მარკეტინგის გაზომვა და ატრიბუცია 2023 წელს

ბოლო რამდენიმე წლის განმავლობაში დაფიქსირებულ სარეკლამო ცვლილებებს შორის, მათ შორის სოციალურ და საძიებო და ჩვენების მარკეტინგში, ყველაზე შორსმიმავალი შეიძლება იყოს ის, რაც გამოწვეულია ატრიბუციისა და გაზომვის ცვლილებებით. და რამდენადაც მდგრადი ფასიანი მედიის მასშტაბის მიღწევა უფრო რთული გახდა გარკვეულ არხებში, ბრენდებმა უნდა გააუმჯობესონ თავიანთი უნარი, იდენტიფიცირონ სარეკლამო საშუალებები, რომლებიც განაპირობებენ წვლილს და არა მხოლოდ ატრიბუტს. ეს ნიშნავს, რომ მათ სჭირდებათ გაზრდილი ხილვადობა მათი შემოსავლის მამოძრავებელთა მიმართ, რაც არა მხოლოდ მატულობს, არამედ ინარჩუნებს მოგების ზღვარს. მაგრამ ეს სავარაუდოდ მოხდება აგრეგირებულ საფუძველზე, უფრო მეტად ინდივიდუალური მომხმარებლის დონეზე.

„მიკუთვნებულ კონვერტაციებში ნაკლები ხილვადობის პირობებში, ბრენდები შორდებიან პლატფორმის ატრიბუციას, როგორც მათ ნამდვილ ჩრდილოეთს და ნაცვლად ფოკუსირდებიან უფრო ჰოლისტურ მეტრიკაზე, როგორიცაა კლიენტების შეძენის ღირებულება (CAC) და ზრდა“, - ამბობს მეგან კონაჰანი, EVP Direct Agents-ში, რომელიც ცნობილია. მისი ციფრული მარკეტინგი მუშაობს კლიენტებთან, როგორიცაა Sony და Walmart
WMT
. ეს კომპლექსური წამოწყებაა პლატფორმების მუდმივად მზარდი რაოდენობის გათვალისწინებით, სადაც მომხმარებლები და ბრენდები ხარჯავენ დროსა და ფულს, მაგრამ სცილდება იმ მოლოდინს, რომ ყოველი დოლარი მიეკუთვნება უფრო ჰოლისტიკური შესრულების მოდელირებას, მნიშვნელოვანია მისი მიზანშეწონილობისა და სიზუსტისთვის, დასძენს იგი.

ბენ დატერი, Power Digital-ის სტრატეგიის SVP, რომელიც მუშაობდა კლიენტებთან Uniqlo-დან Dropbox-მდე, საუბრობს იმ ოთხ ბერკეტზე, რომელიც დადასტურებულია, რომ ამოძრავებს პირველად მყიდველებს - არა მხოლოდ მინიჭებულ შემოსავალს - როგორც კრეატიულობა, სიხშირე, აუდიტორიის შეღწევა და ხანგრძლივობა. . როგორ შეუძლია ბრენდს იპოვოთ ამ ტიპის დამატებითი წვლილი? „მედია მიქსის მოდელირებისთვის (MMM) შესვლის ბარიერი საკმარისად შემცირდა, რომ გაზომვის ეს ფორმა იყოს გავრცელებული და აუცილებელი… MMM საუკეთესო ვარიანტია, როცა კარგავთ ტექნიკურ გაზომვას, როგორიცაა ქუქიები“. MMM განსაკუთრებით სასარგებლოა ციფრული სახლიდან გასული (DOOH) რეკლამისთვის და ტელევიზიისთვის, რადგან ამ ყველაზე მაღალი დონის მარკეტინგი შეიძლება იყოს რთული თვალყურის დევნება. მაგრამ Dutter ასევე გვაძლევს მაგალითს უფრო მცირე ბრენდის, რომელიც შეიძლება მუშაობდეს გავლენის შემსრულებლებთან ან TikTok-ზე და არ აქვს დეტალური ხილვადობა მომხმარებლის დაწკაპუნების მონაცემებში: სტატისტიკური მოდელირების გამოყენებით, რათა დაინახოს, თუ რამხელა შემოსავალი მიიღო პირველად ამ რეკლამიდან, გადაწყვეტილების მიმღებებს შეუძლიათ უკეთესი. ბიუჯეტის გამოყოფა იმის უზრუნველსაყოფად, რომ ურთიერთკავშირი მომხმარებელთა შეძენის ხარჯებსა და ამ მომხმარებლების გრძელვადიან ღირებულებას შორის მთლიანობაში დადებითია.

MMM-ის გამოყენება ბიუჯეტის ან პლატფორმის ცვლილებების შესრულებაზე ზემოქმედების პროგნოზირებისთვის და მანქანური სწავლების გამოყენება ამ მოდელის შედეგების მედია სტრატეგიებზე გამოსაყენებლად, დანახარჯების ოპტიმალური განაწილების მისაღწევად და შესანარჩუნებლად, არის ტაქტიკა, რომელსაც Conahan ხედავს ბრენდების მხრიდან ინტერესის მოპოვებას. ”საერთო ჯამში, როდესაც თქვენ უყურებთ ატრიბუციას და რეკლამის მიზნობრივ მიზნებს, ჩვენ ვშორდებით ჰიპერ-მიზნობრივ მიდგომას, სადაც ყველაფერი თვალყურის დევნებადია და მიეკუთვნება. ბრენდებს ვეღარ მოელიან Meta-ში ნიშის მიზანმიმართულს, რომელიც გარდაიქმნება ადრე განსაზღვრული ატრიბუციის ფანჯარაში,” - ამბობს ის. კონაჰანი აგრძელებს განმარტავს, რომ მიუხედავად იმისა, რომ კონკრეტულ მედიას შესაძლოა წარსულში აწვდიდნენ ცნობადობას, კონვერტაციას და ატრიბუტს, ბრენდები ამას აღარ უნდა მოელოდნენ და სხვაგან უნდა ეძებონ, რათა მიიღონ ყველაფერი, რაც მათ სჭირდებათ.

პლატფორმის მიხედვით, სიგნალიზაციის მონაცემების დაკარგვა კონფიდენციალურობის კანონმდებლობისა და Apple-ის ცვლილებების გამო
AAPL
საკუთარი კონფიდენციალურობის პოლიტიკამ ხელი შეუწყო ციფრული მარკეტინგის წარმომადგენლებს MMM-ზე გადასვლას, როდესაც მათ სჭირდებათ შედეგების გაზომვა. MMM-ის ღირებულების ნაწილია მისი უნარი გაფართოვდეს ციფრულიდან ყველა ფასიან მედიაზე, მათ შორის სავაჭრო აქციები და საცალო გარიგებები. მაგრამ სანამ ორივე Google
GOOG
და Meta-მ გაზარდეს MMM შესაძლებლობები, ბრენდებს შეიძლება არ სურდეთ გაუზიარონ თავიანთი გარე მედია დახარჯული მონაცემები ამ პლატფორმებთან, შედეგების ოპტიმიზაციის მიზნით.

შვილობილი ქსელებმაც გააუმჯობესეს თვალთვალის და ანგარიშგების შესაძლებლობები, მათ შორის რეალურ დროში მონიტორინგსა და ანალიტიკას, რათა შესთავაზონ უკეთესი ინფორმაცია შვილობილი მარკეტინგული კამპანიების შესრულებაზე. რიჩი მასერო, Intellek-ის მარკეტინგის მენეჯერი, ამბობს, რომ ეს საშუალებას აძლევს ბრენდებს განახორციელონ კორექტირება რეალურ დროში და რომ ახალმა ტექნოლოგიებმა, როგორიცაა მოწყობილობებზე თვალყურის დევნება და ქუქიების გარეშე თვალყურის დევნება, გააუმჯობესა თვალთვალის სიზუსტე და შეამცირა თაღლითური აქტივობების შემთხვევები.

საერთო ჯამში, პოლ დე ჟარნატი, NOVUS-ის ციფრული ვიცე პრეზიდენტი, მედია დაგეგმვისა და ყიდვის სააგენტო, რომელიც მუშაობს Dollar Tree-თან.
LTRD
და LIDL, თვლის, რომ აუდიტორიის შეხედულებები და გაგება გადალახავს მიზნობრივ და ტექნოლოგიას, რადგან მესამე მხარის (3P) ქუქიების გაუფასურება ხდება და უფრო რთული ხდება 3P მსგავსი მიზნობრივი მიზნების განხორციელება პირველი მხარის (1P) მომხმარებლის მონაცემებზე დაყრდნობით. მიუხედავად იმისა, რომ ის აღიარებს, რომ მედიის შესყიდვის სისტემები შექმნილია იმისთვის, რომ მარკეტოლოგებს საშუალება მისცენ გამოიყენონ მონაცემები მიზნობრივი და პერსონალიზებისთვის, ის გვირჩევს, რომ მონაცემთა ექსკლუზიურად გამოყენება აღარ არის ეფექტური და რომ გადამწყვეტი მნიშვნელობა აქვს კლიენტების ხარისხობრივი შეხედულებების გაანალიზებას და შეფასებას რეკლამის სტრატეგიის შესაქმნელად. დეჟარნატი ასევე ამტკიცებს, რომ აუდიტორიის პოვნის ახალი გზა იქნება სხვადასხვა კომპანიის მოწყობილობებისა და აუდიტორიის გრაფიკების მეშვეობით, რაც არის ერთ-ერთი მიზეზი, რის გამოც გამომცემელი კომპანიები იბრძვიან კონფიდენციალურობის შესაბამისი, ქუქი-ფაილების არადამოკიდებული მონაცემების შესაქმნელად, რომლებიც შემდეგ შეიძლება შეესაბამებოდეს რეკლამის განმთავსებლების 1P მონაცემებს. ამ 3P მასშტაბის და მსგავსი შესაძლებლობების გამეორების მიზნით, გლობალურად და ადგილობრივად - მაგრამ ისე, როდესაც მომხმარებელმა უფლება მისცა გამოიყენოს მათი მონაცემები.

პროგნოზირებარა ვისწავლე მეტას მარკეტინგული მიქსის მოდელირების სამიტების 7 საათის ყურებისას
იფიქრეთ Google- შითქვენი მარკეტინგული მიქსის მოდელირების მოდერნიზება – დაფიქრდით Google-თან ერთად