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
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».