AdTech Russia: на что способны «смешанные данные» в programmatic
Что может получиться, если совместить ваши цифровые
данные о клиентах с данными сторонних поставщиков? Теория – в колонке Анны
Кузьменко из DCA (Data-Centric Alliance), практика – в секции Programmatic
Technologies на AdTech Russia 2016 12 мая
Считается, что собственные данные рекламодателя – самый
эффективный инструмент построения персонифицированной маркетинговой стратегии.
Накопленные в ходе рекламных кампаний, в программе лояльности, через
формы обратной связи на сайте или каким-либо еще способом, эти данные –
максимально честный и достоверный источник знаний о клиентах и аудитории.
Одна проблема – их всегда меньше, чем нужно, чтобы провести
охватную кампанию или вовлечь новых потребителей в коммуникацию с брендом.
Расширить возможности позволяют различные интеграции с
независимыми поставщиками аудиторных данных и экосистемами programmatic.
Современные DMP работают с десятками поставщиков данных в онлайн- и
офлайн-мирах, обсчитывают популярные сегменты в режиме реального времени и
располагают обширной таксономией.
Существует несколько вариантов работы с 1st и
3rd party данными.
Подход первый: подключить партнера к вашему потоку данных
(простейший способ – поставить пиксель системы на сайт). Пару недель уйдет на
накопление знаний о целевой аудитории, а дальше начнется «магия»: узнаете много
интересного о том, кто ваша аудитория на самом деле (интересы, намерения, стиль
жизни и привычки потребления, источники информации), с помощью Look-alike
сможете найти в интернете пользователей с максимально похожим «портретом» и
попробовать вести коммуникацию с ними. Использование Look-alike сегментов
заметно повышает метрики вовлеченности (в среднем понижает процент отказов на
20-25% и продлевает посещение страницы на 40-50%).
Кому интересно: автомобильные бренды,
e-commerce, FMCG
Что дает: поиск потенциальных клиентов на
основе их схожести с теми, кто уже у вас покупает.
На что обратить внимание: доверяй, но проверяй. Убедитесь,
что партнер может гарантировать сохранность вашей информации. Это может быть
аудит его инфраструктуры, наличие сторонних
верифицирующих сертификатов, подписание NDA и других
документов. Эти документы должны гарантировать то, что оператор данных не
использует в своей работе персональную информацию, а также обеспечивает должный
уровень безопасности, изолируя массивы данных в индивидуальном пространстве,
защищенном от несанкционированных утечек.
Второй подход (касается данных, полученных «нецифровым»
путем) – передать партнеру данные для поиска «связок» среди всего его
объема. В отличие от первого способа, «связки» позволяют значительно глубже
понять существующего клиента и сформулировать действительно персональную
стратегию коммуникации с ним. Look-alike также окажется крайне
полезным.
Кому интересно: ритейл, банки,
страхование.
Что дает: решает множество задач, связанных
с персонификацией продуктового предложения (ставка кредита, цена страхового
полиса). Вплоть до массового набора персонала.
На что обратить внимание: помимо тех же гарантий сохранности
данных, в этом случае нужно четко понимать, что «связать» получится далеко не
всех клиентов из базы. Подобные проекты обещают высокую эффективность, однако
найти поставщика данных с нужным объемом и качеством непросто. Минимальный
размер рабочей выборки – от 200 000 пользователей. С меньшей не стоит
ожидать большого sync rate. Совет один – тестируйте. Одна DMP может
оказаться хороша для банка, другая – для ритейла, третья – для
потребительских товаров.
Ну и, конечно, secret option – сторонние данные можно
добавить в свою CRM. Этот проект на долгосрочную перспективу и требует
вовлечения отделов аналитики, маркетинга и разработки. Придется запастись
терпением: провести интеграцию, накопить информацию, отобрать нужные сегменты,
поэкспериментировать на разных этапах воронки продаж, провести post
campaign аналитику. Ненужное вычеркнуть, эффективное оставить и так по кругу.
Без остановки. Смешивать, но не взбалтывать.
В рамках Adtech Russia 2016 в
секции Programmatic
Technologies мы перейдем от теории к практике и покажем, на что способны
«смешанные данные».