Jusqu'à récemment, les spécialistes du marketing numérique et les professionnels des agences publicitaires qui cherchaient à faire des achats d'annonces programmatiques étaient confrontés à un boîte noire scénario de données. La plupart ne sont pas des ingénieurs ou des scientifiques des données, et ils ont dû faire un acte de foi et faire confiance aux affirmations du fournisseur de données sur la qualité des données, en examinant les résultats après la mise en œuvre - et après l'achat déjà effectué.
Mais que doivent rechercher les spécialistes du marketing et les agences chez un fournisseur de données? Comment peuvent-ils déterminer quel fournisseur offre la solution la plus précise et la plus transparente? Voici quelques questions à poser:
Comment les données sont-elles collectées?
Est-ce par observation directe de chaque utilisateur, ou s'agit-il de données inférées, où des modèles de comportement sont détectés dans un petit groupe d'utilisateurs, puis extrapolés pour des groupes plus importants? Si les données sont déduites, la précision dépend fortement de la taille du groupe mesuré - il est donc important de vérifier la taille du groupe lors de l'évaluation des prestataires. Mais gardez à l'esprit que quelle que soit leur taille, les données inférées impliquent toujours une baisse de précision lorsqu'elles sont extrapolées. Et n'oubliez pas que lorsque les données sont modélisées en segments, les prédictions seront basées sur des prédictions plutôt que sur des informations réelles. Cette dynamique augmente de manière exponentielle le risque que les données ne fonctionnent pas.
C'est une bonne idée de poser des questions de bon sens qui vous permettent d'évaluer la force des données dans l'entonnoir, en regardant au-delà des simples données démographiques pour prendre en compte les transactions, le suivi des métadonnées et d'autres signaux qui prédisent plus précisément l'intention d'achat. Skimlinks capte chaque jour 15 milliards de signaux d'intention d'achat provenant d'un réseau de 1.5 million de domaines d'éditeurs et de 20,000 100 marchands. En appliquant l'apprentissage automatique et en enrichissant l'analyse dans leur couche d'intelligence produit, Skimlinks comprend la taxonomie et les métadonnées de XNUMX millions de références et de liens produits. Ils utilisent ces informations pour créer des segments d'audience à forte conversion en fonction des produits et des marques que les utilisateurs sont susceptibles d'acheter, ce qui permet des campagnes d'affichage, sociales et vidéo plus efficaces.
Quel type de données est collecté?
Le prochain sur la liste est de savoir quel type de données est collecté. Les catégories peuvent inclure des clics, des liens, des métadonnées, le contenu de la page, des termes de recherche, des marques et des produits, des informations sur les prix, l'occurrence de la transaction, la date et l'heure. Plus les types de données sont collectés, plus les modèles prédictifs de matières premières devront travailler avec, ce qui peut améliorer considérablement la précision. Si seuls quelques types de données sont collectés - par exemple, uniquement des impressions ou des clics - il y aura peu d'informations qui pourront être utilisées pour recouper les prédictions ou améliorer les profils des utilisateurs. Dans ce scénario, le risque est que des profils utilisateur trop simplistes et inexacts soient générés.
Skimlinks recueille et analyse les données et détecte les modèles chez plusieurs éditeurs et marchands pour prédire avec précision les comportements d'achat. Par exemple, la combinaison d'un utilisateur visitant 10 pages sur cinq sites Web différents peut être identifiée comme un modèle indiquant un intérêt à effectuer un achat la semaine prochaine. Aucun éditeur n'a pu produire les données Skimlinks accède à travers son réseau de 1.5 million de domaines, mais les informations de l'éditeur ne sont qu'une partie des données de signal. Skimlinks analyse également les données provenant des 20,000 XNUMX marchands de son réseau, y compris les informations sur les prix, la valeur des commandes et l'historique des achats.
Ce faisant, Skimlinks combine les signaux de l'ensemble de l'écosystème de la vente au détail.
Comment les données sont-elles validées?
Une autre capacité critique à rechercher lors de l'évaluation des fournisseurs de données est la capacité de valider les prédictions dans la pratique. Par exemple, tout fournisseur qui affirme que ses segments entraîneront des conversions doit capturer les données de transaction pour confirmer que l'achat a bien lieu. Sans données de transaction, il n'est pas possible de valider la proposition de valeur.
Skimlinks dispose d'un service de ciblage d'audience programmatique qui aide les annonceurs à cibler les utilisateurs en fonction de leur situation dans le cycle d'achat. Les prédictions sont faites à l'aide de données contextuelles, de produits et de prix, et elles sont validées à l'aide des informations de transaction. Les utilisateurs sont suivis pour vérifier s'ils ont effectué l'achat attendu, et le système d'apprentissage automatique qui crée des segments est formé en permanence sur la base de ces informations. Cela aide les acheteurs à éviter un scénario dans lequel ils ciblent des consommateurs qui peuvent avoir recherché un produit qu'ils ne peuvent pas se permettre ou qui n'ont pas vraiment l'intention d'acheter. Le résultat est une meilleure performance du segment.
Les spécialistes du marketing numérique et les agences qui s'engagent dans la publicité programmatique doivent choisir le bon fournisseur de données pour optimiser leur coût par mille impressions (CPM) ou leur coût par action (CPA). Le taux de croissance dans les secteurs de la publicité programmatique et du marketing axé sur les données peut rendre difficile de savoir comment choisir le bon fournisseur de données. Mais en appliquant ces trois questions de bon sens lors de l'évaluation de la proposition de valeur d'un fournisseur de données, les spécialistes du marketing numérique et les agences peuvent ouvrir la boîte noire et trouver le bon mélange de données.