie będące wynikiem projektu (NVT),
• wzrost przychodów z komercjalizacji prowadzonych prac badawczych (Politechnika Łódzka)
• wzrost potencjału do prowadzenia badań wśród pracowników NVT i Politechniki Łódzkiej, wzrost aktywności badawczej przedsiębiorstwa, wykorzystanie posiadanych zasobów ludzkich i materialnych,
• rozwój współpracy na linii biznes-nauka – zawiązanie konsorcjum w celu realizacji przedmiotowego projektu (1 umowa konsorcjum pomiędzy NVT Sp. z o.o. a Politechniką Łódzką),
• akceleracja nowych koncepcji innowacyjnych rozwiązań opartych na wypracowanych wynikach prac B+R (nowe projekty celowe),
• wprowadzenie na rynek rozwiązania cechującego się uwzględnieniem wysokich standardów etycznych.

Rezultaty jakościowe i ilościowe projektu w kontekście regionu i kraju:

• poprawa jakości danych wykorzystywanych na potrzeby marketingu cyfrowego w regionie i kraju (uwzględnienie potrzeb i oczekiwań użytkowników, których dane wykorzystywane są do budowy profili),
• wzmocnienie regionalnej i krajowej branży marketingu i reklamy poprzez kreowanie jego wartości jako dostawcy danych jakościowych, pozyskiwanych i przetwarzanych zgodnie z najwyższymi standardami etycznymi,

Rezultaty ilościowe i jakościowe projektu w kontekście globalnym:

• wyznaczenie nowych standardów w zakresie przetwarzania i generowania danych typu Big Data w odniesieniu do profili użytkowników, zgodnie z najwyższymi standardami etycznymi i zaostrzającymi się regulacjami prawnymi (RODO, e-prywatność),
• odpowiedź na rosnące zapotrzebowanie na dane jakościowe (skuteczne w kampaniach, kompletne i wiarygodne profile użytkowników, którzy są świadomi ich zastosowania i czerpią z niego profity).

Obecne standardy platform DMP dostępne na rynku globalnym koncentrują się na tworzeniu profili użytkowników na bazie bardzo prostych danych takich jak: odwiedzona strona, lokalizacja, płeć, wiek. Stworzony na ich podstawie obraz potrzeb konsumenta (czyli profil) jest obarczony bardzo dużym czynnikiem błędu.

Pomimo wielu rozwiązań, ciągle istnieje deficyt platform pozwalających na przetwarzanie i generowanie profili (danych) jakościowych, które trafnie określą cechy konsumentów, co w efekcie przełoży się na skuteczność realizowanych z ich wykorzystaniem kampanii.

Skuteczność kampanii i jakość danych zależy od prawdziwości informacji wykorzystywanych do generowania profili użytkowników – przy obecnym dostępie do bardzo wielu informacji o milionach użytkowników Internetu (dane Big Data) trudność polega na wyselekcjonowaniu tylko tych danych, które mają wpływ na kampanie, odnoszą się do istotnych cech konkretnego użytkownika i są aktualne (np. określenie użytkownika jako zainteresowanego zakupem opon zimowych będzie prawdopodobnie aktualne  jedynie przez krótki sezon, po zrealizowaniu zakupu opon, prawdopodobnie ten produkt – a więc również reklamy sklepów oferujących opony – nie będą w stosunku do niego skuteczne).

Innowacyjne podejście Konsorcjantów do zagadnienia polega na połączeniu zaawansowanych algorytmów opartych o sztuczną inteligencję (logikę rozmytą, wnioskowanie przybliżone) z segmentacją behawioralną opartą o psychografię, w sposób umożliwiający etyczne przetwarzanie i zarządzanie danymi konsumenckimi w marketingu cyfrowym. W efekcie powstanie platforma nowej jakości – pDMP, o podwyższonych standardach przetwarzania i pozyskiwania danych do wykorzystania na rynku cyfrowej reklamy.

Psychografia to jedna z metod segmentacji klientów (czyli podziału konsumentów na grupy, nazywane segmentami, z których każdy jest homogeniczny (podobny) ze względu na poziom zaspokojenia lub rodzaj określonej potrzeby konsumpcyjnej, a jednocześnie różny w porównaniu z pozostałymi segmentami), która uwzględnia takie czynniki jak:

• potrzeby i motywacje – świadome i nieświadome,
• profile osobowości,
• postawy konsumentów,
• rola emocji.

Innowacja będzie opierać się na budowie takiej matrycy służącej segmentacji użytkowników, która pozwoli uwzględnić także dane z zakresu psychografii (zbudowanie matrycy opisującej wzorce zachowań umożliwiające rozpoznawanie poszczególnych cech osobowości, stylu życia oraz stanu emocjonalnego). Przykładowo bez zaawansowanej matrycy, osobę przypadkiem czytającą nagłówek artykułu z relacji meczu piłkarskiego, nazwiemy fanem piłki nożnej, gdy realnie może to być szachista nielubiący sportów zespołowych.

Segmentacja behawioralna wzbogacona o informacje dot. m.in. demografii, okresowości zakupów, korzyści z produktu/usługi jakie ceni wybrany konsument lub grupa, intencji zakupowych posiada wiele zalet i buduje całkiem spory obraz konsumenta, lecz bez wiedzy o profilu psychograficznym może być mylna w ocenie i doborze odpowiedniej komunikacji. Bez oceny psychograficznej nie wiadomo, jakie potrzeby i motywacje stoją za zarejestrowanymi zachowaniami, a co się z tym wiąże nie można skutecznie dopasować komunikacji marketingowej (np. strategii perswazyjnej).

Oparte o sztuczną inteligencję autorskie algorytmy umożliwią przetwarzanie indywidualnych danych o użytkownikach w sposób najbardziej skuteczny na rynku docelowym tj. uwzględniający zaawansowaną segmentację behawioralną wzbogaconą o psychografię.

Innowacja będzie przejawiać się również w nowatorskim podejściu do użytkowników (osób fizycznych, które danemu podlegają profilowaniu). Obecnie dane o użytkownikach Internetu są zbierane poniekąd bez ich świadomości i możliwości pełnego wglądu w przetwarzane o nich informacje – wychodząc naprzeciw rosnącym oczekiwaniom oraz regulacjom prawnym w zakresie e-prywatności (e-privacy) w projektowanej platformie użytkownik Internetu uzyska pełny wgląd w przetwarzane o sobie informacje (z możliwością edycji i wzbogacenia swojego profilu).

Współczesne organizacje gromadzą i przetwarzają duże ilości danych, co wymaga użycia coraz bardziej zaawansowanych technologii i zaangażowania kosztochłonnych zasobów osobowych, tj. specjalistów od przetwarzania danych (ang. data scientists). Wyzwaniem technologicznym projektu jest opracowanie platformy, która – oparta na sztucznej inteligencji i uczeniu maszynowym – pozwoli na znacznie lepsze wykorzystanie pozyskiwanych danych. Proponowana platforma obniży także firmom próg wejścia w zakresie zaawansowanego przetwarzania danych, co jest zgodne z założeniami Przemysłu 4.0, gdzie wszystkie procesy będą zautomatyzowane począwszy od obróbki danych po wnioskowanie i raportowanie. Obecnie stosowane w marketingu rozwiązania w zakresie kreowania polityki marketingowej wykorzystują bardzo proste mechanizmy wnioskowania, które są w stanie scharakteryzować pojedyncze zachowania użytkownika i w krótkiej perspektywie dopasować do niego odpowiednie treści, bądź też opierają się na generalnych założeniach dotyczących preferencji osób w różnym wieku, różnej płci, itp.

Problemem badawczym jest budowa modelu formalnego pozwalającego na przybliżone definiowanie klas zachowań użytkowników sieci. Podstawą modelu będzie psychograficzna segmentacja użytkowników w oparciu o akwizycję danych o ich aktywności w sieci. Założonym sposobem rozwiązania problemu jest opracowanie mechanizmów opartych o modelowanie wykorzystujące logikę rozmytą, pozwalające na podstawie wiedzy eksperckiej na klasyfikację w przyjętych kategoriach marketingowych. Rozwiązanie łączy ekspercką wiedzę z zakresu psychologii marketingu – wyrażoną zwykle w postaci nieprecyzyjnej – z wykorzystaniem informacji zawartych w danych o użytkowniku zbieranych podczas jego aktywności w sieci. Przedmiotem badań jest możliwość opracowania automatycznych mechanizmów, które pozwolą na wnioskowanie na podstawie dużo bardziej złożonych przesłanek, a co za tym idzie, dużo lepsze dopasowanie wyświetlanych treści do preferencji konkretnego użytkownika.

Kolejnym problemem badawczym jest opracowanie metody grupowania danych wielowymiarowych o aktywności użytkowników w sieci i zbadanie użyteczności metod statystycznej analizy tych danych do opracowania ogólnych reguł klasyfikacji użytkowników pod kątem celów marketingowych. Założone rozwiązanie to mechanizm klasyfikacji z metaheurystycznym modelem rozmytym pozwalającym na określenie właściwych z punktu widzenia problemu parametrów klasyfikacji danych. Założone rozwiązanie pozwoli na rozszerzenie i uogólnienie reguł klasyfikacji użytkowników opracowanych w zadaniu 1.

Wyzwaniem dla zespołu będzie zaprojektowanie mechanizmów, które pozwolą wykorzystać uzyskaną na wcześniejszych etapach informację nieprecyzyjną do pełnej segmentacji użytkowników. Założone rozwiązanie opiera się o metody uczenia nadzorowanego, zdolne do wykorzystania nieprecyzyjnie klasyfikowanych danych na etapie treningu i testowania.

Potrzeby rynkowe

Przedmiotowy projekt dotyczący opracowania unikalnej platformy do zarządzania danymi konsumenckimi oraz ich przetwarzania na potrzeby marketingu cyfrowego wynika z przeprowadzonej analizy potrzeb, która odnosi się zarówno do potrzeb wewnętrznych Wnioskodawcy jako organizacji nastawionej na innowacje, jak również do potrzeb i problemów otoczenia społeczno-gospodarczego konsorcjantów.

Problemy na których rozwiązanie ukierunkowany został projekt dotyczą całej branży marketingu i reklamy cyfrowej w ujęciu międzynarodowym (zapotrzebowanie na dane jakościowe, stanowiące „paliwo” dla skuteczności kampanii marketingowych).

W rezultacie na rynku docelowym, określonym jako branża marketingu i reklamy, zaoferowana zostanie platforma pDMP (rozwiązanie technologiczne dostępne w formule SaaS), która umożliwi generowanie danych jakościowych w postaci profili marketingowych (danych opisujących pojedynczego użytkownika).

Politechnika Łódzka

• Uczelnia z ponad 70-letnią tradycją
• 9 wydziałów, 8 z kategorią A
• Ponad 1200 nauczycieli akademickich,
  w tym ponad 220 profesorów
• Piąta najchętniej wybierana uczelnia w Polsce
• Obecnie ponad 30 projektów realizowanych m.in. w ramach Horyzont2020, POIR, POWER, konkursów organizowanych przez NCBiR i NCN

Szeroka współpraca z otoczeniem społeczno-gospodarczym