Będzie o sieciach neuronowych, analizie semantycznej, lokowaniu produktu, skuteczności i skali popularności Media-embedded merchandising.
Co to jest MEM?
Generalnie nie ma zbyt wiele informacji w internecie o Media-embedded merchandising – wspomina o tym Gartner, znajdziemy odesłania do lokowania produktu, a przy odrobinie szczęścia parę przykładów zastosowań i badań.
Media-embedded merchandising to proces dynamicznego wstawiania do różnego typu treści znaków towarowych, logotypów, zdjęć produktów w różnych postaciach od pasywnej do interaktywnej. Innymi słowy na przykład oglądacie film i automat lokuje odpowiedni produkt – czasami interaktywny, czasami pasywny.
Krótko o lokowaniu produktu
Lokowanie produktu na co wskazują badania np. Smit, van Reijmersdal, & Neijens, Effects of television brand placement on brand image czy Kaylene Williams, Alfred Petrosky, Edward Hernandez, Robert Page, Jr. Product placement effectiveness: revisited and renewed wskazują, że efektywność lokowania produktu jest większa niż efektywność tradycyjnej reklamy.
Największa skuteczność lokowania produktu zachodzi wówczas, gdy widz nie jest świadomy lokowania. Świadomość tego dlaczego lokuje się produkt, a co za tym idzie wiedza o motywacjach za tym stojących, może zmniejszyć efektywność takiej formy reklamy.
Regulacje prawne dotyczące lokowania produktu w różnych krajach są systematycznie zmiękczane. Ich surowość wynikała z przekonania, że lokowanie produktu jest formą nieuczciwej reklamy – jako że widz nie jest świadomy tego, że częścią treści jest komunikacja reklamowa.
Najlepszymi przykładami lokowania produktu są filmy, a najczęściej lokowanymi produktami są samochody. Prym wiedzie tutaj James Bond. Przykładem jednego z bardziej natarczywego lokowania produktu, było wypowiedzenie nazwy firmy Applebee’s pięć razy w ciągu 30 sekund w filmie „Couples Retreat” (Raj dla Par):
Przykład media-embedded merchandising
Ciekawym przykładem MOM powstałym na potrzeby badań naukowych jest wykorzystanie nowoczesnej technologii do prezentowania do automatycznego zbieranych pozytywnych komentarzy dotyczących danego produktu z internetu i wyświetlanie go w chwili gdy produkt jest prezentowany w danym programie.
Innymi słowy, gdy tylko na ekranie jeden z bohaterów pije orzeźwiający napój danej marki, to z blogów, forów, social media pobierane są automatycznie pozytywne komentarze i wyświetlane na dole ekranu.
Cel tych badań był dwojaki:
- Sprawdzenie tego czy Intelligent Embedded Marketing Service System czyli IEMSS jest w stanie podołać takiemu zadaniu
- Sprawdzenie czy taka forma prezentacji danych, zgodnie z teorią Media richness theory oraz eWOM, pozwoli zwiększyć efektywność działań reklamowych.
IEMSS jest szczególnie interesujący z uwagi na zastosowane w nim rozwiązania. Z jednej strony połączono TV App User, Merchendise Recommender System oraz Active Database Server aby swobodnie umieszczać odpowiednie reklamy w TV. Z drugiej strony stworzono specjalny system pozyskujący treści z internetu, mierzący ich sentyment i dobierający jak najbardziej adekwatne komentarze o danej marce.
Z mojego puntu widzenia druga część była najbardziej interesująca. System przeszukiwał blogi, fora, wyszukiwarki celem odnalezienia komentarzy na temat marki. System wykorzystywał analizę semantyczną, multi-document summarization wykorzystującą technologię TF-IDF oraz sztuczną sieć neuronową, do wyłapywania najbardziej adekwatnych komentarzy. Pojawiły się tutaj trzy zaawansowane rozwiązania, pracujące w jednym systemie.
Rezultat badań był następujący:
- IEMSS sprawdził się doskonale jako narzędzie do wyłapywania najbardziej adekwatnych komentarzy z internetu
- Opinie innych o danym produkcie wyświetlane kontekstowo do obrazu danego produktu, potwierdziły swoją skuteczność w budowaniu pozytywnego odbioru marki.
Podsumowanie
Technologia istnieje, a jej skuteczność została potwierdzona badaniami. O ile samo lokowanie produktu jest dosyć szeroko stosowane i z uwagi na trendy w regulacjach prawnych będzie coraz szerzej stosowane, o tyle automatyzacja tego procesu nie postępuje tak szybko. Można sobie jednak wyobrazić, że interaktywna telewizja w nieodległej przyszłości pozwoli zapoznać się z dowolnym produktem, włącznie z jego zakupem.
W kontekście tego artykułu warto pogłębić świadomość takich technik jak TF-IDF, działanie sieci neuronowych, multi-document summarization oraz kwestie analizy semantycznej (NLP). Szczególnie, że niektóre z tych obszarów wiedzy, mogą się przydać bezpośrednio do zastosowania lub zrozumienia nowych podejść w marketingu, jak chociażby SEO.
Warto także bliżej przyjrzeć się samemu badaniu.