Reklamos technologijaTurinio Rinkodara

„Skimlinks“ duomenų teikėjo kontrolinis sąrašas - teisingų klausimų uždavimas

Dar neseniai skaitmeninės rinkodaros specialistai ir skelbimų agentūrų profesionalai, norintys įsigyti programinius skelbimus, susidūrė su juoda dėžė duomenų scenarijus. Dauguma jų nėra inžinieriai ar duomenų mokslininkai, ir jie turėjo pasikliauti šuoliu ir pasitikėti duomenų teikėjo teiginiais apie duomenų kokybę, peržiūrėti rezultatus po jų įgyvendinimo ir jau atlikus pirkimą.

Tačiau ko rinkodaros specialistai ir agentūros turėtų ieškoti duomenų teikėjo? Kaip jie gali nustatyti, kuris paslaugų teikėjas siūlo tiksliausią ir skaidriausią sprendimą? Štai keli klausimai, kuriuos reikia užduoti:

Kaip renkami duomenys?

Ar tiesiogiai stebint kiekvieną vartotoją, ar išvedami duomenys, kai elgesio modeliai aptinkami mažoje vartotojų grupėje ir vėliau ekstrapoliuojami didesnėms grupėms? Jei duomenys daromi išvadomis, tikslumas labai priklauso nuo išmatuotos grupės dydžio - todėl vertinant paslaugų teikėjus svarbu patikrinti grupės dydį. Tačiau nepamirškite, kad bet koks dydis, išvedami duomenys ekstrapoliuojant visada sumažėja tikslumas. Nepamirškite, kad modeliuojant duomenis į segmentus, prognozės bus paremtos prognozėmis, o ne realia informacija. Ši dinaminė eksponentiškai padidina duomenų neveikimo riziką.

Patartina užduoti sveiko proto klausimus, leidžiančius įvertinti kanalo duomenų stiprumą, žvelgiant ne tik į paprastus demografinius rodiklius, bet ir į operacijų, metaduomenų stebėjimo ir kitus signalus, kurie tiksliau numato pirkimo ketinimus. Skimlinksas kasdien užfiksuoja 15 milijardų ketinimų apsipirkti iš 1.5 milijono leidėjų domenų ir 20,000 100 prekybininkų tinklo. Taikydami mašininį mokymąsi ir praturtindami analizę savo produktų intelekto lygmenyje, „Skimlinks“ supranta XNUMX milijonų produktų nuorodų ir nuorodų taksonomiją ir metaduomenis. Jie naudoja šią informaciją kurdami daug konversijų sulaukusius auditorijos segmentus, atsižvelgdami į produktus ir prekių ženklus, kuriuos vartotojai greičiausiai perka, o tai leidžia efektyvesnes vaizdinės reklamos, socialinių ir vaizdo įrašų kampanijas.

Kokio tipo duomenys renkami?

Kitas sąrašas yra sužinoti, kokie duomenys yra renkami. Kategorijos gali apimti paspaudimus, nuorodas, metaduomenis, puslapio turinį, paieškos terminus, prekių ženklus ir produktus, informaciją apie kainas, sandorių įvykius, datą ir laiką. Kuo daugiau duomenų bus surinkta, tuo daugiau turės veikti žaliavų prognozavimo modeliai, o tai gali žymiai pagerinti tikslumą. Jei bus renkami tik kelių tipų duomenys, pavyzdžiui, tik parodymai ar paspaudimai, bus ribota informacija, kurią galima naudoti kryžminėms patikroms patikrinti ar patobulinti vartotojų profilius. Pagal šį scenarijų kyla pavojus, kad bus sugeneruoti pernelyg paprasti ir netikslūs vartotojų profiliai.

„Skimlinks“ renka ir analizuoja duomenis bei aptinka kelių leidėjų ir prekybininkų modelius, kad tiksliai numatytų pirkimo elgseną. Pavyzdžiui, vieno vartotojo, apsilankiusio 10 puslapių penkiose skirtingose ​​svetainėse, derinys gali būti identifikuojamas kaip šablonas, rodantis susidomėjimą pirkti kitą savaitę. Nei vienas leidėjas negalėjo pateikti duomenų Skimlinksas pasiekia per savo 1.5 milijono domenų tinklą, tačiau leidėjų informacija yra tik viena signalo duomenų dalis. „Skimlinks“ taip pat analizuoja duomenis, gautus iš 20,000 XNUMX prekybininkų savo tinkle, įskaitant informaciją apie kainas, užsakymo vertę ir pirkimo istoriją.

Tai darydamas Skimlinksas sujungia visos mažmeninės prekybos ekosistemos signalus.

Kaip patvirtinami duomenys?

Kitas svarbus gebėjimas ieškoti vertinant duomenų teikėjus yra galimybė praktiškai patvirtinti prognozes. Pavyzdžiui, bet kuris paslaugų teikėjas, teigiantis, kad jų segmentai paskatins konversijas, turėtų surinkti operacijų duomenis, kad patvirtintų, jog pirkimas įvyko. Be operacijos duomenų neįmanoma patvirtinti vertės pasiūlymo.

„Skimlinks“ turi programinę taikymo pagal auditoriją paslaugą, kuri reklamuotojams padeda taikyti vartotojams pagal pirkimo ciklo vietą. Spėjimai atliekami naudojant kontekstinius, produktų ir kainų duomenis, o jie patvirtinami naudojant operacijų informaciją. Vartotojai stebimi, ar jie įsigijo numatytą pirkimą, o mašininio mokymosi sistema, kurianti segmentus, yra nuolat mokoma remiantis šia informacija. Tai padeda pirkėjams išvengti scenarijaus, pagal kurį jie būtų nukreipti į vartotojus, kurie galbūt ištyrė produktą, kurio neįperka arba neturi jokio tikslo pirkti. Rezultatas yra geresnis segmento veikimas.

Skaitmeninės rinkodaros specialistai ir agentūros, užsiimančios programine reklama, turi pasirinkti tinkamą duomenų teikėją, kad optimizuotų savo mokesčio už tūkstantį parodymų (MUT) arba mokesčio už veiksmą (MUK) tarifus. Dėl programinės reklamos ir duomenimis pagrįstos rinkodaros sektorių augimo tempo gali būti sunku žinoti, kaip pasirinkti tinkamą duomenų teikėją. Taikydami šiuos tris sveiko proto klausimus, vertindami duomenų teikėjo vertės pasiūlymą, skaitmeninės rinkodaros specialistai ir agentūros gali atverti juodąją dėžę ir rasti tinkamą duomenų derinį.

Alicia Navarro

Alicia Navarro yra bendrovės generalinė direktorė ir viena iš įkūrėjų Skimlinksas, pajamų gavimo iš turinio platforma, padedanti svetainėms atsilyginti už turinio sukurtus pirkimo ketinimus. Prieš paleisdama „Skimlinks“, ji daugiau nei 10 metų dirbo kurdama ir paleidusi mobiliųjų ir interneto programų Australijoje ir JK. Nuo 2007 m. Alicia išplėtė įmonę iki daugiau nei 85 darbuotojų biuruose Londone, San Franciske ir Niujorke.

Susiję straipsniai

Atgal į viršų mygtukas
arti

Aptiktas skelbimų blokas

Martech Zone gali pateikti jums šį turinį nemokamai, nes gauname pajamų iš savo svetainės per pajamas iš skelbimų, filialų nuorodas ir rėmimą. Būtume dėkingi, jei peržiūrėdami mūsų svetainę pašalintumėte skelbimų blokavimo priemonę.