Reklamná technológiaContent Marketing

Kontrolný zoznam poskytovateľa údajov Skimlinks - kladenie správnych otázok

Až donedávna čelili digitálni marketingoví pracovníci a odborníci na reklamné agentúry, ktorí hľadali možnosti programového nákupu reklám, a čierna krabica dátový scenár. Väčšina z nich nie sú inžinieri ani vedci v oblasti údajov a museli sa veľmi spoľahnúť a dôverovať tvrdeniam poskytovateľa údajov o kvalite údajov, ktoré po implementácii - a po uskutočnení nákupu - skontrolovali výsledky.

Čo by však mali marketingoví pracovníci a agentúry hľadať u poskytovateľa údajov? Ako môžu určiť, ktorý poskytovateľ ponúka najpresnejšie a najtransparentnejšie riešenie? Tu je treba položiť niekoľko otázok:

Ako sa zhromažďujú údaje?

Je to prostredníctvom priameho pozorovania každého používateľa alebo sú to odvodené údaje, keď sú vzorce správania zistené u malej skupiny používateľov a potom extrapolované pre väčšie skupiny? Ak sú údaje odvodené, presnosť veľmi závisí od veľkosti meranej skupiny - preto je pri posudzovaní poskytovateľov dôležité skontrolovať veľkosť skupiny. Nezabúdajte však, že bez ohľadu na veľkosť odvodených údajov je pri extrapolácii vždy potrebné počítať s poklesom presnosti. Nezabudnite, že keď sa údaje vymodelujú do segmentov, predpovede budú založené skôr na predpovediach, ako na skutočných informáciách. Táto dynamika exponenciálne zvyšuje riziko, že údaje nebudú fungovať.

Je dobré klásť otázky zdravého rozumu, ktoré vám umožnia posúdiť silu údajov v zúžení. Okrem jednoduchých demografických údajov zohľadňujúcich transakcie, sledovanie metadát a ďalšie signály, ktoré presnejšie predpovedajú nákupný zámer. Skimlinks každý deň zachytáva 15 miliárd signálov nákupného zámeru zo siete 1.5 milióna domén vydavateľov a 20,000 100 obchodníkov. Aplikáciou strojového učenia a obohacujúcou analýzou vo svojej vrstve produktovej inteligencie rozumie Skimlinks taxonomii a metadátam XNUMX miliónov referencií a odkazov na produkty. Tieto informácie používajú na vybudovanie segmentov publika s vysokou mierou konverzie na základe produktov a značiek, ktoré si používatelia pravdepodobne kúpia, a umožňujú tak efektívnejšie reklamné, sociálne a videokampane.

Aký typ údajov sa zhromažďuje?

Ďalej na zozname je zistiť, aký druh údajov sa zhromažďuje. Kategórie môžu zahŕňať kliknutia, odkazy, metadáta, obsah stránky, hľadané výrazy, značky a produkty, informácie o cenách, výskyt transakcií, dátum a čas. Čím viac druhov údajov sa zhromaždí, tým viac budú musieť pracovať prediktívne modely surovín, čo môže výrazne zlepšiť presnosť. Ak sa zhromaždí iba niekoľko typov údajov - napríklad iba zobrazenia alebo kliknutia -, bude k dispozícii obmedzené množstvo informácií, ktoré možno použiť na krížovú kontrolu predpovedí alebo vylepšenie profilov používateľov. V tomto scenári existuje riziko, že sa vygenerujú príliš zjednodušené a nepresné profily používateľov.

Skimlinks zhromažďuje a analyzuje údaje a zisťuje vzory od viacerých vydavateľov a obchodníkov, aby presne predpovedal nákupné správanie. Napríklad kombinácia jedného používateľa, ktorý navštívi 10 stránok na piatich rôznych webových stránkach, sa dá identifikovať ako vzor, ​​ktorý naznačuje záujem o nákup v budúcom týždni. Žiaden vydavateľ nemohol poskytnúť údaje Skimlinks pristupuje prostredníctvom svojej siete 1.5 milióna domén, ale informácie o vydavateľovi sú iba jednou časťou signálnych údajov. Skimlinks tiež analyzuje údaje získané od 20,000 XNUMX obchodníkov v jej sieti, vrátane informácií o cenách, hodnote objednávky a histórii nákupov.

Pritom Skimlinks kombinuje signály z celého maloobchodného ekosystému.

Ako sa overujú údaje?

Ďalšou kritickou schopnosťou, ktorú treba pri hodnotení poskytovateľov údajov hľadať, je schopnosť overiť predpovede v praxi. Napríklad každý poskytovateľ, ktorý tvrdí, že jeho segmenty budú viesť konverzie, by mal zachytiť údaje o transakciách, aby potvrdil, že došlo k nákupu. Bez údajov o transakciách nie je možné overiť návrh hodnoty.

Skimlinks má programovú službu zacielenia na publikum, ktorá pomáha inzerentom zacieliť na používateľov podľa toho, kde sa v nákupnom cykle nachádzajú. Predpovede sa vytvárajú pomocou kontextových údajov, údajov o výrobkoch a cenách a overujú sa pomocou informácií o transakcii. Používatelia sú sledovaní, aby skontrolovali, či uskutočnili očakávaný nákup, a systém strojového učenia, ktorý vytvára segmenty, je na základe týchto informácií neustále trénovaný. To pomáha kupujúcim vyhnúť sa scenáru, v ktorom sa zameriavajú na spotrebiteľov, ktorí mohli preskúmať produkt, ktorý si nemôžu dovoliť alebo nemajú skutočný úmysel kúpiť. Výsledkom je lepší výkon segmentu.

Digitálni marketingoví pracovníci a agentúry, ktoré sa zaoberajú programatickou reklamou, si musia zvoliť správneho poskytovateľa údajov, aby optimalizovali svoje ceny za tisíc zobrazení (CPM) alebo ceny za akciu (CPA). Tempo rastu v odvetviach programovej reklamy a marketingu založeného na údajoch môže sťažiť výber správneho poskytovateľa údajov. Aplikáciou týchto troch otázok zdravého rozumu pri posudzovaní hodnotovej ponuky poskytovateľa údajov však môžu digitálni marketingoví pracovníci a agentúry otvoriť čiernu skrinku a nájsť ten správny mix údajov.

Alicia Navarrová

Alicia Navarro je generálna riaditeľka a spoluzakladateľka spoločnosti Skimlinks, platforma na speňaženie obsahu, ktorá pomáha webovým serverom získať odmenu za zámer nákupu vytvorený v ich obsahu. Pred uvedením spoločnosti Skimlinks pracovala viac ako 10 rokov na navrhovaní a spúšťaní mobilných a internetových aplikácií v Austrálii a Veľkej Británii. Od roku 2007 Alicia rozšírila spoločnosť na viac ako 85 zamestnancov v kanceláriách v Londýne, San Franciscu a New Yorku.

súvisiace články

Tlačidlo späť nahor
Zavrieť

Zistený blok reklám

Martech Zone vám tento obsah môže poskytnúť bezplatne, pretože naše stránky speňažujeme prostredníctvom príjmov z reklám, pridružených odkazov a sponzorstiev. Ocenili by sme, keby ste pri prezeraní našej stránky odstránili blokovanie reklám.