Да нядаўняга часу лічбавыя маркетолагі і спецыялісты рэкламных агенцтваў, якія хацелі зрабіць праграмныя пакупкі рэкламы, сутыкаліся з чорны скрыню сцэнар дадзеных. Большасць з іх не з'яўляюцца інжынерамі і навукоўцамі дадзеных, і ім давялося зрабіць нейкі скачок веры і давяраць заявам пастаўшчыка дадзеных аб якасці дадзеных, разглядаць вынікі пасля ўкаранення - і пасля таго, як купля ўжо была зроблена.
Але што трэба шукаць маркетолагам і агенцтвам у пастаўшчыку дадзеных? Як яны могуць вызначыць, які пастаўшчык прапануе найбольш дакладнае і празрыстае рашэнне? Вось некалькі пытанняў:
Як збіраюцца дадзеныя?
Ці адбываецца гэта шляхам непасрэднага назірання за кожным карыстальнікам, альбо гэта выводзяцца дадзеныя, калі паводзіны выяўляюцца ў невялікай групы карыстальнікаў, а потым экстрапалююцца для вялікіх груп? Калі дадзеныя выводзяцца, дакладнасць моцна залежыць ад памеру вымяранай групы - таму вельмі важна правяраць памер групы пры ацэнцы пастаўшчыкоў. Але майце на ўвазе, што незалежна ад памеру, выведзеныя дадзеныя заўсёды ўключаюць зніжэнне дакладнасці пры экстрапаляцыі. І не забывайце, што пры мадэляванні дадзеных у сегменты прагнозы будуць грунтавацца на прагнозах, а не на рэальнай інфармацыі. Гэтая дынаміка ў геаметрычнай прагрэсіі павялічвае рызыку таго, што дадзеныя не будуць працаваць.
Гэта добрая ідэя - задаць здаровы сэнс пытанням, якія дазваляюць ацаніць трываласць дадзеных у варонцы, акрамя простай дэмаграфічнай сітуацыі, каб улічыць транзакцыі, адсочванне метададзеных і іншыя сігналы, якія больш дакладна прадказваюць мэты пакупкі. Skimlinks штодня фіксуе 15 мільярдаў сігналаў аб намерах пакупак з сеткі з 1.5 мільёна даменаў выдаўцоў і 20,000 100 гандляроў. Ужываючы машыннае навучанне і ўзбагачаючы аналіз у сваім узроўні інтэлектуальнай прадукцыі, Skimlinks разумее сістэматыку і метаданыя XNUMX мільёнаў спасылак і спасылак на тавары. Яны выкарыстоўваюць гэтую інфармацыю для стварэння высокаканверсійных сегментаў аўдыторыі на аснове прадуктаў і брэндаў, якія карыстальнікі, верагодна, набываюць, што дазваляе больш эфектыўна праводзіць дысплейныя, сацыяльныя і відэакампаніі.
Які тып дадзеных збіраецца?
Далей у спісе трэба даведацца, якія дадзеныя збіраюцца. Катэгорыі могуць уключаць клікі, спасылкі, метададзеныя, змест старонкі, пошукавыя ўмовы, брэнды і прадукты, інфармацыю пра цэны, здзелку, дату і час. Чым больш відаў дадзеных сабрана, тым больш сыравінных мадэляў прагназавання прыйдзецца працаваць, што можа значна павысіць дакладнасць. Калі збіраецца толькі некалькі тыпаў дадзеных - напрыклад, толькі ўражанні ці клікі, - інфармацыя будзе абмежаванай, якая можа быць выкарыстана для праверкі прагнозаў альбо паляпшэння профіляў карыстальнікаў. У гэтым сцэнары рызыка заключаецца ў тым, што будуць створаны занадта спрошчаныя і недакладныя профілі карыстальнікаў.
Skimlinks збірае і аналізуе дадзеныя і выяўляе заканамернасці ў некалькіх выдаўцоў і гандляроў, каб дакладна прадказаць паводзіны пакупкі. Напрыклад, спалучэнне аднаго карыстальніка, які наведвае 10 старонак на пяці розных сайтах, можа быць вызначана як шаблон, які паказвае на цікавасць да пакупкі на наступным тыдні. Ніводны выдавец не можа даць дадзеныя Skimlinks мае доступ праз сваю сетку з 1.5 мільёна даменаў, але інфармацыя пра выдавецтва - гэта толькі адна частка сігналаў. Skimlinks таксама аналізуе дадзеныя, атрыманыя ад 20,000 XNUMX прадаўцоў у яго сетцы, уключаючы інфармацыю пра цэны, кошт замовы і гісторыю пакупак.
Робячы гэта, Skimlinks аб'ядноўвае сігналы ўсёй экасістэмы рознічнага гандлю.
Як правяраюцца дадзеныя?
Яшчэ адна важная здольнасць, на якую трэба звярнуць увагу пры ацэнцы пастаўшчыкоў дадзеных, - гэта магчымасць праверкі прагнозаў на практыцы. Напрыклад, любы пастаўшчык, які сцвярджае, што іх сегменты будуць праводзіць канверсіі, павінен збіраць дадзеныя транзакцый, каб пацвердзіць, што пакупка мае месца. Без дадзеных транзакцый немагчыма праверыць прапанова значэння.
У Skimlinks ёсць праграмная служба арыентацыі на аўдыторыю, якая дапамагае рэкламадаўцам арыентаваць карыстальнікаў у залежнасці ад таго, дзе яны знаходзяцца ў цыкле пакупкі. Прагнозы зроблены з выкарыстаннем кантэкстных дадзеных, дадзеных аб прадуктах і цэнах, і яны правяраюцца з выкарыстаннем інфармацыі пра транзакцыі. Карыстальнікі адсочваюцца, каб даведацца, ці зрабілі яны чаканую пакупку, і сістэма машыннага навучання, якая стварае сегменты, бесперапынна навучаецца на аснове гэтай інфармацыі. Гэта дапамагае пакупнікам пазбегнуць сцэнарыя, пры якім яны арыентуюцца на спажыўцоў, якія, магчыма, даследавалі тавар, які ім не па кішэні альбо у яго няма рэальнай намеры набыць. У выніку атрымліваецца лепшая прадукцыйнасць сегмента.
Лічбавыя маркетолагі і агенцтвы, якія займаюцца праграмнай рэкламай, павінны выбраць правільнага пастаўшчыка дадзеных, каб аптымізаваць кошт за тысячу паказаў (CPM) альбо кошт за дзеянне (CPA). Хуткасць росту сектараў праграмнай рэкламы і маркетынгу, заснаванага на дадзеных, можа ўскладніць веданне, як правільна выбраць пастаўшчыка дадзеных. Але, ужываючы гэтыя тры здаровыя сэнсы пры ацэнцы кошту прапановы пастаўшчыка дадзеных, лічбавыя маркетолагі і агенцтвы могуць адкрыць чорную скрыню і знайсці правільны мікс дадзеных.