ReklaamitehnikaSisu Marketing

Skimlinksi andmepakkuja kontroll-loend - õigete küsimuste esitamine

Alles hiljuti digitaalturundajaid ja reklaamiagentuuri professionaalid, kes otsisid teha programmiline reklaami ostab vastamisi Must kast andmete stsenaarium. Enamik ei ole insenerid või andmete teadlased ja nad pidid võtma hüpe usu ja usalda andmed pakkuja väiteid andmete kvaliteeti, vaadates tulemusi pärast rakendamist - ja pärast ostu oli juba tehtud.

Aga mida peaks turundajad ja ametite ootad oma andmeid pakkuja? Kuidas nad kindlaks, millised pakkuja pakkumised kõige täpsem, läbipaistev lahus? Siin on mõned küsimused, mida esitada:

Kuidas andmeid kogutakse?

Kas see läbi otsese jälgimise iga kasutaja või on see järeldada andmed, kus käitumismustreid avastatakse väike rühm kasutajaid ja üldistatakse välja suurematele gruppidele? Kui andmed on järeldada, täpsus sõltub suurel määral suuruse mõõdetud grupp - seega on oluline, et kontrollida grupi suurus hindamisel pakkujad. Kuid pidage meeles, et olenemata nende suurusest, järeldavad andmed ekstrapoleerimisel alati täpsuse vähenemist. Ja ärge unustage, et kui andmed modelleeritakse segmentideks, põhinevad ennustused pigem ennustustel kui tegelikul infol. See dünaamiline suurendab eksponentsiaalselt riski, et andmed ei toimi.

Hea mõte on esitada terve mõistusega küsimusi, mis võimaldavad teil hinnata kogu lehtris olevate andmete tugevust, tehingute, metaandmete jälgimise ja muude ostukavatsust täpsemini ennustavate signaalide arvessevõtmiseks kaugemale lihtsast demograafilisest küljest. Skimlinks lööb iga päev 15 miljardit ostukavatsuse signaali 1.5 miljoni väljaandja domeeni ja 20,000 100 kaupmehe võrgustikust. Rakendades masin õppe ja rikastades analüüsi oma toote luure kiht, Skimlinks mõista taksonoomia ja metaandmete XNUMX miljonit toodet viited ja lingid. Nad kasutavad seda teavet suure konversiooniga vaatajaskonna segmentide loomiseks, lähtudes tõenäoliselt ostetavatest toodetest ja brändidest, võimaldades tõhusamaid displei-, sotsiaal- ja videokampaaniaid.

Mis tüüpi andmeid kogutakse?

Järgmine nimekirjas on teada milliseid andmeid kogutakse. Kategooriad võib sisaldada klikke, lingid, metaandmed lehe sisu, otsingusõnu, kaubamärke ja tooteid, hinna teavet tehingu esinemise, kuupäev ja kellaaeg. Mida rohkem andmeid kogutakse, seda rohkem peavad töötama tooraine ennustavad mudelid, mis võib oluliselt täpsust parandada. Kui kogutakse ainult mõnda tüüpi andmeid - näiteks ainult näitamisi või klikke -, on piiratud teave, mida saab kasutada ennustuste ristkontrollimiseks või kasutajaprofiilide täiustamiseks. Selle stsenaariumi on oht, et liiga lihtsustatud ja ebatäpsed kasutajaprofiilid luuakse.

Skimlinks kogub ja analüüsib andmeid ja märkab mustreid mitme avaldaja ja kaupmehed täpselt ennustada ostu käitumist. Näiteks kombinatsioon üks kasutaja külastades 10 lehekülge viie erineva veebilehed võidakse kindlaks muster, mis näitab huvi ostu järgmisel nädalal. Ükski kirjastaja võiks toota andmeid Skimlinks pääseb ligi oma 1.5 miljonist domeenist koosneva võrgu kaudu, kuid avaldaja teave on vaid üks osa signaaliandmetest. Skimlinks analüüsib ka oma võrgus asuvatelt 20,000 XNUMX kaupmehelt pärinevaid andmeid, sealhulgas teavet hinna kohta, tellimuse väärtust ja ostude ajalugu.

Seda tehes, Skimlinks ühendab kogu jaekaubanduse ökosüsteemi signaale.

Kuidas andmeid valideeritakse?

Teine kriitiline võime, mida andmete pakkujate hindamisel otsida, on võime ennustusi praktikas kinnitada. Näiteks mistahes pakkuja, kes väidab oma segmendid sõita konversioone tuleks jäädvustada tehingu andmed kinnitavad, et ostu toimub. Ilma tehingu andmed, see ei ole võimalik kinnitada pakutav väärtus.

Skimlinksil on programmiline vaatajaskonna sihtimisteenus, mis aitab reklaamijatel kasutajaid sihtida vastavalt sellele, kus nad on ostutsüklis. Ennustused tehakse kontekstuaalsete, toote- ja hinnakujundusandmete põhjal ning need kinnitatakse tehinguteabe abil. Kasutajaid jälgitakse, et kontrollida, kas nad on oodatud ostu sooritanud, ja segmentide loomise masinõppesüsteemi koolitatakse selle teabe põhjal pidevalt. See aitab ostjad vältida stsenaariumi, milles nad sihivad tarbijaid, kes võivad uurinud toote nad ei saa endale lubada või ei ole reaalne kavatsus osta. Tulemuseks on parem Segmendi tulemist.

Digitaalne turundajad ja asutused, mis tegelevad programmiline reklaam peab valima õigeid andmeid pakkuja optimeerida oma tuhande näitamise hinna (CPM) või kulu (CPA) hinnad. Määr kasv programmiline reklaami ja andmete orienteeritud turunduse valdkondades võib raskendada teada, kuidas valida õigeid andmeid pakkuja. Kuid need kolm mõistus küsimustele hinnates andmeid pakkuja pakutavat väärtust, digitaalne turundajad ja agentuurid saavad avada musta kasti ja leida õigeid andmeid mix.

Alicia Navarro

Alicia Navarro on tegevjuht ja Co-asutaja Skimlinks, Sisu rahaks tegemise platvorm, mis aitab veebilehed eest tasu saada ostukavatsuse loodud sisu. Enne Skimlinksi käivitamist töötas ta üle 10 aasta Austraalias ja Suurbritannias mobiilsete ja Interneti-põhiste rakenduste kavandamise ja käivitamisega. Alates 2007. aastast on Alicia kasvatanud ettevõtte enam kui 85 töötajani kõigis kontorites Londonis, San Franciscos ja New Yorgis.

seotud artiklid

Tagasi üles nupule
lähedal

Adblock tuvastatud

Martech Zone suudab teile seda sisu tasuta pakkuda, kuna teenime oma saidi rahaks reklaamitulu, sidusettevõtete linkide ja sponsorluse kaudu. Oleksime tänulikud, kui eemaldaksite meie saidi vaatamise ajal oma reklaamiblokeerija.