Эксперты

«В SMM нельзя разобраться раз и на всегда». Михаил Менделевич, Ex-Head of SMM, Hungry Boys

1 сентября 2014
6 мин. чтения
«В SMM нельзя разобраться раз и на всегда». Михаил Менделевич, Ex-Head of SMM, Hungry Boys

Начал с продвижения собственных проектов, и только потом это стали называть SMM. С начала двухтысячных годов работал руководителем проектов как в диджитал, так и в интеграторском бизнесе и государственных проектах. В 2008 пришел в копирайт-бюро Сopy&Сopy на позицию Project manager, позже перешел в агентство Creatoric на позицию Social media account manager. Недолго работал на клиентской стороне, запустил проект, ныне почивший – the-garage.ru, после чего вернулся на сторону агентства и руководил диджитал проектами для бренда Marlboro с 2011 по 2012 год. В Конце 2012 года перешел в Cheil Worldwide, Social media account manager, но достаточно быстро возглавил направление, увеличив отдел до 7 человек, включая собственный продакшн. В феврале 2014 был приглашен в Hungry Boys на позицию директора по социальным медиа, которую и занимает до сих пор.

С чего ты начинал и как попал в рекламный бизнес?

Я полюбил рекламу еще в детстве. Помню, как смотрел «каннских львов» на кассетах, потом с модема выкачивал ролики. В общем, это было давно. Рекламное агентство не было моим первым местом работы, потому что работать я начал еще в школе, и думал, что стану экономистом или вообще уйду в финансы. А потом как-то так получилось, что проджект-менеджмент в области слаботочных систем для госзаказов завел меня в копирайт-бюро, где я делал спецпроекты для Bayer.

Когда ты понял, что SMM – это то, чем у тебя хорошо получается заниматься?

В SMM я пришел не планируя. В первые годы университета мы с товарищем осознали, что музыка, которая нам нравится, нравится далеко не всем, и если мы хотим посмотреть вживую на любимые группы – надо везти их самим. Что, собственно и стали делать. Бюджета у нас не было никакого, в том числе на рекламу, и тогда я придумал, как делать массовые посевы в ЖЖ, а так же на профильном блог-ресурсе так, чтобы вылетать в топ Яндекса, а оттуда и дальше. Доходило до разворота в Афише и трехстраничном интервью в TimeOut. Было это давно, в 2003-2004 годах, где-то так.

Каким был твой первый успех в рекламе?

Это было в самом начале, когда я работал в Сopy&Сopy, а клиентом был Bayer. На Bayer было интересно работать – это фарма, причем рецептурная, да еще и для девочек. Нельзя – ничего, говорить могут только врачи. Вот мы и делали масштабные ивенты, на которых говорили врачи, процентов 5-10, а все остальное – это были лекции и мастерклассы. Успех был, когда мы сделали ивент на Красном Октябре на 12 площадок и многотысячным посещением практически без бюджета. Это было по-настоящему здорово.

Твой первый провал и почему все пошло не так?

Настоящий провал был с антикризисным пиаром в социальных сетях скандального фонда «Федерация», но там провал был еще на этапе брифинга. Суровый бэкграунд проджект менеджера заставляет меня анализировать факторно, то есть в каждой кампании находить плохие и хорошие стороны.

Извлек ли я из этого полезный урок? Да. С тех пор я еще один раз сунулся в околополитические истории, но все, больше – никогда.

Кто из клиентов тебе запомнился?

Очевидно, Samsung. В котором тоже было множество хорошего и плохого. Удалось сделать действительно огромные паблики для одного бренда и производить для них крутой контент, но это только то, что видно снаружи. Мне удалось собрать потрясающую команду и все делать инхаус, включая выделенного фотографа и иллюстратора – это такая, скорее менеджерская победа, но все равно победа.

Какие слухи и интриги ходят в рекламных агентствах?

Secret был очень грязен первые дни. Мне было неприятно, что российское общество именно так воспользовалось этим инструментом. Поэтому, я скорее обратил этот канал в шутку и развлекался как мог, стараясь никому не вредить.

Слухи и интриги есть всегда, это большая проблема российского рекламного бизнеса. Многие строят козни и шепчутся за спинами вместо того, чтобы стремиться к цивилизованному рынку с нормальными прозрачными правилами. Круто, что Влад Ситников сделал Клуб Креативных Директоров, – это важный и большой шаг на пути к здравой реальности.

Ну и да, как всегда, чем больше агентство, тем больше политики в нем происходит, все куда-то репортят, тайно встречаются, договариваются и тому подобное. На стороне клиента происходит все то же самое, только в три раза страшнее.

Какая самая большая проблема агентства?

Самая большая проблема – это агентства, которые не готовы хоть как-то инвестировать в сотрудников – это безусловно тяжело. На менеджерских позициях ты всегда понимаешь, сколько конкретно ты, или твои подчиненные приносят денег агентству. Когда агентство не готово дать тебе даже нормальный компьютер, учитывая сотни тысяч долларов готовой прибыли, принесенной тобой, порой вызывает озлобленность, которая ужасно мешает работать.

С какими трудностями ты сталкивался в работе с клиентами?

Непонимание и зашоренность. Клиент, который, услышав твою идею, сразу спрашивает, кто это сделал до него, – клиент не готовый к инновациям, а желающий лишь дженерик.

Еще бич росиийского рынка – это клиент, который не понимает, что такое диджитал, но с ним работает. Странно видеть на высоких позициях людей, неспособных отличить баннер от преролла, а посев в пабликах от email-рассылки. Случаи, кстати, реальные. Если проблема не совсем запущена, агентство может научить клиента, и, в общем-то, должно, но порой уровень знания на стороне клиента просто шокирует.

Что ты считаешь главной проблемой современных соцмедиа?

Это информационный клаттер. Постоянные нововведения, которые, с одной стороны, конечно прекрасны, но порой могут полностью перечеркнуть придуманную, расписанную и проданную механику на этапе экзекьюшена. Основная проблема рынка соцмедиа в РФ – непрофессионализм. Я на прошлой неделе получил тестовое задание, в котором было написано, что для реализации поставленной задачи необходима закупка ботов. Я часто сталкиваюсь на тендерах с непониманием клиента того, как формируется стоимость подписчика, так как кто-то до тебя предложил 1000 подписчиков за 500 рублей. Мы все знаем античат, но это серьезно подрывает рынок.

Что нужно, чтобы хорошо разбираться в SMM?

Разбираться в Social media. В SMM нельзя «разобраться» раз и на всегда, нужно «разбираться» постоянно. Специфика SMM состоит в том, что все перманентно меняется. Например, фон Facebook обновляется раз в неделю, там же постоянно что-то файнтьюнят. Поэтому надо просто работать, исследовать, стараться делать новое.

Чего ну нежно бояться В SMM?

Ничего. На самом деле. Когда ты не боишься ничего, ты делаешь что-то новое, то, что нравится тебе. И если это нравится тебе, есть шанс, что это понравится другим людям.

Что по-твоему сейчас в тренде в SMM?

То, что ты придумаешь сам. Или я придумаю. Или еще кто-то. Тренды формируют для тех, кому лень думать самому.

В SMM важен возраст специалиста?

Психологический возраст. Опять же, все постоянно время меняется, и ты должен быть к этому готов. И достаточно безумен, потому что иначе тебе это все надоест.

Чего должен добиться SMM-щик до 30 лет?

Не знаю. Мне например жутко не хватает фестивалей и наград, и сейчас я сосредоточен на том, чтобы показать, что в Social тоже есть место креативу и креативу на высоком уровне и в лучшем смысле.

0
0
0
0
0

Материалы по теме

Одноклассники проспонсируют блогерам создание профессиональных  шоу

В прошлом году ОК помогли блогерам снять три полноценных шоу – запущенные проекты про кино и кулинарию уже собрали более 20 млн просмотров в соцсети. В этом году Одноклассники увеличат число победителей как минимум в два раза и планируют снять от 6 до 9 проектов в зависимости от решения жюри.

Одноклассники запускают второй сезон конкурса креативных концепций шоу для блогеров – «БлогШоу» – и открывают прием заявок. Идеи должны соответствовать интересам аудитории соцсети и помогать пользователям развиваться в своем хобби. На воплощение проектов победители получат денежный грант, размер которого будет определяться индивидуально. Подать заявку для участия можно на сайте до 26 мая. Премьера шоу победителей состоится эксклюзивно в ОК.

В первую очередь будут рассматриваться идеи по тематикам кулинария, ремонт и дизайн, рукоделие и садоводство – эти направления контента особенно популярны среди пользователей ОК и имеют большую потенциальную аудиторию как внутри соцсети, так и в рунете в целом. Помимо перечисленных тем можно предложить концепции видеопроектов об авто, моде, путешествиях, питомцах, рыбалке, кино и сериалах, юморе, семье и отношениях.

Участвовать в конкурсе смогут все блогеры, у которых на момент подачи заявки есть группа в ОК. Для подачи своего проекта автору нужно будет описать свою идею с обоснованием, почему она может быть интересна аудитории соцсети, а также отразить примерный бюджет. Профессиональное жюри из представителей команды ОК и компаний, специализирующихся на создании профессионального контента, будут рассматривать все заявки в несколько этапов. Отобранные финалисты будут защищать свою идею перед экспертами. Победители будут названы до конца третьего квартала этого года.

Победители присоединятся к профессиональной команде, которая будет работать над воплощением идеи и сопровождать их от этапа проработки сценария до финального продюсирования и продвижения на платформе ОК. Команда соцсети даст блогерам рекомендации по созданию контента в том числе с учетом алгоритмов ОК и интересов пользователей. Автор будет полностью вовлечен в процесс съемок, постановку и воплощение идеи.

В первом сезоне ОК получили более 80 заявок от крупных и начинающих блогеров, которые описали идеи для шоу. В финале свои концепции защищали 20 участников с видеопроектами по тематикам «путешествия», «кулинария», «строительство и ремонт», «кино» и «рукоделие». Победителями стали три блогера ОК – Павел Сизов, автор кулинарной группы «Рецепты от шефа», Григорий Кукушкин, автор группы о кино «Грин Кинопомощник» и Татьяна Рыбакова, блогер-нутрициолог, автор группы «Таня Рыбакова – Психология стройности». Благодаря проекту блогеры запустили полноценные шоу о кулинарии и кино, которые суммарно уже собрали более 20 млн просмотров – «Секретный рецепт»«Властелин фильмец» и «Таня пробует» (выход запланирован на май 2024 года).

Как работают рекомендательные системы соцсетей

Алгоритмы обрабатывают информацию об интересах пользователей, чтобы дать им возможность смотреть релевантный контент. Андрей Кузнецов, директор по ML Одноклассников, рассказал о том, что влияет на работу рекомендаций в социальных сетях.

Соцсети отличаются от других сервисов, в которых аудитория потребляет контент, тем, что между пользователями социальных платформ есть связи. Общение происходит благодаря перепискам, добавлению друзей и реакциям на контент.

Основа всех современных рекомендательных систем — технологии машинного обучения, которые используются для улучшения пользовательского опыта. Их применяют в нескольких случаях:

  • Когда нужно показать обновления профилей и групп, на которые подписан пользователь. Предположим, пользователь в среднем тратит около часа в сутки в соцсети. Не стоит показывать ему весь контент, который добавляли его друзья, в хронологическом порядке. С помощью алгоритмов машинного обучения можно выбрать публикации, которые наиболее интересны для данного пользователя, и добавить эти посты в его ленту.
  • Когда надо узнать, какого контента и социального взаимодействия не хватает пользователю на платформе. С помощью рекомендательных систем соцсети могут предложить пользователю авторов контента или группы, которые могут быть ему интересны.
  • Когда пользователь ищет контент или других пользователей на платформе. Алгоритмы машинного обучения позволяют персонализировать результаты поиска и расположить их в нужном формате. При этом они учитывают, что, например, для пользователей разного пола и возраста одни и те же слова имеют своё значение — как, например, понятие «‎современная музыка»‎ для разных поколений.

Технологии машинного обучения получили своё название из-за того, что используют не только теорию, но и предыдущий опыт — накопленные знания о пользователе. 

Алгоритмы учитывают, какую личную информацию пользователь указал в своём профиле. Эти данные формируют публичный образ, который человек хочет использовать при общении. 

Важно также анализировать, как пользователь взаимодействовал с контентом на площадке: на какие посты он реагировал лайками или «‎классами»‎, какие ролики смотрел и т.д. Эти данные о реальных действиях человека в виртуальном пространстве показывают, какому контенту он готов уделять своё время. Интересно, что не всегда эти предпочтения совпадают с тем, что пользователь рассказывает о себе в профиле. При помощи технологий можно выяснить такие различия и учесть их при создании персональной ленты.

Рекомендательные системы анализируют не только интересы пользователя, но и предпочтения аудитории, похожей на него по какому-либо признаку. Обычно на людей влияет их окружение, и каждый человек хочет общаться с теми, кто близок ему по мировоззрению. Алгоритмы относят пользователя к широкому кластеру людей с одинаковыми предпочтениями. Одна из важных задач машинного обучения — это поиск тех, кто «‎похож»‎ на пользователя по полу, возрасту, городу проживания и т. д.

Можно выделить два направления машинного обучения в рекомендательных системах:

  • Контенто-ориентированное. Этот подход связан с предыдущим опытом пользователя на площадке. Рекомендательные системы будут показывать человеку контент, похожий на тот, на который он реагировал ранее.
  • Коллаборативное. Алгоритмы учитывают неявные предпочтения пользователя. Например, они будут считать похожими две разные публикации, на которые положительно отреагировала одна и та же аудитория.

Универсальных решений для всех задач, с которыми сталкиваются специалисты по машинному обучению, нет. Обычно разработчики используют гибридный подход.

Основа рекомендательных систем — это машинное обучение. Чтобы предложить пользователю актуальный контент и возможных друзей, нужна математика.

Самая простая технология, которая используется для этого — матричные разложения. Можно представить матрицу как квадратную таблицу, в которой в каждом столбце хранятся данные об одном пользователе, а в каждой строке — какие-то сущности, items (например, темы или единицы контента). В клетках, где пересекаются профиль пользователя и объект, который его заинтересовал, стоит единица, а где нет – ноль.

Алгоритмы машинного обучения помогают разложить одну матрицу на две другие с данными о пользователе или item и характеристиками. С помощью математической функции можно сопоставить, у каких пользователей наиболее схожи интересы. 

Рекомендательные системы решают, как правильно строить и обрабатывать такие таблицы. Алгоритмы машинного обучения непрерывно обрабатывают информацию — как в реальном времени, так по прошествии некоторого времени. Поведение пользователя может со временем меняться, поэтому рекомендации нужно постоянно подстраивать.

Алгоритмы анализируют историю и подстраиваются под изменения в поведении и интересах прользователей. Например, пользователь указал в профиле, что любит кошек, но со временем стал заходить в группы о собаках (причём определённой породы — корги) и ставить «‎классы»‎ под публикациями о них. Со временем алгоритмы перестроятся и начнут предлагать ему больше постов и видео о корги.

Современные социальные платформы открыто используют рекомендательные системы. Они заинтересованы в том, чтобы пользователю нравился предложенный контент и он как можно больше времени проводил за его просмотром.

Чтобы настроить алгоритмы под себя, нужно ярко выражать отношение к публикациям в ленте. Рекомендательные системы используют два вида обратной связи от пользователей: 

  • Явная обратная связь. Пользователь открыто показывает своё отношение контенту — ставит реакции, пишет комментарии или, наоборот, скрывает подобные посты из ленты.
  • Неявная обратная связь. Например, пользователь посмотрел большую часть длинного видео. Скорее всего, эта тема ему была интересна. Если же пользователь выключил ролик в первые пять минут, больше не строит предлагать ему такой контент. Неявная обратная связь обычно имеет меньшее значение при настройке алгоритмов, потому что мы пока не научились определять, какие эмоции у аудитории вызывает просмотр видео. Возможно, некоторые пользователи просто не выключили его вовремя. 

Иногда модель машинного обучения могут пытаться взломать. В информационной безопасности такое действие называется «‎злонамеренным манипулированием входными данными»‎. Это происходит, когда кто-то хочет заставить модель давать неправильные предсказания, чтобы, например, получить финансовую выгоду или нарушить работу системы. Интересно, что даже изображение можно «‎отправить»‎ так, что человек не увидит разницу с исходной картинкой, а для нейросети она изменит восприятие контента. В научном сообществе сейчас развивается целая область, которая изучает такие способы взлома и методы борьбы.

Главная задача, которую приходится решать разработчикам – это привлечение внимания пользователя. У каждого человека есть определённое количество времени, которое он готов посвятить просмотру контента в соцсетях и в интернете в целом. В будущем платформам придётся конкурировать за внимание пользователей и timespent (время, которое аудитория проводит на площадке).

IT-компании движутся к тому, чтобы научиться лучше понимать пользователей и персонифицировать их опыт. Цифровой след человека на площадке помогает при этом правильно настроить модели машинного обучения.

Через некоторое время рекомендательные системы будут использоваться в персональных голосовых ассистентах ​​(conversational recommendation systems). Они уже умеют решать многие повседневные задачи — от выбора музыки и вызова такси. Модели машинного обучения и рекомендации помогут добавить новые функции для ассистентов и дать возможность людям делегировать всё больше задач.

Возможно, в ближайшем будущем мы будем чаще слышать о развитии генеративного искусственного интеллекта. Пилотные проекты уже привлекают много внимания, но компании не всегда продумывают риски до того, как модель станет доступной для пользователей. Согласно прогнозу Gartner на 2024 год, развитие комплексной программы управления доверием, рисками и безопасностью искусственного интеллекта станет одной из ключевых IT-тенденций. Благодаря этому подходу можно заранее проверять надёжность систем и защиту конфиденциальных данных.

649
15 мин.
Новый медиакит ОК: что важно знать о платформе в 2024 году

ОК опубликовали обновлённый медиакит, который содержит информацию о новых продуктах и сервисах соцсети для блогеров и бизнеса. В документе собраны актуальные данные об аудитории платформы, новых контентных проектах ОК и инструментах для продвижения.

Одноклассники укрепляют позиционирование в качестве территорией увлечений — платформы, где собран контент даже о самых редких хобби. В обновлённом сервисе «Увлечения» пользователи могут обсуждать любимые занятия с единомышленниками, смотреть интересный контент, а также задавать вопросы экспертам и другим пользователям.

  • ОК запустили новых 13 собственных шоу — «ОКнутые люди», «Психология кино», «Игристое шоу» и т.д.
  • Благодаря алгоритму поддержки начинающих авторов «Молния» 1000 групп получили дополнительную поддержку от ОК. Общее количество новых групп с качественным контентом выросло на 35%.
  • Количество новых блогеров на платформе увеличилось в 3 раза, а рост охватов авторов контента и медиа достиг 61% по сравнению с 2022 годом.
  • Создатели контента активно участвуют в программах монетизации — в 2023 году количество групп, получающих доход от своего контента, выросло на 86%. 
  • 36 млн россиян используют ОК каждый месяц. 17% из них живут в Москве, 58% — в городах-миллионниках, а 25% — в других местах страны.
  • 80% пользователей предпочитают заходить в ОК только с мобильных устройств. 87% из них используют устройства на платформе Android.
  • В 2023 году пользователи ОК оставили 17 млрд реакций под постами, написали 1,8 млрд комментариев и установили 43 млн рамок на аватары профилей. Они отправили друг другу 35 млрд подарков.
  • Аудитория ОК часто использует обновлённый сервис «Увлечения»: пользователи опубликовали в нём 70000 единиц нового контента.
  • 19,7 млн пользователей запустили новую мобильную игру в 2023 году.
  • Среднее время, которое мобильная аудитория проводит в играх, увеличилось на 17,2%.

В новом медиаките собрана информация о популярных рекламных форматах и об инструментах для спецпроектов в ОК, а также об интересах пользователей платформы.