Tržno merjenje in dodeljevanje leta 2023

Med oglaševalskimi premiki, opaženimi v zadnjih nekaj letih, vključno s trženjem v družabnih omrežjih ter iskalnem in prikaznem trženju, so morda najbolj daljnosežni tisti, ki so posledica sprememb v dodeljevanju in merjenju. In ker je na določenih kanalih postalo težje doseči vzdržen obseg plačanih medijev, morajo blagovne znamke izboljšati svojo sposobnost prepoznavanja oglaševalskih nosilcev, ki spodbujajo prispevek, ne le pripisovanje. To pomeni, da potrebujejo večjo prepoznavnost dejavnikov njihovega prihodka, ki ne le naraščajo, temveč tudi ohranjajo stopnje dobička. Vendar se bo to verjetno zgodilo na agregirani osnovi in ​​ne na ravni posameznega uporabnika.

»Z manj vpogledom v konverzije, ki jih je mogoče pripisati, se blagovne znamke odmikajo od tega, da bi na dodeljevanje platforme gledale kot na svoj pravi sever, in se namesto tega osredotočajo na bolj celovite meritve, kot sta cena pridobivanja strank (CAC) in inkrementalnost,« pravi Megan Conahan, EVP pri Direct Agents, znana po digitalno marketinško delo s strankami, kot sta Sony in Walmart
WMT
. To je zapleten podvig glede na vedno večje število platform, kjer potrošniki in blagovne znamke porabijo svoj čas in denar, vendar je presežek pričakovanja, da bo vsak dolar mogoče pripisati bolj celovitemu modeliranju uspešnosti, pomemben za njegovo izvedljivost in natančnost, dodaja.

Ben Dutter, višji podpredsednik za strategijo pri Power Digital, ki je delal z različnimi strankami od Uniqlo do Dropboxa, govori o štirih vzvodih, ki dokazano spodbujajo kupce prvič – ne le pripisanih prihodkov – kot so ustvarjalnost, pogostost, prodor občinstva in trajanje. . Kako lahko blagovna znamka najde to vrsto prirastnega prispevka? "Ovira za vstop v modeliranje medijske mešanice (MMM) se je dovolj zmanjšala, da je ta oblika merjenja običajna in potrebna ... MMM je najboljša možnost, ki jo imate, ko izgubite meritve, ki temeljijo na tehnologiji, kot so piškotki." MMM je še posebej uporaben za digitalno oglaševanje zunaj doma (DOOH) in televizijo, saj je temu trženju na vrhu lijaka težko slediti. Toda Dutter ponuja tudi primer manjše blagovne znamke, ki morda sodeluje z vplivneži ali na TikToku in nima natančnega vpogleda v podatke o klikih uporabnikov: z uporabo statističnega modeliranja, da bi ugotovili, koliko prvega prihodka izvira iz tega oglasa, lahko odločevalci bolje dodelite proračun, da zagotovite, da je razmerje med stroški pridobivanja strank in dolgoročno vrednostjo teh strank pozitivno na skupni osnovi.

Uporaba MMM za napovedovanje učinkov sprememb proračuna ali platforme na uspešnost in uvedba strojnega učenja za uporabo teh rezultatov modela v medijskih strategijah za doseganje in vzdrževanje optimalne porazdelitve porabe je taktika, za katero Conahan vidi pridobivanje zanimanja blagovnih znamk. »Na splošno, ko pogledate dodeljevanje in ciljanje oglasov, se odmikamo od hiper-ciljnega pristopa, kjer je vsem mogoče slediti in pripisati. Blagovne znamke ne morejo več pričakovati, da bodo ciljale na nišo znotraj Mete, ki se pretvori v prej opredeljenem oknu dodeljevanja,« pravi. Conahan nadaljuje z razlago, da medtem ko so določeni mediji v preteklosti morda zagotavljali ozaveščenost, konverzijo in pripisovanje, blagovne znamke tega ne bi smele več pričakovati in morajo iskati drugje, da dobijo vse, kar potrebujejo.

Na podlagi platforme za platformo je izguba signalnih podatkov zaradi sprememb zakonodaje o zasebnosti in Applove
AAPL
lastna politika zasebnosti je pomagala katalizirati prehod med digitalnimi tržniki na MMM, ko morajo meriti rezultate. Del vrednosti MMM je njegova zmožnost razširitve izven digitalnega na vse plačljive medije, vključno s trgovinskimi promocijami in maloprodajnimi posli. Toda medtem ko oba Google
GOOG
in Meta povečala svojo sposobnost MMM, blagovne znamke morda ne bodo želele deliti vseh svojih podatkov o porabi zunanjih medijev s tema platformama, da bi optimizirale rezultate.

Tudi pridružena omrežja so izboljšala svoje zmožnosti sledenja in poročanja, vključno s spremljanjem in analitiko v realnem času, da bi ponudila boljši vpogled v uspešnost pridruženih marketinških kampanj. Ricci Massero, vodja trženja pri Intelleku, pravi, da to blagovnim znamkam omogoča prilagajanje v realnem času in da so nove tehnologije, kot sta sledenje med napravami in sledenje brez piškotkov, izboljšale natančnost sledenja in hkrati zmanjšale pojavnost goljufivih dejavnosti.

Na splošno Paul DeJarnatt, digitalni podpredsednik NOVUS, agencije za načrtovanje in nakup medijev, ki je sodelovala z Dollar Tree
DLTR
in LIDL verjameta, da bodo vpogledi in razumevanje občinstva prehiteli ciljanje in tehnologijo, ko se piškotki tretjih oseb (3P) znižujejo in postaja vse bolj zahtevno izvajati 3P lookalike ciljanje na podlagi podatkov o strankah prve osebe (1P). Čeprav priznava, da so sistemi za nakupovanje medijev zgrajeni tako, da tržnikom omogočajo izkoriščanje podatkov za usmerjanje ciljanja in prilagajanja, svetuje, da izključno uporaba podatkov ni več učinkovita in da je ključno analizirati in vrednotiti kvalitativne vpoglede strank za izgradnjo oglaševalske strategije. DeJarnatt nadalje trdi, da bo nov način iskanja občinstva prek grafov naprav in občinstva različnih podjetij, kar je eden od razlogov, zakaj založniška podjetja tekmujejo pri ustvarjanju podatkov, ki so skladni z zasebnostjo in niso odvisni od piškotkov, ki jih je nato mogoče primerjati s podatki 1P oglaševalcev. da bi posnemali to lestvico 3P in zmožnost videza, globalno in lokalno – vendar na način, kjer je potrošnik dovolil uporabo svojih podatkov.

NapovedovanjeKaj sem se naučil ob gledanju 7 ur Meta's Marketing Mix Modeling Summits
Pomisli pri GoogluPosodobitev modeliranja trženjske mešanice – Think with Google