Эффективные стратегии и искусственный интеллект: стартап SegmentStream

— Вы владели довольно успешным бизнесом в Москве, а потом инвестировали более миллиона долларов в кардинально новый продукт. Расскажите, почему вы решили создать SegmentStream?

— Мы познакомились в Минске. Я тогда работал в продуктовой компании архитектором программного обеспечения, а Паша занимался цифровым маркетингом. У него была идея создания маркетинговой платформы персонализации и запуска ее в России, где в то время ничего похожего не было. На базе этой идеи мы и создали наш первый бизнес в Москве — Driveback. Он был довольно успешным, команда достигла 20 человек, мы начали получить серьезную прибыль. За время работы над бизнесом мы собрали огромную базу данных по маркетингу и поняли, что проблема конверсии и персонализации, конечно, серьезная, но на рынке было гораздо больше существенных проблем. И, в первую очередь, это работа с привлечением трафика. Компании тратят миллионы в месяц на покупку трафика, но фактически делают это вслепую. Экспертизы работы с данными либо нет, либо она очень дорогая и недоступна некоторым компаниям. Маркетинговые команды пользуются инструментами, которые только поверхностно позволяют им анализировать, что они делают. К тому времени к нам присоединился наш третий кофаундер Олег, который обладал еще более глубокой экспертизой в машинном обучении, дата-инжиниринге и закупке рекламы. Мы объединили наши знания, чтобы создать продукт, который бы предназначался для маркетологов и помогал им использовать всю силу данных, чтобы привлекать инсайты и строить аналитику. В итоге мы решили нерешаемую задачу: сделали кастомизированный инструмент, который использует машинное обучение и большие данные и в то же время доступен для маркетологов. Так и родился продукт SegmentStream.

— Как машинное обучение помогает решить проблему «слепого» цифрового маркетинга?

— Проблему маркетинговой атрибуции пытаются решить на протяжении последних двадцати лет. Какое-то время Google Analytics помогал делать это более-менее эффективно, но сейчас у каждого пользователя есть огромное количество девайсов: смартфоны, планшеты, ноутбуки, а еще приложения, разные браузеры, свои браузеры на различных сайтах. Отследить, с какими точками он взаимодействовал перед тем, как он купил что-то, фактически невозможно. Он мог посмотреть что-нибудь в Twitter, потом перейти в браузер на своем телефоне, а в итоге открыть ноутбук и сделать заказ. Технологически отследить путь невозможно, и это гигантская проблема для маркетологов, потому что им нужно принимать решение, куда потратить деньги. При помощи машинного обучения мы решаем задачу кроссплатформенности, помогаем соединить эти кусочки пазла, чтобы дать понимание, куда вложить средства, чтобы заработать больше денег. 

— Можете привести пример, как это работает?

— У нас есть клиент, который приходит к нам, чтобы построить маркетинговую аналитику. Он вкладывал большое количество денег в контекстную рекламу, покупал трафик в соцсетях и на сайтах-партнерах. Статистика показывала, что самым неэффективным каналом был Facebook: цифры говорили, что он не приносил никаких продаж. Но при этом, когда компания отключала рекламу в Facebook, продажи падали. 

Когда мы построили правильную модель атрибуции, применив машинное обучение, оказалось, что Facebook генерирует огромное количество продаж. Человек начинал взаимодействие с продуктом прямо в приложении в мобильном телефоне, но финальную покупку совершал либо с другого девайса или другого браузера или даже через несколько дней с десктопа. То есть продажа засчитывалась другой площадке. Когда мы построили правильную аналитику, клиент увидел реальные источники трафика и, перераспределив бюджет, получил больше продаж.

— Кажется, что такой продукт требует огромного масштаба разработки. Как удалось найти средства на его запуск? Привлекали инвесторов?

— Есть продукты понятные: ты видишь интерфейс и функционал. А SegmentStream — это такой гигантский айсберг, верхушка которого — наша панель управления. Но вся логика и алгоритмы — 98% всей работы, которую мы делаем, — находится под водой.

Успешный первый бизнес позволил нам сделать рефинансирование и вложиться в разработку нового продукта. Это дало нам возможность выйти на высокую выручку, не привлекая никаких инвестиций. У нас были небольшие ангельские инвестиции еще на уровне идеи, но это не сравнимо с тем, сколько мы инвестировали изначально из собственного бюджета.

— А сейчас удается привлекать инвестиции извне?

— Да, сейчас мы находится в стадии фандрайзинга и показываем хороший рост на глобальном рынке. Последние несколько месяцев мы растем на 15% от месяца к месяцу. В нас уже инвестировали очень известные предприниматели и бизнес-ангелы. Но наш продукт не рассчитан на малый бизнес. Чтобы получать пользу от того, что мы делаем, нужно тратить на рекламу как минимум 30—50 тысяч долларов в месяц. У нас есть клиенты, которые тратят до 10 миллионов долларов в месяц.

— Сегодня SegmentStream пользуются и в США, и в Европе, и в России и странах СНГ. Как различаются между собой эти рынки? 

— Отличается подход к заключению сделок и работе с партнерами. В России любого вида продукты очень недооценены, потому что там можно очень дешево купить рабочую силу и часто оцениваются конкретные затраты, а не упущенная выгода. В Европе и США стоимость работника невероятно высокая не только за счет больших зарплат, но и высоких налогов. Чтобы нанять крутого дата-инженера, в США придется потратить 200 тысяч долларов в год, в Лондоне — 80—100 тысяч фунтов. Мы предлагаем готовый продукт, который позволяет не тратить огромные деньги на собственных дата-сайентистов, дата-инженеров и разработчиков, которых не только сложно найти, но и которые стоят огромных денег, особенно в Европе и США. Однако в России за эти деньги можно нанять целую команду программистов. Кроме того, там другие масштабы, другой цикл принятия решений, другая чувствительность к ценам. У нас в России и странах СНГ есть много клиентов, но стоимость приходится адаптировать.

— Не лишит ли ваша платформа работы многочисленных маркетологов и аналитиков? Ведь если над данными работает искусственный интеллект, то человек больше не нужен?

— Уже сейчас вручную ничего не делается. Если вы возьмете Google или Facebook, там уже почти все автоматизировано. Есть даже платформы, где тексты объявлений и креативы генерируются автоматически. Наша задача — агрегировать все системы вместе и дать общую картину. Мы показываем инсайты, а человек требуется для того, чтобы определить стратегию: нужно ли компании сэкономить деньги или увеличить бюджет. Задача инструмента — автоматизировать рутину и сделать то, что человек не может создать своим умом.