Хотя стабильность сигнала в форме API конверсий Meta, Enhanced Conversions Google и межсерверной интеграции стала критически важной для измерения в рамках одного канала, отслеживание пользователей на разных платформах становится более сложной задачей.
Маркетологи сталкиваются с проблемой оценки истинного эффекта своих рекламных расходов, особенно в связи с тем, что правила конфиденциальности продолжают меняться.
Поскольку идеального способа оценить эффективность рекламы по всем каналам больше не существует, у рекламодателей есть три варианта:
- Продолжайте собирать данные и надейтесь на новый, широко распространенный метод отслеживания: «Ожидание файлов cookie».
- Разработать систему отслеживания личности, которая адаптируется к нормативным изменениям.
- Используйте вероятностные измерения: используйте методы машинного обучения для измерения эффективности рекламы и сосредоточьтесь на постоянном совершенствовании.
В 2019 году Performics вложила значительные средства в третий вариант, разработав методы, ориентированные на конфиденциальность, чтобы вернуть ценную информацию, которая когда-то считалась само собой разумеющейся.
Возможность измерения, ориентированного на защиту данных
Хотя конфиденциальность является приоритетом в цифровой среде, необходимость в измерениях, которые отражают это, предоставляет рекламодателям прекрасную возможность переосмыслить свои стратегии. Этот новый подход определяется несколькими ключевыми принципами.
- Разнообразие данных способствует созданию более разумных алгоритмов Вместо того, чтобы сосредотачиваться на одном типе данных, объединение различных источников позволяет алгоритмам учиться быстрее, становиться умнее и принимать более правильные решения.
- Эксперименты и тесты как ориентир Лифт-тестирование — это надежный метод измерения производительности отдельных каналов. Лифт-тестирование позволяет рекламодателям увидеть, как каждый канал способствует постепенному росту, и соответствующим образом улучшить свое медиапланирование.
- Вероятностный подход превосходит детерминированный Требуется много работы, чтобы поддерживать четкую картину эффективности по всем каналам. Многие прибегают к вероятностным измерениям вместо того, чтобы стремиться к идеальному зрению, и используют данные испытаний на подъем для оценки производительности. В сочетании с моделированием маркетингового микса (МММ) мы получаем более полное представление об эффективности кампании, что помогает нам принимать разумные медиа-решения.
Наиболее распространенным «новым» статистическим подходом является Атрибуция на основе регрессии (РБА). Этот метод использует машинное обучение, чтобы связать усилия СМИ с продажами и присвоить вес каждой тактике. Самое замечательное в RBA то, что он не основан на индивидуальных данных пользователя и, следовательно, обеспечивает конфиденциальность. Но как рекламодатели реализуют эту методологию?
Мы разработали его и вывели на рынок Атрибуция на основе регрессии от Publicis (PRBA), комплексный инструмент для упрощения сбора данных и автоматизации анализа, обеспечивающий точную, ориентированную на конфиденциальность атрибуцию по нескольким каналам. Вдохновленный и частично основанный на Meta Open Source Project Robin, PRBA помогает маркетологам объективно оценить вклад каждой маркетинговой точки взаимодействия, то есть измерение эффективности в режиме реального времени, соответствующее развивающимся стандартам конфиденциальности.
Измерение фактической ценности платформы требует вдумчивого подхода. Прежде чем вводить данные в PRBA, мы должны принять важные решения, включая выбор подходящих переменных для анализа, взвешивание каждой тактики и обеспечение правильной настройки модели для получения точных результатов.
Сотрудничество Performics с различными передовыми цифровыми многоканальными рекламодателями подчеркивает эффективность PRBA, поскольку он точно измеряет не только ценность цифровых платформ в целом, но и от двух до четырех тактик внутри каждой платформы. Этот уровень детализации выходит за рамки традиционного МММ и занимает то место, которое исторически занимала атрибуция. Хотя вероятностное измерение не может полностью заменить решение детерминированного измерения, оно обеспечивает баланс между последовательностью и применением.
«В Performics мы верим, что будущее цифровых медиа – за оркестровкой исполнения. Ведущие агентства — это те, кто действительно понимает рычаги, находящиеся в их распоряжении, и может умело использовать знания различных алгоритмических платформ для максимизации роста своих клиентов.
Атрибуция на основе регрессии Publicis (PRBA) предоставляет рекламодателям мощные инструменты и последовательные измерения, позволяющие понять истинный эффект от их инвестиций в цифровые технологии. Такая согласованность позволяет принимать более разумные решения на основе данных и гарантирует, что компании смогут оптимизировать стратегии и более эффективно распределять ресурсы». Сэм Холт, генеральный директор Performics
Учитывая наш обширный опыт внедрения PRBA для многих крупнейших рекламодателей Великобритании, перед тем как приступить к работе, важно обратить внимание на следующее:
Выбирайте правильные показатели успеха
PRBA определяет показатели, которые лучше всего отражают эффективность каждого медиаканала. Например, хотя платформа может генерировать тысячи кликов, мы знаем, что общее влияние на людей, которые видят рекламу, намного больше, чем прямой трафик. PRBA регулярно обнаруживает, что охват или даже показы дают более четкое представление о предполагаемом воздействии канала, обеспечивая комплексную оценку каждой точки взаимодействия.
Расшифровка межканальных тенденций
PRBA использует доступное тестирование лифтов по всем каналам, чтобы определить основную истину и внести необходимые корректировки для более точной оценки эффективности каждой тактики. Хорошим примером являются крупные розничные рекламодатели, чей платный поиск по бренду, вероятно, тесно связан с продажами, что затрудняет выход. Использование целевого тестирования подъема не только улучшает модель, но и способствует оценке каждой тактики для продвижения межканального обмена сообщениями.
Согласование ПРБА с МММ
PRBA призван дополнять эконометрический анализ, а не дублировать его, но должен соответствовать практическим бизнес-данным. В некоторых случаях клиенты уже работают с устаревшим анализом атрибуции или MMM, который не обеспечивает практической детализации, необходимой для цифрового мира. Вместо того, чтобы вызывать путаницу, PRBA помогает учитывать другие источники данных, выравнивая наши общие цифры или принимая во внимание богатство знаний, используемых внутренними командами для улучшения моделей.
Превращение проблем конфиденциальности в возможности: от доставки до применения
После внедрения PRBA рекламодатели смогут получить доступ к еженедельным многоканальным отчетам всего за восемь недель. Этот новый подход к отчетности обеспечивает более четкое представление о вкладе каждого канала. Это позволяет рекламодателям принимать обоснованные инвестиционные решения и иметь план для тестирования неверно приписываемых тактик, тем самым повышая эффективность кампании.
Измерения, ориентированные на защиту данных, несут с собой некоторые проблемы, но также открывают захватывающие возможности. Это способствует развитию более широкого спектра навыков и поощряет творческое решение проблем. Как показывает наше отраслевое сотрудничество с Meta и другими партнерами, решение этих проблем приводит к созданию более надежных и эффективных стратегий, которые обеспечивают измеримый успех рекламодателям.
