الإعلان الآلي: ما الفرق بين البيانات الجيدة والسيئة؟

على مدى العقد الماضي ، حوّل التسويق أساسه بشكل كبير من الحدس الفطري إلى التحليل المحسوب. لقد تحول من شكل فني إلى علم.

يقود الاستراتيجيات الآن محللون غير متحيزين بدلاً من التصميمات الملزمة. والأهم من ذلك ، أن رؤى البيانات الإستراتيجية تمنح كل جهة تسويق القدرة على تقديم أفضل تجربة ممكنة للعميل.

ومع ذلك ، هناك مجال واحد من المجالات الرقمية يتخلف باستمرار عن البقية. بقدر ما كانت ثورة البيانات مدمرة وخطيرة ، إلا أن الإعلانات الرقمية كانت بطيئة في تبنيها.

قبل عشرين عامًا ، كان الإعلان هو الصناعة الأكثر اعتمادًا على البيانات في السوق. استخدمت البيانات الديموغرافية من خلال الناشرين لتحديد الأسواق المستهدفة. المشكلة هي أن العديد من المعلنين الرقميين لم يتطوروا منذ ذلك الحين. ما زالوا يعتمدون ، في كثير من الحالات ، على التركيبة السكانية.

إنهم راضون.

وكما نعلم جميعًا ، لا يمكن لأي علامة تجارية أن تستقر في العصر الرقمي ؛ إنه تطور مستمر. ربما يخبر المسوقون أطفالهم بقصص تحذيرية قبل النوم حول العلامات التجارية التي فقدت ميزتها لأنها توقفت عن المضي قدمًا. القائمة طويلة.

لكن هناك ضوء في نهاية النفق للإعلان الرقمي. فتح صعود Programmatic طريقًا إلى الأمام للتطور من عصر Mad Men إلى عصر Silicon Valley. على الرغم من أن نقاط البيانات تعمل على نطاق واسع من الجودة.

تتشابه البيانات تمامًا مع صناعة النقانق: فأنت لا تعرف غالبًا ما تحصل عليه وهناك جودة جيدة في بعضها ، ولكن هناك أيضًا بعض الممارسات المشبوهة لخداع المشتري المطمئن.

تحصل على ما تدفع مقابله بجودة وتحتاج إلى تفريغ البيانات لمعرفة ما تشتريه.

غالبية البيانات الرقمية حاليًا غير مكررة وواسعة وصعبة التنفيذ - إنها حشو. يحتاج المسوقون إلى تجنب الوقوع في مأزق البيانات داخل المجال الرقمي.

بيانات سيئة

تعتبر معظم البيانات غير المكررة التي تستخدمها العلامات التجارية لاستهداف المستهلكين رقميًا بيانات تابعة لجهات خارجية. إنها البيانات التي يحب الناشرون تقديمها للعلامات التجارية بناءً على عدد القراء.

بيانات الطرف الثالث ، في جوهرها ، ديموغرافية. إنه عمرك ، وجنسك ، وما تقرأه ، والمكان الذي تعيش فيه ، وبينما تكون البيانات الديموغرافية أفضل من عدم وجود بيانات ، فإنها غالبًا ما تكون وعدًا زائفًا يبدو ساحرًا عند تقديمها ، ولكنها تفتقر إلى التنفيذ والنتائج.

بمعنى آخر ، التركيبة السكانية هي حشو ، يمكنها المساعدة في سد الشقوق في وجهة نظر العميل الخاصة بك ، لكنها لن تقدم أبدًا المعلومات اللازمة لتنفيذ حملة ناجحة.

لنفكر في مثال سريع على سقوط الطرف الثالث. لنفترض أن لدينا بعض أوجه التشابه في التركيبة السكانية والتفضيلات الخاصة بنا. كلانا يبلغ من العمر 54 عامًا ، نعيش في نفس المدينة وكلانا مشترك في مطبوعة رياضية.

في حين أنه قد يبدو أن لدينا الكثير من القواسم المشتركة ، فما الذي يمكننا حقًا ربطه بهذه المعرفات؟ قد نكون في نفس العمر ، ولكن حيث قد تكون فرقة رولينج ستونز أكثر انسجامًا مع عمري ، فقد أستمع بالفعل إلى نفس الموسيقى مثل أطفال اليوم البالغ من العمر 15 عامًا.

قد نعيش في نفس المدينة ولدينا وظائف مماثلة ، لكن هذا لا يعني أننا نرتدي بدلات ونتسوق في Brooks Brothers.

مع الطرف الثالث ، لا توجد رؤى قابلة للتنفيذ لاستخلاص استنتاجات حول السلوك. إذا أراد المسوقون الحصول على رؤية حقيقية لعملائهم ، فإنهم يحتاجون إلى بيانات المعاملات لتكون الأساس.

بيانات رائعة

هناك نوعان من البيانات التي يمكن الاعتماد عليها وقابلية للتنفيذ من قبل جهات التسويق - الطرف الأول والثاني. يتمثل الاختلاف المهم بين البيانات الجيدة والزغب في أنه مع البيانات الجيدة ، هناك إجراء بيع بالتجزئة يقوم به العميل.

أنه يقوم على المعاملات. يمكن للشكل الوحيد القابل للقياس من مسوقي البيانات تطوير إستراتيجية حوله. الصفقة هي علامة على النية ؛ يقدم إرشادات حول ما يتطلع العميل إلى شرائه. إذا تمكنا من بناء سجل كافٍ ببيانات المعاملات ، فستظهر الأنماط.

الطرف الأول

الطرف الأول هو البيانات التي يتم جمعها من خلال علامتك التجارية بناءً على سجل المعاملات وتفضيلات الحساب.

إنها بياناتك. لا يمكن لأي شخص آخر استخدامه إلا إذا كنت تبيع. إنه إلى حد بعيد أفضل شكل من أشكال البيانات التي يمكن تسويقها ، ولكنه يقتصر إلى حد ما على إعادة الاستهداف لأن المستهلك قد اشترى بالفعل بعلامتك التجارية.

ضمن عقلية إستراتيجية ، ستكون بيانات الطرف الأول مذهلة للعملاء الحاليين - قيمتها كأداة لإعادة الاستهداف لا مثيل لها ، لكنها ليست مفيدة في الاستحواذ. ركز على البيع الإضافي وزيادة معدل العائد. استخدمه لدفع حداثة المنتج والمبادرات الموسمية.

الطرف الثاني

بيانات الطرف الثاني هي المكان الذي تصبح فيه الأشياء ممتعة حقًا للمسوقين. إنه نوع البيانات التي ستدعم جميع أهداف الاستحواذ لهذا الموسم.

عادةً ما تكون بيانات الطرف الثاني متعلقة بالمعاملات أيضًا. الفرق بين الطرف الأول والطرف الثاني هو أن بيانات الطرف الثاني يتم جمعها من علامة تجارية أخرى.

في الأساس ، يمكننا أخذ بيانات الطرف الأول من الشركات الأخرى وتسويقها ضدها كما لو كانت بياناتنا. يتوفر هذا النموذج من البيانات أيضًا من خلال التبادل ويتجنب بعض العناصر التي تحصل عليها من المجمعين الذين لا يتمتعون بقدر كبير من الوضوح فيما تشتريه.

لذا بدلاً من التركيز على ما إذا كان العملاء المحتملون يعيشون في نفس المدينة أم لا ، أو الاشتراك في نفس المنشور ، يجب أن يركز المسوقون على إيجاد علامات تجارية متشابهة التفكير مع قاعدة عملاء مماثلة.

في المثال التالي ، دعنا نستخدم بيانات الطرف الثاني. لنفترض أننا نجري عملية استحواذ على بائع تجزئة للأزياء من سلسلة متاجر متطورة تتراوح قيمته بين 70 دولارًا و 90 دولارًا.

من المنطقي استخدام بيانات المعاملات الخاصة بـ J. Crew ، أو حتى Pottery Barn ، أكثر من استهداف رجال يبلغون من العمر 54 عامًا يعيشون في نفس المنطقة الجغرافية. هناك المزيد من أوجه التشابه بين قاعدة المستهلكين ونعرف أيضًا النية نظرًا لأن لديهم القوة الشرائية.

في النهاية ، ما يريد المسوقون استهدافه هو أسلوب حياة قابل للتنفيذ ، وليس التركيبة السكانية السلبية.

يعد ظهور البرامجيات أحد أكثر التطورات إثارة في المجال الرقمي. يفتح نافذة جديدة للمعلنين وهو يهز بالفعل أسس كيفية عمل الناشرين.

إذا كان من المقرر أن يتطور البرنامج الآلي واستمر في النجاح ، فإنه يحتاج إلى اتباع المسار الذي اتخذه البريد الإلكتروني وإدارة علاقات العملاء والولاء وتسويق الموقع باستخدام بيانات قابلة للتنفيذ وموثوقة وطرف أول وثاني لإثبات الاستحواذ والاستثمار.

يحتاج المسوقون إلى معرفة ما هو موجود في بياناتهم وتقليص الحشو لتوفير عائد استثمار مستمر قائم على البيانات لعلاماتهم التجارية.