В наши дни большие данные стали модным словечком в нашей отрасли, и стоит ли удивляться недавнему взрывному росту данных с точки зрения роста, доступности и использования?
IBM неплохо справляется с объяснением больших данных, и я не из тех, кто портит хорошие вещи. Согласно определению компании, тремя основными компонентами больших данных являются объем, разнообразие и скорость.
Объем означает растущую массу терабайтов и петабайтов, которые генерируются и преобразуются в анализ и решения в реальном времени.
Разнообразие означает структурированные и неструктурированные данные, поступающие из тысяч источников, которые анализируются в новых и творческих комбинациях.
Скорость просто означает, насколько быстро создаются данные и скорость, с которой они должны обрабатываться для решения полезных задач, центральных для потребностей маркетологов.
С учетом всего этого потока больших данных остается вопрос: как мне извлечь из них максимальную пользу?
Сегодня многие платформы спроса (DSP) работают с брендами всех размеров, чтобы по-новому определить возможности интеграции больших данных по маркетинговым каналам.
Конечным результатом является то, что маркетологи имеют детальный контроль над каждым показом, что приводит к более быстрому масштабированию, повышению рентабельности инвестиций и значительно более глубокому пониманию своей целевой аудитории. Это все из-за централизации ключевых жизненно важных компонентов:
- Источники данных, объем и структура
- Автоматическое машинное обучение и принятие решений в кампаниях
- Наличие инвентаря
- Прозрачность отчетности и аналитика
Централизация ценных данных
Данные могут поступать из многих источников в разных объемах и в разных форматах. Стремясь проводить маркетинговые кампании, основанные на данных, DSP работают над централизацией источников данных на единых порталах для анализа и расширенной аналитики клиентов, которая дает возможность действовать. Источники данных, которые вам следует искать на платформе, включают:
Собственные данные - Нам всем знакомо ощущение, когда вы делаете заказ у того бариста в Starbucks, который всегда помнит, что вам нравится мокко из белого шоколада с
обезжиренное молоко, без взбивания и с добавлением белого шоколада. Это заставляет вас чувствовать себя важным, и это совсем не плохое чувство.
Возьмите урок у бариста: используйте существующее поведение посетителей сайта, чтобы показать потребителям, что вы их знаете. Наиболее распространенными первичными данными являются онлайн- и офлайн-данные CRM.
Исторически платформа управления данными (DMP) была необходима для просеивания, категоризации и сегментации первичных данных, чтобы их мог получить DSP.
Сегодня правильный DSP может объединить все эти данные без необходимости очистки DMP.
Кроме того, многие из новых DSP позволяют издателям размещать пиксели сбора данных на своих сайтах для сбора огромного количества данных на уровне элементов, включая: посещенные страницы, просмотренные SKU, выполненные поисковые запросы, ссылки на источники трафика и поиск по ключевым словам, время на месте и т. д.
Все эти данные можно использовать исключительно в кампаниях издателей для настройки маркетингового сообщения, частоты, каналов и многого другого.
Сторонние данные - это наиболее распространенные данные, используемые при таргетировании новой аудитории для кампаний по брендингу, вовлечению и прямому отклику.
Сторонние данные приобретаются и передаются как стоимость данных, поскольку они приобретаются через неэксклюзивных и эксклюзивных брокеров данных.
Хотя это наиболее распространенные данные, используемые DSP первого и второго поколения, они имеют ограничения по производительности. Эти данные сильно различаются по прозрачности, и чаще всего издатели выбирают хорошее и плохое, поскольку они покупают, оптимизируют и составляют отчеты на уровне большого набора данных (фиксированный сегмент).
Данные источника DSP - Часто сегменты сторонних данных препятствуют возможности эффективного использования данных для достижения желаемого результата.
По этой причине новые DSP разрабатывают соглашения о данных между биржами и издателями для получения собственных данных «элементного уровня». Используя собственные данные, они могут добиться прозрачности каждого элемента данных в его необработанной «неструктурированной» форме. Это противоположность заранее созданным сегментам данных.
Одним из примеров является DSP, управляющий кампаниями на основе намерений, использующими известные поисковые запросы потребителей, выполняемые в Интернете.
Данные, полученные от DSP в неструктурированном формате, позволяют DSP на уровне элемента обрабатывать каждый поиск по ключевым словам индивидуально, что приводит к назначению ставок на уровне ключевых слов, обмену сообщениями, актуальности и отчетам. Короче говоря, вы можете управлять медийной кампанией на уровне ключевых слов - точно так же, как поиском.
Окно в тренды - автоматические алгоритмы
Не так давно маркетинговые команды были по уши в документах Excel, анализируя горы данных о кампаниях - вручную считывая кофейные листья, чтобы связать желаемое действие с нужным клиентом.
Сегодня эффективные DSP используют машинное обучение в среде реального времени, чтобы находить ранее скрытые соединения с данными и превращать эти идеи в действенные решения в рамках кампании.
Маркетологам больше не нужно работать над деталями и тактикой кампании. Установите бюджет, определите цели, и лучшие платформы будут участвовать в многовариантной оптимизации кампании, которая становится эффективнее с каждым показом, что приводит к оптимальной эффективности в относительно короткие сроки.
Наличие инвентаря
DSP позволяет централизовать закупку рекламы на едином портале, открывая миллиарды показов на сотнях тысяч доменов и поддоменов, одновременно извлекая выгоду из больших данных. Всем известно, что доступ к ресурсам DSP с назначением ставок в реальном времени (RTB) обычно осуществляется через биржи. Это привело к распространенному заблуждению, что DSP каким-то образом имеют доступ только к остаточным ресурсам, которые издатели и сети не могут продать.
Реальность такова, что все больше и больше издателей предоставляют платформам свои собственные ресурсы, поскольку DSP расширяют функциональность своей собственной платформы предложения (SSP). Даже ведущие рекламные сети, известные своим «инвентарем премиум-класса», расширяют возможности SSP, чтобы позволить DSP быстро получать доступ к своей аудитории в режиме реального времени. Издатели имеют потрясающий контроль над SSP и биржами, включая установку минимальных цен для отдельных страниц, времени суток и многого другого. Благодаря такому типу контроля вероятность того, что страницы будут скрыты как частные или премиум-класса, снижается.
Использование данных для создания идеального впечатления у идеального потребителя с помощью персонализированного сообщения на страницах, содержащих определенный контент и ключевые слова, звучит как определение премиум-класса.
Прозрачность и понимание
Ключом к тому, чтобы сделать большие данные действенными, является превращение собираемых вами данных в двусторонний диалог с потребителями. Подумайте о Facebook и рекламе новейших теннисных кроссовок Nike, которую вы видели с тех пор, как добавили слово «бег» в список лайков.
Причинно-следственная связь на уровне элементов. Кроме того, реальную выгоду приносит понимание того, какой контент наиболее успешен у вашей целевой аудитории и как превратить целевую аудиторию в клиентов. Эпоха оптимизации «черного ящика» и принятия решений в ходе кампаний быстро подходит к концу, поскольку директора по маркетингу начинают требовать прозрачности.
Интерпретация в реальном времени. Частью максимизации больших данных является использование отчетов на уровне показов для выявления ключевых идей и тактик, применяемых в результате интерпретации данных в режиме реального времени. Благодаря прозрачности данных в отчетности можно принимать крупномасштабные решения и улучшения в области межканального маркетинга.
Пример максимизации больших данных
Допустим, вы издатель или сеть с 10 объектами, специализирующимися на студенческом футболе. Поскольку контент ваших веб-сайтов сфокусирован на лазере, ваш таргетинг также может быть таким же, но только если у вас есть мгновенный доступ к данным во время выполнения кампании.
Отправляя неструктурированные собственные данные DSP, который может комбинировать и анализировать их вместе с данными из источников DSP, вы можете проводить каждую кампанию с точной целью и видеть, как каждый элемент работает во время кампании.
Предположим, вы хотите настроить таргетинг только на фанатов SEC в Джорджии и Алабаме. Если бы вы создали сегмент на основе собственных данных, вы бы увидели только эффективность всей кампании. Однако если вы загрузите необработанные данные в DSP, вы сможете увидеть, реагируют ли фанаты Оберна лучше, чем фанаты Университета Алабамы. Это позволит вам постоянно оптимизировать, а не просто наблюдать за выполнением статического сегмента.
Далее вы сможете включить любые автономные данные, которые могут у вас быть, в вашу систему управления взаимоотношениями с клиентами (CRM). Возможно, у вас также есть подписчики на печатный журнал или информационный бюллетень. Импорт этих данных CRM в DSP означает, что вы можете ориентироваться на аудиторию, которая читает ваш контент в автономном режиме, когда ваш DSP видит их в Интернете, просматривающих веб-сайты за пределами ваших собственных объектов.
Короче говоря, большие данные наиболее эффективны тогда, когда они наиболее действенны. Сегодня существует несколько невероятных платформ, которые позволяют маркетологам использовать эту мощь для проведения удивительно эффективных маркетинговых кампаний и распространения информации по всей компании. Наступила эра больших данных.