여전히 문제가 있는 디지털 광고의 3가지 영역

디지털 광고에 대한 나의 열정은 데이터라는 특정 항목에서 비롯됩니다. 우리가 살펴보고 분석할 수 있는 정보의 양은 놀랍습니다. 노출수 및 클릭수와 같은 기본 측정항목에서 웹사이트 탐색 경로 또는 장바구니에 추가와 같은 보다 흥미로운 통찰력에 이르기까지 복잡한 질문과 문제를 쉽게 해결할 수 있는 모든 것이 제자리에 있는 것 같습니다.

그러나 내 경험에 따르면 디지털 마케팅의 일부 영역은 여전히 ​​개선이 필요합니다. 특히, 한때 우리가 가진 기술로 해결되었다고 생각했던 몇 가지 문제가 여전히 관련성이 있고 내가 하는 작업에서 되풀이됩니다. 디지털 광고에서 여전히 문제가 되는 세 가지 영역이 있습니다.

1. 귀속: 백만 달러짜리 질문

라디오 방송국이나 텔레비전 채널에서 광고를 실행한다고 상상해 보십시오.
노출수, 스트림 또는 조회수를 측정하는 데 사용할 수 있는 도구는 무엇입니까?
귀하의 광고를 듣거나 보는 개인의 평균 시간을 어떻게 알 수 있습니까?

당신이 숫자를 얼마나 잘 다룰 수 있더라도 그 정보를 얻는 것은 시간을 할애할 가치가 없을 것입니다.

디지털 광고는 우리에게 너무나 많은 양의 데이터를 사치스럽게 제공하여 때때로 우리는 그 데이터로 무엇을 해야할지조차 모릅니다. 즉, 광고가 구매 결정에 어떤 영향을 미쳤는지 결정하는 것과 관련하여 유료 미디어 세계는 여전히 어려움을 겪고 있습니다. 많은 경우 브랜드가 다음과 같이 말하는 것을 들었습니다.

• "예, Facebook의 리타게팅 동영상 광고는 조회수가 10,000회였지만 어쨌든 얼마나 많은 전환이 발생했을까요?" 또는…
• "디스플레이 광고가 실제로 상당한 영향을 미치고 있는지 확신할 수 없습니다."

여기에 우리는 수년간의 기술 향상 후에도 비디오 또는 이미지 광고의 영향을 비교적 정확하게 평가하지 못하고 있습니다.

엄격하게 설계된 테스트는 다양한 채널의 영향에 대한 통찰력을 제공할 수 있습니다. 이를 위해서는 잠재고객을 격리하고 데이터가 관련성이 있을 만큼 충분히 긴 기간 동안 강력하게 준비된 캠페인을 실행해야 합니다. 디스플레이 광고는 용어의 가장 직접적인 의미에서 소비자에게 영향을 미치지 않을 수 있지만 브랜드를 가장 먼저 기억하는 데 도움이 됩니다. 테이블에서 제거하는 결과는 느리지만 꾸준히 브랜드 관심도와 고려도가 떨어질 수도 있고 그렇지 않을 수도 있습니다. 누가 알아?

2. 추적: 다른 백만 달러짜리 질문

이것은 실제로 위에서 언급한 첫 번째 문제의 이면에 있는 기술적인 문제입니다. 때때로 우리의 삶을 매우 어렵게 만드는 것은 지표의 해석이 아니라 지표 자체를 사용할 수 없다는 사실입니다.

사용자가 휴대전화에서 디스플레이 광고를 본 다음 며칠 후 데스크톱 컴퓨터에서 조사한 다음 노트북 컴퓨터에서 전환합니다. 이 경우 기기와 채널을 적절하게 추적하고 크레딧을 제공하기가 어렵습니다. 예, 브라우저 기반 및 사용자 기반 추적을 혼합하여 사용할 수 있는 Facebook과 같은 일부 대형 플랫폼에서 개선이 이루어졌지만 일부 데이터가 전환 경로에서 손실되었음을 쉽게 알 수 있습니다. 때때로 Google Analytics는 데이터를 '사용할 수 없음', '설정되지 않음'이라고 부르거나 광고 기반 인센티브 없이 실제로 웹사이트를 직접 방문하지 않은 데이터를 '직접'으로 간주합니다.

인터넷상의 개인 정보 보호에 대한 우려가 커지고 CCPA 또는 GDPR과 같은 관련 정책이 구현됨에 따라 추적 시스템은 더 많은 문제에 직면하게 될 것입니다. 개인 정보 보호 문제로 인한 것으로 의심되는 고객 중 하나의 문제는 Google Analytics가 실제로 이전 사용자의 중복이라는 결론을 내릴 수 있는 경우에 새 사용자를 등록하고 있다는 것이었습니다. 이 지점에 대해 간단히 결론을 내리자면, 우리는 전반적인 고객 여정에 대한 중요한 통찰력을 가지고 있지만 추적은 잠재력이 충분하지 않으며 조만간 그 지점에 도달하지 못할 이유가 있습니다. 아직은 정확하지 않더라도 마케터로서 영향력 있는 결정을 내리기에 충분한 데이터가 있다는 사실에 감사하고 싶다고 가정해 보겠습니다.

3. 자동화: 달러 금액을 속성으로 지정하겠습니다.

숫자에 대한 까다로운 점은 숫자의 수학적 특성이 정확성 부족을 숨긴다는 것입니다. 이름으로 매우 강력한 알고리즘의 경우에도 마찬가지이지만 실제로는 알고리즘의 약점을 인식할 수 있습니다. 자동화된 최적화 시스템은 인간의 행동이 논리적인 방식으로 추적될 수 있는 한 효과적입니다.

자동화된 최적화 시스템은 한 가지를 매우 잘 수행합니다. 셀 수 있는 추세를 감지하고 매우 빠르게 수행합니다.

그러나 인간의 주요 특성이 논리적으로 생각하는 능력이라면 또 다른 주요 특성은 논리적 추세에서 벗어나는 능력입니다. 마케팅에서 우리는 인간을 다룹니다. 즉, 논리에 너무 의존하여 비생산적인 도구를 과도하게 사용하는 것에 대해 매우 주의해야 합니다. 한 계정에서 작동했지만 다른 계정에서 예기치 않게 실패한 자동화된 전략을 시도한 적이 있다면 그것은 완벽하지 않고 여전히 전략적 지침이 필요하기 때문입니다. 즉, 다른 사람과 시장의 현실을 이해하는 사람의 입력을 의미합니다.

예를 들어 Google의 타겟 ROAS와 같은 일부 자동 입찰 시스템은 지출에 실패하는 경향이 있으며 ROAS 목표가 너무 높게 설정되자마자 매우 보수적이 됩니다.

함께 작업하는 고객과의 테스트는 먼저 캠페인의 실제 ROAS가 설정된 ROAS보다 훨씬 높은 캠페인 집합을 확인한 다음 캠페인이 더 많은 트래픽을 포착할 수 있도록 타겟 ROAS를 낮추는 것이었습니다. 우리가 기대했던 것은 ROAS는 낮았지만 지출과 수익은 더 높았습니다. 일부 캠페인에서는 효과가 있었고 다른 캠페인에서는 실패했습니다. 이것은 단순히 ROAS 목표를 낮추는 것이 확장 가능한 전략이 아님을 보여주었습니다. 자동화가 완벽하지는 않지만…

희망을 잃을 이유가 없습니다

오늘날의 기술과 10년 전의 기술을 고려하면 누구도 그 개선을 부정할 수 없습니다. 불가능한 것은 없으며 모든 것을 한계까지 밀어붙이고 한때 불가능하다고 여겼던 것을 성취하는 것이 우리의 임무입니다. 우리의 헌신을 유지하고 테스트와 연구를 계속합시다.

아마도 당신은 위에서 언급한 백만 달러짜리 질문 중 하나에 답할 것입니다. 저와 공유하는 것을 잊지 마세요!