Dane surowe z programmatic jako kolejny krok na drodze cyfrowej transformacji przedsiębiorstw

W tym przypadku surowe dane reklamowe to nic innego jak komplet informacji o prowadzonej aktywności reklamowej. Klient jest posiadaczem tych danych i może je pobrać od dostawcy technologii reklamowej lub marketingowej.

Co do idei całość operacji na danych surowych pozostaje w gestii usługobiorcy. Po stronie usługodawcy pozostaje ich udostępnienie w ramach fizycznych raportów lub poprzez API. Dane nie mogą być poddane filtrowaniu/sortowaniu przez dostawcę, z wyjątkiem podziału na konkretne porcje w czasie.

Ze względu na charakter reklamy internetowej (w szczególności tej opartej na modelu odsłonowym) danych surowych może być bardzo dużo. Warto zatem zawczasu określić koszt gromadzenia danych np. w chmurze, czy koszt związany z wykorzystaniem narzędzi do ich wizualizacji. Kwestia, którą także trzeba przemyśleć, jest nadrzędny cel wykorzystania danych. Najbardziej niefortunna sytuacja to taka, w której usługa zostaje uruchomiona, dane się odkładają, zapisywane po stronie usługobiorcy, po czym nie wykorzystywane, nawet jeśli dana organizacja ma zasoby na ich procesowanie. Generuje to niepotrzebny koszt technologiczny.

 

PRZYKŁADOWE SCENARIUSZE WYKORZYSTANIA SUROWYCH DANYCH

Każda organizacja zainteresowana analityką biznesową, powinna wypracować swój własny cel wykorzystania surowych danych reklamowych w zależności od wewnętrznych potrzeb i zakresu dostępnych informacji. Najczęstszymi przypadkami użycia danych surowych są:

1. Analiza danych z perspektywy własnych modeli atrybucyjnych

Systemy pełniące funkcję adserwera, tj. umożliwiające serwowanie oraz tracking reklam, najczęściej udostępniają tylko proste modele atrybucyjne (np. last touch czy first touch) w ramach interfejsu użytkownika. Część zaawansowanych marketerów pracuje jednak na własnych, customowych modelach atrybucyjnych. Ich złożoność skutkuje koniecznością wykorzystania danych w formie surowej.

2. Analiza ścieżek niekonwertujących (nie realizujących wybranego KPI) oraz dobór właściwego cappingu

Dogłębna analiza danych surowych umożliwia wykazanie zależności między specyfiką określonej ścieżki użytkownika, a możliwością wystąpienia konwersji. Przykładowo na tej samej domenie, w dwóch różnych kampaniach programmatic, w bardzo specyficznych warunkach technicznych osiągane wyniki w obszarze konwersji mogą być zupełnie różne. To samo może dotyczyć innych zdarzeń takich jak widzialność reklamy czy zaangażowanie z kreacją reklamową (np. mierzone liczbą pełnych obejrzeń wideo).

Warto pamiętać, że programmatic (pomimo ciągłego wzrostu udziału w torcie reklamowym) dla większości reklamodawców jest wciąż tylko jednym z wielu dostępnych kanałów digitalowych (obok m.in. działań afiliacyjnych, mailingów, kampanii search, social czy bezpośredniego zakupu mediów). Patrząc zatem z szerszej perspektywy, dane surowe mogą pomóc w analizie i podejmowaniu decyzji międzykanałowo.

Analiza emitowanych odsłon z poziomu różnych cech pozwala m.in. określić optymalną liczbę ekspozycji reklamy na użytkownika (identyfikowanego na różne sposoby), a dalej właściwy dobór typu cappingu i samej częstotliwości.

 

Rys. 1. Określenie najlepiej performującej częstotliwości

 

3. Analiza danych w długim okresie i badania wewnętrzne

Platformy do zakupu mediów mogą mieć maksymalny okres gromadzenia danych. Może on na przykład wynosić od 1 miesiąca do kilku lat w zależności od typu raportu czy charakteru danych. Gromadzenie danych surowych po stronie reklamodawcy czy agencji umożliwia przechowywanie danych w sposób ciągły. To z kolei może być bardzo pomocne przy prowadzeniu badań wewnątrz organizacji, dla których czas jest podstawową zmienną. W firmie może rokrocznie powstawać raport o średnim poziomie widzialności dla określonej grupy formatów np. display czy wideo na bazie wszystkich przeprowadzonych kampanii.

Przykładowo: jeśli w 2015 roku przyjętym KPI dla widzialności było 50%, lecz na skutek rozwoju automatycznych modeli optymalizacyjnych w roku 2020 średnia widzialność osiągnie poziom 65%, to być może będzie to impuls do zmiany przyjętej wartości wskaźnika skuteczności.

Analogiczne wnioski można wyciągnąć np. poprzez analizę efektów i kosztów zakupu w modelu Open Auction względem Programmatic Direct czy potencjalnie wszystkich innych obszarów udostępnianych w ramach usługi. Wyniki takich badań mogą posłuż do analizy aktywności wielu działów wewnętrznych oraz zewnętrznych partnerów biznesowych.

4. Retargeting i segmentacja użytkowników

Jako że surowe dane powinny zawierać identyfikator użytkownika, usługodawca w ramach szerszej oferty technologicznej powinien zapewnić usługobiorcy re używalność danych, np. w ramach DSP. Innymi słowy reklamodawca czy agencja powinny mieć możliwość eksportu listy najbardziej kalorycznych biznesowo użytkowników (np. tych, którzy nabyli produkty powyżej określonej kwoty, czy też wykonali inną pożądaną akcję na stronie bądź w ramach kreacji reklamowej).

Kluczowe jest, by następnie podmioty te były w stanie zaimportować taką listę do platformy zakupowej celem targetowania. Część platform technologicznych umożliwia automatyczną segmentację tego typu np. w ramach DMP. Natomiast z reguły to surowe dane oferują komplet informacji o wszystkich zdarzeniach, które zostały zarejestrowane przez platformę technologiczną.

 

ZAKRES DANYCH W RAMACH USŁUGI

Platformy do zakupu mediów online w ramach usługi surowych danych mogą udostępniać dziesiątki cech opisujących pojedyncze zdarzenia. Przykładowo zdarzeniem może być odsłona reklamowa, kliknięcie czy odwiedzenie strony produktowej reklamodawcy. Cechami tych zdarzeń mogą być np. miasto użytkownika, który je wywołał, bądź typ urządzenia, z którego to zrobił.

Najprawdopodobniej jednak nie wszystkie cechy będą potrzebne, by zrealizować nadrzędny cel usługi czy nawet większość celów pobocznych. Warto w związku z tym poprosić usługodawcę o zakres dostępnych cech i wybrać te spośród nich, które rzeczywiście będą wykorzystywane. Powinno to przyśpieszyć pracę z danymi oraz potencjalnie zmniejszyć koszt przedsięwzięcia (zwłaszcza transferu oraz gromadzenia danych).

Rys. 2. Przykładowa struktura raportu z surowymi danymi

 

Wśród kluczowych cech warto wymienić:

  • ID użytkownika (mogą pojawić się różne typy w zależności od obsługiwanych środowisk),
  • timestamp,
  • cechy identyfikujące kampanie reklamowe i bannery,
  • elementy umożliwiające łączenie zdarzeń różnego typu (np. kliknięcie z wywołaniem strony
    reklamodawcy),
  • cechy umożliwiające analizę ruchu niekampanijnego (wywołania strony reklamodawcy
    niepochodzące z kampanii reklamowych),
  • cechy techniczne (np. urządzenie, przeglądarka),
  • cechy określające poziom zaangażowania użytkownika z kampanią czy kreacją (np.
    częstotliwość, liczba eventów).

 

DLA KOGO DANE SUROWE

Dostęp do surowych danych jest najczęściej niezależną usługą oferowaną przez dostawców technologii reklamowych. Realnie patrząc, nie jest to usługa dla wszystkich. Wynika to przede wszystkim z faktu, że obróbka danych surowych wymaga większych kompetencji niż praca na zagregowanych danych dostępnych w ramach platform do zakupu mediów online. Wynagrodzenia specjalistów Big Data i deweloperów danych często plasują się obecnie na poziomie kilkunastu tysięcy złotych.

Tylko zaawansowani marketerzy i agencje mediowe mogą sobie pozwolić na sztab takich specjalistów w ramach własnych organizacji. Niektóre firmy będą outsourcować takie usługi, jeszcze inne skorzystają ze wsparcia zespołów Business Intelligence po stronie dostawców technologii reklamowych (o ile jest to przedmiotem szerokiej oferty).

 


Powyższy artykuł jest fragmentem publikacji „Poradnik Reklamy Programmatic”
stworzonej przez
Grupę Roboczą
Programmatic przy IAB Polska.
.Poradnik stanowi kompedium wiedzy o programmatic i odpowiada na pytania –  jakie są obecne wyzwania i jak we właściwy sposób stosować programatyczny model zakupu reklam w różnych działaniach marketingowych.
Publikację można bezpłatnie pobrać tutaj >

Andrzej Bonarowski

Platform Solutions Consultant Adform

Wciśnij ESC, żeby zamknąć