Osiąganie wyników marketingowych dzięki Big Data

We współpracy z Digilant

Dla marketerów, którzy próbują zmaksymalizować zwrot z inwestycji, analizy predykcyjne oparte na dużych zbiorach danych są ekscytującym nowym narzędziem.

W cyfrowym świecie analityka predykcyjna oparta na dużych zbiorach danych daje obietnicę stworzenia szczegółowego obrazu tego, co działa, zapewniając wskazówki, które nigdy wcześniej nie były dostępne w celu dopracowania kampanii reklamowych.

Obietnica analityki big data polega na tym, że marketerzy mogą analizować tysiące punktów informacji o aktywności cyfrowej nabywcy — pozbawionych informacji umożliwiających identyfikację osoby — i łączyć je ze swoją wiedzą na temat kampanii telewizyjnych, radiowych, billboardowych i prasowych, aby dostosować komunikaty marketingowe i ostatecznie poprawić zwrot z inwestycji (ROI). Dzięki analizie liczby pokazują, jak duży wzrost uzyskano w każdym punkcie danych dla każdej reklamy w każdym kanale. Dzięki tym danym marketerzy mogą podejmować lepsze decyzje dotyczące przydzielania budżetów reklamowych. Rzeczywiście, same analizy zidentyfikują mądre wybory.

Kluczowym wyzwaniem dla każdego marketera jest podjęcie decyzji, jaka mieszanka mediów — telewizja, Internet, poczta bezpośrednia, radio, druk — będzie najlepiej promować produkt lub usługę. Potrafimy modelować media-mix przy użyciu big data i uczenia maszynowego – mówi Madan Bharadwaj, szef marketingu produktów w Visual IQ, firmie analitycznej z siedzibą w Needham w stanie Massachusetts. Istnieje wiele mikroefektywności, z których możemy skorzystać. Jeśli przeniesiesz kilka tysięcy dolarów tu i tam, możesz uzyskać znacznie większą efektywność marketingu pod względem zwrotu z inwestycji.

Historycznie najbardziej wyrafinowani marketerzy polegali na planowaniu kampanii reklamowych odgórnie. Opracowują modele ekonometryczne, patrząc na rozkład całego budżetu reklamowego. Analizują zmiany w alokacji i jednorazowych promocjach i widzą, jak te zmiany wpływają na ich kluczowe wskaźniki wydajności (KPI), które mogą polegać na dokonaniu zakupu w sklepie lub otwarciu nowego konta.

Ten paradygmat zostaje odwrócony w cyfrowym świecie. Marketerzy polegają na cyfrowej ocenie działań, zaczynając od podstaw z KPI. Próbujesz pracować wstecz, aby zobaczyć punkty styku na cyfrowej podróży konsumentów, mówi Kim Riedell, starszy wiceprezes ds. produktów i marketingu w firmie Digilant , firma zajmująca się niestandardowymi programowymi rozwiązaniami multimedialnymi z Bostonu. Dzięki technologiom, takim jak pliki cookie i piksele przeglądarki, marketerzy mogą teraz dokładnie określić, gdzie konkretny kupujący zobaczył ich reklamy. Dane pokazują nawet, jak długo kupujący oglądał wideo lub pozostawał na stronie zawierającej reklamę. Wszystko to można znaleźć, śledząc wstecz od punktu sprzedaży produktu, który ostatecznie kupiła osoba.

Świat doskonałej wiedzy, który obiecywano we wczesnych dniach reklamy cyfrowej, okazał się złudny. Płacenie wyszukiwarkom za stymulowanie kliknięć, które doprowadziły do ​​zakupów, było w porządku, ale większość konsumentów podejmuje ostateczne decyzje okrężną drogą. Lejek marketingowy może być długi, zwłaszcza w przypadku dużych zakupów, takich jak samochody, gdzie ludzie mogą prowadzić badania przez dziewięć miesięcy przed jazdą próbną.

Zaawansowana analityka predykcyjna może teraz określić, którzy odbiorcy najbardziej reagowali na reklamę. Wtedy te same algorytmy mogą znaleźć podobnych odbiorców na innych stronach internetowych i zaprezentować im reklamy. Przy wystarczającej ilości danych i dobrym algorytmie firmy analityczne twierdzą, że mogą określić, które reklamy mają znaczenie.

Analityka predykcyjna nie może obejmować wszystkiego. Pozytywna recenzja produktu w Raporty konsumenckie lub poparcie celebrytów podczas rozdania Oskarów nie mieści się w algorytmie. Podobnie katastrofa lotnicza, która może zaszkodzić rezerwacji podróży. Niekiedy jednak takie wydarzenia spowodują wzrost dyskusji w mediach społecznościowych, tutaj są monitorowane, a nawet wliczane do równania.

Natychmiastowość to jedna z największych zalet analityki. Zamiast czekać na tygodniowe wyniki sprzedaży i dostosowywać w odpowiedzi strategie reklamowe, marketerzy mogą codziennie sprawdzać wyniki online. Dzięki internetowym wskaźnikom KPI firmy analityczne mogą analizować skuteczność reklam w czasie rzeczywistym i rekomendować najskuteczniejszy marketing uzupełniający następnego dnia.

Jeff Zwelling, współzałożyciel i dyrektor generalny Convertro, firmy zajmującej się analizą reklam z siedzibą w Santa Monica w Kalifornii, mówi, że jego firma wysyła reklamodawcom raporty o skuteczności reklam w ciągu 24 godzin. Dzień po Super Bowl zgłosiliśmy się do GoDaddy, Intuit, NFL, o 8 rano.

Analytics może również pomóc chronić reklamodawców przed ryzykiem oszustwa bez zmuszania ich do podejmowania własnych działań dochodzeniowych. Dopóki KPI jest czymś, czego boty nie mogą naśladować — na przykład zakup — fałszywe reklamy nie będą skuteczne. Wszystko, czego potrzeba, to najwyższej klasy rozwiązanie do atrybucji i struktura cen, która dopasowuje skuteczność reklam do rzeczywistych konwersji (a nie kliknięć lub wyświetleń), aby uniknąć oszustwa, napisał David Perez, dyrektor ds. marketingu w Convertro, w niedawnym raporcie. post na blogu.

Teoretycznie algorytmy powinny być w stanie przydzielać budżet sieciom reklamowym, które kontrolują ich zasoby, aby uniknąć fałszywych reklam. Powinny generować więcej kluczowych wskaźników wydajności. Z tego samego powodu reklamy, które nie są widoczne, nie wpływają na wskaźniki KPI. Nie jest jasne, czy ta obietnica się spełnia.

Podobnie analityka predykcyjna może odkryć korelacje między kategoriami potencjalnych nabywców, które prawdopodobnie nie wystąpią u ludzi zajmujących się marketingiem. Na przykład główny naukowiec Digilant, Krishna Boppana, wspomina, że ​​pracując dla klienta usług finansowych, jego firma odkryła, że ​​mężczyźni, którzy oglądali łodzie w kwietniu i maju, reagowali na reklamy planów 401(k). Teraz stawia hipotezę, że mogli otrzymać premie w kwietniu i planowali wykorzystać te pieniądze na zabawę, zanim przypomnieli sobie – lub przypomnieli – że powinni zasilać swoje konta emerytalne.

Boppana dodaje, że współpracując z luksusową firmą kosmetyczną, Digilant odkrył korelację między kobietami zainteresowanymi egzotycznymi podróżami a tymi, które kupowały płatki Kashi. Podczas gdy analityka predykcyjna jest często krytykowana za dostrzeganie korelacji, a nie związku przyczynowego, Boppana dochodzi do wniosku, że w reklamie chodzi o korelację.

ukryć