Oglaševalska tehnologijaContent Marketing

Kontrolni seznam ponudnika podatkovnih povezav - postavljanje pravih vprašanj

Do nedavnega so se digitalni tržniki in strokovnjaki za oglaševalske agencije, ki so želeli programsko kupovati, soočali z Črna škatla podatkovni scenarij. Večina ni inženirjev ali podatkovnih znanstvenikov, zato so morali skočiti in zaupati trditvam ponudnika podatkov o kakovosti podatkov, pregledati rezultate po izvedbi in po opravljenem nakupu.

Kaj pa morajo tržniki in agencije iskati pri ponudniku podatkov? Kako lahko ugotovijo, kateri ponudnik ponuja najbolj natančno in pregledno rešitev? Tukaj je nekaj vprašanj:

Kako se zbirajo podatki?

Ali se z neposrednim opazovanjem vsakega uporabnika ali iz sklepanih podatkov vedenjski vzorci zaznajo v majhni skupini uporabnikov in nato ekstrapolirajo za večje skupine? Če se sklepa na podatke, je natančnost zelo odvisna od velikosti izmerjene skupine - zato je pomembno, da pri ocenjevanju ponudnikov preverite velikost skupine. Upoštevajte pa, da ne glede na velikost predvideni podatki vedno vključujejo zmanjšanje natančnosti, če jih ekstrapoliramo. In ne pozabite, da bodo pri modeliranju podatkov v segmente predvidevanja temeljila na predvidevanjih in ne na resničnih informacijah. Ta dinamika eksponentno poveča tveganje, da podatki ne bodo delovali.

Priporočljivo je postaviti zdravorazumska vprašanja, ki vam omogočajo, da ocenite moč podatkov v lijaku, pri čemer poleg preprostih demografskih podatkov upoštevate transakcije, sledenje metapodatkom in druge signale, ki natančneje napovedujejo namen nakupa. Skimlinks vsak dan zajame 15 milijard signalov o nakupih iz mreže 1.5 milijona založniških domen in 20,000 trgovcev. Z uporabo strojnega učenja in obogatitvene analize v svoji plati inteligence izdelkov Skimlinks razume taksonomijo in metapodatke 100 milijonov referenc in povezav izdelkov. Te informacije uporabljajo za ustvarjanje segmentov občinstva z visoko stopnjo konverzije, ki temeljijo na izdelkih in blagovnih znamkah, ki jih bodo uporabniki verjetno kupili, kar omogoča učinkovitejše oglaševalske akcije v prikaznem omrežju, družabnih omrežjih in video.

Kakšne vrste podatkov se zbirajo?

Naslednje na seznamu je ugotoviti, kakšni podatki se zbirajo. Kategorije lahko vključujejo klike, povezave, metapodatke, vsebino strani, iskalne izraze, blagovne znamke in izdelke, informacije o cenah, pojav transakcije, datum in čas. Več zbranih podatkov je, z več napovednimi modeli surovin bo treba delati, kar lahko znatno izboljša natančnost. Če se zbere le nekaj vrst podatkov - na primer samo prikazi ali kliki -, bo na voljo malo informacij, ki jih je mogoče uporabiti za navzkrižno preverjanje napovedi ali izboljšanje uporabniških profilov. V tem primeru obstaja tveganje, da bodo ustvarjeni preveč poenostavljeni in netočni uporabniški profili.

Skimlinks zbira in analizira podatke ter zazna vzorce več založnikov in trgovcev za natančno napovedovanje vedenja nakupa. Na primer, kombinacijo enega uporabnika, ki obišče 10 strani na petih različnih spletnih mestih, lahko prepoznamo kot vzorec, ki kaže na zanimanje za nakup v naslednjem tednu. Noben založnik ni mogel pripraviti podatkov Skimlinks dostopa prek svoje mreže 1.5 milijona domen, vendar so informacije o založnikih le en del signalnih podatkov. Skimlinks analizira tudi podatke, pridobljene pri 20,000 trgovcih v njeni mreži, vključno s podatki o cenah, vrednostjo naročil in zgodovino nakupov.

Pri tem Skimlinks združuje signale celotnega maloprodajnega ekosistema.

Kako se podatki potrjujejo?

Druga kritična sposobnost, ki jo je treba iskati pri ocenjevanju ponudnikov podatkov, je sposobnost preverjanja napovedi v praksi. Na primer, vsak ponudnik, ki trdi, da bodo njihovi segmenti spodbujali konverzije, mora zajeti podatke o transakcijah, da potrdi, da je nakup izveden. Brez podatkov o transakciji ni mogoče potrditi predloga vrednosti.

Skimlinks ima programsko storitev ciljanja na občinstvo, ki oglaševalcem pomaga ciljati uporabnike glede na to, kje so v nakupnem ciklu. Napovedi so narejene z uporabo kontekstualnih podatkov, podatkov o izdelkih in cenah ter potrjene s pomočjo informacij o transakcijah. Uporabnikom sledijo, da preverijo, ali so izvedli pričakovani nakup, sistem strojnega učenja, ki ustvarja segmente, pa se nenehno usposablja na podlagi teh informacij. To kupcem pomaga, da se izognejo scenariju, v katerem ciljajo na potrošnike, ki so morda raziskali izdelek, ki si ga ne morejo privoščiti ali nimajo prave namere za nakup. Rezultat je boljša zmogljivost segmentov.

Digitalni tržniki in agencije, ki se ukvarjajo s programskim oglaševanjem, morajo izbrati pravega ponudnika podatkov, da optimizirajo svoje cene na tisoč prikazov (CPM) ali cene na dejanje (CPA). Stopnja rasti v programskem oglaševanju in trženju, ki temelji na podatkih, lahko oteži vedenje, kako izbrati pravega ponudnika podatkov. Toda z uporabo teh treh zdravorazumskih vprašanj pri ocenjevanju ponudbe vrednosti ponudnika podatkov lahko digitalni prodajalci in agencije odprejo črno polje in najdejo pravo mešanico podatkov.

Alicia Navarro

Alicia Navarro je izvršna direktorica in soustanoviteljica Skimlinks, platforma za monetizacijo vsebine, ki spletnim mestom pomaga, da so nagrajena za namen nakupa, ustvarjen v njihovi vsebini. Pred zagonom storitve Skimlinks je več kot 10 let delala v Avstraliji in Veliki Britaniji pri oblikovanju in zagonu mobilnih in internetnih aplikacij. Od leta 2007 je Alicia povečala podjetje na več kot 85 zaposlenih v pisarnah v Londonu, San Franciscu in New Yorku.

Povezani članki

Nazaj na vrh
Zapri

Zaznan Adblock

Martech Zone vam lahko zagotovi to vsebino brezplačno, ker naše spletno mesto monetiziramo s prihodki od oglasov, pridruženimi povezavami in sponzorstvi. Hvaležni bi bili, če bi med ogledom našega spletnega mesta odstranili zaviralec oglasov.