Данные так часто обсуждаются и так неправильно понимаются! Данные - это не что иное, как значения качественных или количественных переменных. Оказывается, этот термин столь же общий, как и термин. Существуют всевозможные продукты питания, группы продуктов питания и комбинации пищевых ингредиентов.
Понимаете, данные - это самый низкий уровень абстракции. Данные сами по себе не несут реального смысла. Данные, рассматриваемые в контексте, затем производят информацию. Информация проверяется и интерпретируется, а затем приводит к знаниям.
Экспериментальные данные
Интернет-реклама - это потенциальный кладезь данных об аудитории. Самый низкий уровень известных переменных, которые затем смешиваются и сопоставляются, определяют одно из двух:
Индивидуальное намерение: Конкретная цель, объясняющая, почему человек будет совершать определенное действие, серию или действия. Предсказание того, какой результат или цель ищет человек. Среди сотен распространенных примеров можно назвать поиск по ключевым словам, посещенные веб-сайты и прочитанный контент.
Индивидуальный интерес: Предсказание того, как мысли, убеждения, чувства и восприятия влияют на то, как люди покупают товары и услуги и относятся к ним. В маркетинге распространенными переменными среди тысяч, используемых для прогнозирования интереса, могут быть пол, географическое положение, доход, раса, возраст и многое другое.
Если рассматривать в этом контексте данные об аудитории, их можно правильно определить как «Экспериментальные данные». Экспериментальные данные - это данные, полученные в рамках научного исследования путем наблюдения и записи. Это топливо, которое питает программные или алгоритмические модели автоматической оптимизации, популярные среди платформ спроса и многих альтернативных каналов отображения.
Групповые сегменты данных=потеря информации
В предыдущих статьях я отмечал, и среди профессионалов онлайн-рекламы общеизвестно, что подавляющее большинство современных платформ отображения не занимаются сбором данных. Они занимаются потреблением данных. Они покупают заранее подготовленные «сегменты аудитории» по интересам или намерениям. Разумеется, это делается за определенную плату, и чем больше аудитория в сегменте, тем больше прибыли могут получить брокеры данных. Вы уже обеспокоены?
Например, обычным сегментом будет «Намеревающиеся круизы». Это может быть сегмент аудитории из 3 миллионов уникальных людей, которые в настоящее время готовы или активно стремятся отправиться в круиз. Вероятные данные в этом групповом сегменте могут включать в себя спектр элементов данных: от людей, которые выполняли поиск по ключевым словам, специфичным для круизов, или посещали туристические веб-сайты, до людей определенного возраста и дохода. Эти отдельные потребители вряд ли равны по уровню своих интересов и намерений.
Выходите на дисплейные платформы с машинным обучением.«Машинное обучение» и «патентованные алгоритмы» - это фразы, которые нам всем внушают насильно. В действительности, большинство этих компаний лишь автоматизировали устаревшую практику игнорирования отдельных переменных аудитории и оптимизации традиционных групповых сегментов, таких как: Какие сайты следует занести в черный список из этой группы? В какое время суток эта группа конвертируется лучше всего? Какая частота показа объявлений идеальна для этой группы?
При упаковке данных в эти группы происходит значительная потеря ценной информации. Какое индивидуальное поведение стоит за наиболее конверсионными и заинтересованными потребителями, которые получают вашу кампанию? Представьте себе, какие знания и мощь можно было бы получить от программной покупки рекламы, если бы вы могли видеть и контролировать каждую переменную данных, как если бы это был отдельный сегмент!
Самая ценная переменная данных в рекламе
Чтобы увидеть, сможем ли мы прийти к такому же выводу, я начну с короткого теста, чтобы вы получили удовольствие от тестирования:
Какой торт вкуснее всего?
А) Торт, испечённый всего несколько минут назад
Б) Торт, испечённый 8 дней назад
C) Торт, испечённый 3 недели назад
D) Торт, дата выпечки которого - полная загадка
Вы - автодилер с самым большим в мире штатом продаж. Семья из четырех человек отчаянно нуждается в новом автомобиле, и они заходят на ваш участок. Ваши шансы защитить их бизнес выше, если:
A) Семья сейчас находится на вашем участке
B) Семья покинула ваш участок 24 часа назад
C) Семья покинула ваш участок 2 недели назад
D) Вы понятия не имеете, когда они посетили ваш участок
Вы - единственный ресторан, специализирующийся на пицце. Вы хотите, чтобы новые клиенты попробовали вашу пиццу. Вы выбираете поставщика рекламы, который может показывать рекламу всем, кто искал «купон на пиццу» в вашем городе. На кого больше всего повлияет ваша реклама?
A) Потребитель, выполнивший поиск 5 минут назад
B) Потребитель, выполнивший поиск 5 дней назад
C) Потребитель, выполнявший поиск 2 недели назад.
D) Потребитель, выполнявший поиск в неизвестном 30-дневном окне.
Теперь вы знаете очевидную истину: переменная «Время» может кардинально изменить значение любого элемента данных. В более чем 90% сценариев именно самая последняя переменная данных содержит наиболее предсказуемую истину.
Будет существенная разница между отправкой сообщений тем, кто активно искал за последние 24 часа, по сравнению с тем, что было несколько недель назад. Увы, крупные бренды и агентства, которые их поддерживают, продолжают вкладывать деньги в компании, которые не могут ни отслеживать, ни назначать разные цены за отдельные показы в своем групповом сегменте на основе этой информации. Ко всем данным в сегменте применяются одинаковые ставки и одни и те же традиционные методы оптимизации.
Неструктурированные данные=анализ и контроль актуальности
В моей компании Simpl.fi мы считаем крайне важным собирать каждый элемент данных, лежащий в основе каждого показа. По какому ключевому слову выполнялся поиск? Какой сайт был посещен? Какую тему читал? - вместо того, чтобы ограничиваться сегментами.
В одиночку, это хорошая информация. Теперь предоставьте информацию о том, когда выполнялся поиск и когда тема была использована, в сочетании с возможностью назначать разные ставки в зависимости от актуальности данных. Мы обнаружили, что этот уровень понимания и контроля неоценим в кампаниях прямого реагирования и брендинговых кампаниях с использованием программных медиабаингов.
Вот некоторые выводы относительно «свежести данных», взятые из более чем 200 недавних рекламных кампаний для клиентов в индустрии личных финансов:
Например, мы обнаружили, что рейтинг кликов (CTR) и коэффициент конверсии значительно падают, как только элемент данных, используемый для включения потребителя в кампанию, устаревает по истечении 24 часов
Те же данные при проверке на самом низком уровне атрибута, в данном случае «ключевого слова», показали, что оптимальные показатели кликов и конверсий сильно различаются в зависимости от того, выполнялся ли поиск в течение нескольких минут или за последние 24 часа:
Еще один интересный вывод: при попытке максимизировать конверсии при одновременном достижении максимально возможной цены за клик (CPC) жизненно важно знать актуальность данных и иметь платформу, которая может программно корректировать ставки для достижения максимальной конверсии. элементы и возраст данных. На диаграмме ниже вы можете увидеть, как сформировалась золотая середина для достижения наилучшей цены за клик между агрессивными ставками, привязанными к «мгновенной» давности, и уменьшением количества кликов и конверсий по мере старения сигнала данных
Сводка
«Время - это то, чего мы хотим больше всего, но то, что мы используем хуже всего». ― Уильям Пенн
Время драгоценно, и никогда это не было так верно, как при попытке связать воедино элементы данных, чтобы предсказать интерес и намерения аудитории, на которую вы стремитесь повлиять. Мы движемся в новую эру больших данных, когда старые правила обработки и группировки людей в обобщения быстро достигнут своих пределов.
Неструктурированные данные, прозрачность поставщиков и платформы, управляемые алгоритмами, которые могут контролировать переменную времени на самом маленьком уровне, будут означать более глубокое понимание и лучшую производительность.