Pubblicità programmatica: qual è la differenza tra dati buoni e dati cattivi?

Nell'ultimo decennio, il marketing ha drasticamente spostato le sue fondamenta dall'intuizione innata all'analisi calcolata. Si è spostato da una forma d'arte a una scienza.

Le strategie sono ora guidate da analisti senza pregiudizi invece che da creativi impegnati. Ancora più importante, le informazioni strategiche sui dati danno a ogni operatore di marketing la capacità di fornire la migliore esperienza possibile per il cliente.

Eppure un'area del digitale è costantemente in ritardo rispetto alle altre. Per quanto dirompente e epocale sia stata la rivoluzione dei dati, la pubblicità digitale è stata lenta ad abbracciarla.

Vent'anni fa, la pubblicità era l'industria più basata sui dati sul mercato. Ha utilizzato i dati demografici attraverso gli editori per identificare i mercati di destinazione. Il problema è che molti inserzionisti digitali non si sono evoluti da allora. Stanno ancora facendo affidamento, in molti casi, sui dati demografici.

Sono contenti.

E come tutti sappiamo, nessun marchio può affermarsi nell'era digitale; è una continua evoluzione. Gli esperti di marketing probabilmente raccontano ai loro figli storie di avvertimento prima di coricarsi sui marchi che hanno perso il loro vantaggio perché hanno smesso di andare avanti. L'elenco è lungo.

Ma c'è luce alla fine del tunnel per la pubblicità digitale. L'ascesa di Programmatic ha aperto una strada verso l'evoluzione dall'era di Mad Men all'era della Silicon Valley. Tuttavia, i punti dati gestiscono un ampio spettro di qualità.

I dati sono abbastanza simili a fare la salsiccia: spesso non sai cosa stai ottenendo e c'è una buona qualità in alcuni, ma ci sono anche alcune pratiche losche per ingannare l'ignaro acquirente.

Ottieni ciò per cui paghi con la qualità e devi decomprimere i dati per vedere cosa stai acquistando.

La maggior parte dei dati nel digitale è attualmente non raffinata, ampia e difficile da applicare: è un riempitivo. I professionisti del marketing devono evitare questa trappola dei dati all'interno della sfera digitale.

Dati errati

La maggior parte dei dati non raffinati che i marchi utilizzano per rivolgersi ai consumatori in modo digitale sono considerati dati di terze parti. Sono i dati che gli editori amano offrire ai marchi in base ai loro lettori.

I dati di terze parti, in sostanza, sono demografici. È la tua età, il tuo sesso, quello che leggi, dove vivi, e mentre i dati demografici sono meglio di nessun dato, spesso è una falsa promessa che sembra affascinante quando presentata, ma manca di esecuzione e risultati.

In altre parole, i dati demografici sono riempitivi, possono aiutare a colmare le crepe nella vista del cliente, ma non forniranno mai le informazioni necessarie per eseguire una campagna di successo.

Consideriamo un rapido esempio di caduta di terze parti. Diciamo che io e te abbiamo alcune somiglianze nei nostri dati demografici e preferenze. Siamo entrambi maschi di 54 anni, abitiamo nella stessa città ed entrambi siamo abbonati a una testata sportiva.

Anche se può sembrare che abbiamo molto in comune, cosa possiamo veramente correlare da quegli identificatori? Potremmo avere la stessa età, ma dove i Rolling Stones potrebbero essere più allineati alla mia età, potrei effettivamente ascoltare la stessa musica dei ragazzi di 15 anni di oggi.

Potremmo vivere nella stessa città e fare lavori simili, ma questo non significa che indossiamo abiti e facciamo acquisti da Brooks Brothers.

Con terze parti, non ci sono informazioni utili per trarre conclusioni sul comportamento. Se i professionisti del marketing vogliono avere una visione fedele dei propri clienti, hanno bisogno dei dati transazionali come base.

Grandi dati

Esistono due forme di dati affidabili e utilizzabili per i professionisti del marketing: prima e seconda parte. La differenza importante tra buoni dati e fluff è che con buoni dati, c'è un'azione di vendita al dettaglio eseguita dal cliente.

Si basa sulle transazioni; l'unica forma misurabile di marketing dei dati in grado di sviluppare una strategia intorno. Una transazione è un segno di intenzione; fornisce indicazioni su ciò che il cliente sta cercando di acquistare. Se riusciamo a costruire una cronologia sufficiente con i dati transazionali, emergono i modelli.

Prima festa

La prima parte sono i dati raccolti attraverso il tuo marchio in base alla cronologia delle transazioni e alle preferenze dell'account.

Sono i tuoi dati; nessun altro può usarlo a meno che tu non stia vendendo. È di gran lunga la migliore forma di dati contro cui commercializzare, ma è in qualche modo limitato al re-targeting poiché il consumatore ha già acquistato con il tuo marchio.

All'interno di una mentalità strategica, i dati di prima parte saranno sorprendenti per i clienti attuali: il loro valore come strumento di retargeting non ha eguali, ma non è così utile con l'acquisizione. Concentrati sull'upselling e sull'aumento della frequenza di ritorno. Usalo per promuovere novità di prodotto e iniziative stagionali.

Seconda festa

I dati di seconda parte sono il luogo in cui le cose si fanno davvero divertenti per i professionisti del marketing. È il tipo di dati che supporterà tutti gli obiettivi di acquisizione per la stagione.

Anche i dati di terze parti di solito saranno transazionali. La differenza tra prima e seconda parte è che i dati di seconda parte vengono raccolti da un altro marchio.

In sostanza, possiamo prendere dati di prima parte da altre società e commercializzarli contro di essi come se fossero i nostri. Questa forma di dati è disponibile anche tramite uno scambio ed evita parte del riempimento che ottieni dagli aggregatori che non hanno la stessa chiarezza su ciò che stai acquistando.

Quindi, invece di concentrarsi sul fatto che i potenziali clienti vivano o meno nella stessa città o siano abbonati alla stessa pubblicazione, i professionisti del marketing dovrebbero concentrarsi sulla ricerca di marchi affini con una base di clienti simile.

Nel prossimo esempio, utilizziamo dati di terze parti. Diciamo che stiamo eseguendo l'acquisizione per un rivenditore di moda di una catena di negozi di fascia alta con un AUR compreso tra $ 70 e $ 90.

Ha molto più senso sfruttare i dati transazionali di J. Crew, o anche Pottery Barn, piuttosto che prendere di mira uomini di 54 anni che vivono nella stessa area geografica. Ci sono più somiglianze tra la base di consumatori e conosciamo anche l'intento poiché hanno potere d'acquisto.

Alla fine, ciò che i marketer vogliono mirare è uno stile di vita attuabile, non dati demografici passivi.

L'ascesa del programmatic è uno degli sviluppi più entusiasmanti per la sfera digitale. Apre una nuova finestra per gli inserzionisti e sta già scuotendo le fondamenta del modo in cui operano gli editori.

Se il programmatic deve evolversi e avere un successo continuo, deve seguire il percorso che e-mail, CRM, fedeltà e marketing del sito hanno intrapreso utilizzando dati fruibili, affidabili, di prima e seconda parte per dimostrare l'acquisizione e l'investimento.

I marketer devono sapere cosa c'è nei loro dati e tagliare il filler per fornire un ROI continuo e basato sui dati per i loro marchi.