Charakterystyka zachowania pozyskiwana jest natomiast z danych. Algorytmy machine learning określają m.in. zainteresowanie oraz intencje zakupowe internautów na podstawie odwiedzonych podstron i aktywności online. To pozwala serwować odbiorcom reklamy zgodne z ich profilem, a według badań IAB blisko ¾ odbiorców oczekuje spersonalizowanych ofert.
Rodzaje danych
Aby poznać skalę informacji wytwarzanych w internecie, wystarczy spojrzeć na infografikę DOMO, prezentującą, co dzieje się online w jednej minucie. Setki tysięcy wysłanych wiadomości, zdjęć, miliony obejrzeń filmów, i tysiące godzin streamowanych materiałów wideo to tylko znikoma część codziennych aktywności cyfrowych.
Im więcej danych, tym większa potrzeba panowania nad nimi. Dlatego wyjątkowo szybko rozwijają się narzędzia oparte na analizie big data – globalne przychody z tego segmentu rynku IT sięgną w 2026 roku 234 mld USD, rosnąc w latach 2022-2026 w średniorocznym tempie o ponad 10%. Już teraz wydatki na analizy big data wielokrotnie przekraczają sumę, jaką NASA wydaje na program kosmiczny.
Informacje o zachowaniu użytkowników to ogrom niewielkich zdarzeń, które wymagają uporządkowania i klasyfikacji. Ze względu na środowisko dane dzieli się na:
- dane desktopowe – pozyskiwane przy wykorzystaniu plików cookie, zawierają informacje m.in. o odwiedzonych URLach, czasie odwiedzin czy języku przeglądarki;
- dane mobilne – pozyskiwane na bazie Advertising IDs z urządzeń mobilnych. Zawierają informacje m.in. o używanych aplikacjach, lokalizacji, urządzeniu i systemie operacyjnym.
Jedną z powszechnie stosowanych metod kategoryzacji zarówno danych z aplikacji, jak i z przeglądarek jest podział ze względu na ich właściciela:
- 1st party data – to dane własne firmy, zbierane bezpośrednio, np. przez firmową stronę www lub aplikację;
- 2nd party data – oznaczają informacje o użytkownikach uzyskane w wyniku współpracy partnerskiej, np. linie lotnicze mogą udostępnić firmom oferującym wynajęcie auta dane o docelowym miejscu podróży;
- 3rd party data – to dane kupowane od zewnętrznych dostawców, często wykorzystywane do targetowania kampanii lub do wypełniania luk we własnych zbiorach danych (ważne: nie należy mylić ich z 3rd party cookies)
Wiarygodne źródła danych
Na skuteczność kampanii programmatic wpływa jakość danych. Dostawcy pozyskują je z różnych źródeł i stosują reguły przetwarzania mające na celu otrzymanie aktualnych, wiarygodnych i jakościowych informacji o użytkownikach internetu. Aby uzyskać pełny obraz e-użytkownika, dostawcy mogą pozyskiwać informacje z wielu cyfrowych punktów, a następnie łączyć je w spójny profil.
Źródłami pozyskiwania danych są m.in.:
- kampanie internetowe,
- dane geolokalizacyjne,
- wyszukiwarki,
- systemy CRM,
- zakupy i płatności online,
- zaszyfrowane adresy email,
- własne platformy, serwisy, aplikacje,
- brokerzy mediowi,
- wydawcy,
- firmy badawcze (np. dane demograficzne),
- dostawcy technologii,
- sieci afiliacyjne,
- narzędzia analityczne,
- pluginy, np. do obsługi social mediów.
Taksonomia danych
Taksonomia danych to zbiór informacji, które docierających do dostawców w postaci surowego ciągu liczb i znaków, posegregowanych w kategorie utworzone według określonych reguł.
Algorytmy machine learningowe odszukują aktywności konkretnego użytkownika i przydzielają je do właściwej grupy, czyli segmentu. Np. jeżeli algorytm zauważy, że użytkownik często odwiedzał adresy URL, na których treści zawierały słowo „samochód” i inne frazy związane z rynkiem motoryzacyjnym, nada mu zainteresowanie “branża samochodowa”.
Na rynku dostępnych jest wiele taksonomii i każdy dostawca danych może utworzyć własną. Jednak aby zapewnić możliwość porównania choćby liczebności segmentu, stosuje się uniwersalne taksonomie. Taką kategoryzacją jest taksonomia opracowana przez IAB, uznawana za międzynarodowy standard. Zawiera ponad 500 segmentów podzielonych na trzy duże kategorie:
- demografia,
- zainteresowania,
- intencje zakupowe.
Dostawcy technologii opracowują również własne kategorie uniwersalne (jak np. taksonomia opracowana przez Google, na platformie DV360 i Google Ads) lub tworzą segmenty na potrzeby czasowych wydarzeń, jak wybory prezydenckie czy premiera nowego sezonu kultowego serialu.
Jak dane trafiają do marketerów
Pozyskane i skategoryzowane dane trafiają do ekosystemu programmatic. Finalnie dostępne są na platformach zakupowych (Demand-Side Platforms), jak np. DV360 czy Xandr, gdzie marketerzy wybierają rodzaj grupy docelowej.
Specjaliści programmatic mogą wykorzystywać dane w reklamie poprzez:
- Zakup segmentów na platformach DSP – wybierając zainteresowanie, demografię czy intencje grupy docelowej do targetowania kampanii;
- Stworzenie customowych segmentów – segmenty odbiorców przygotowane na potrzeby kampanii, np. osoby w wieku 18-24, z dużych miast, zainteresowane produktami firmy Apple;
- Budowę profili look-alike – na podstawie danych ze zrealizowanych kampanii marketerzy określają profile najlepiej konwertujących osób. Jest to wzorzec do znalezienia podobnych profili, czyli profili bliźniaczych (look-alike) w zewnętrznych hurtowniach danych.
- Korzystanie z surowych danych – jeśli marketerzy chcą wzbogacić posiadane dane o użytkownikach, pozyskują surowe informacje. Umożliwiają one wypełnianie luk w profilach użytkowników, jak np. zainteresowań, wieku czy intencji zakupowych, tak aby kierować do internautów bardziej spersonalizowane komunikaty.
Innym sposobem pozyskiwania danych jest platforma DMP (Data Management Platform). Wydatki na tę technologię w najbliższych latach będą rosły w tempie 20% r/r, według szacunków Forrestera. DMP pozwala zbierać dane w centralnym miejscu, zarządzać nimi i tworzyć własne segmenty odbiorców do targetowania reklam lub na sprzedaż. Informacje pozyskuje się ze stron www, na których został zaimplementowany specjalny pixel.
Przyszłość danych w kampaniach online
Dane są niezbędne dla marketerów, aby dotrzeć z właściwą reklamą do odpowiedniej grupy. Ale regulacje dotyczące prywatności, jak RODO i CCPA, stawiają wysokie wymagania dotyczące przetwarzania i dostarczania danych. W najbliższych miesiącach prywatność będzie wciąż jednym z najważniejszych tematów w digital marketingu. Na wiarygodności będą zyskiwali dostawcy danych, którzy potwierdzili jakość swoich danych rynkowymi standardami, jak np. test Nielsen Digital Ad Ratings czy standardy transparentności TCF.
W związku z oczekiwaniami odbiorców związanymi z przetwarzaniem ich danych rynek cyfrowy będzie większą uwagę przykuwał do transparentności. Ważne będą aspekty opracowane przez zespół IAB, czyli m.in. źródło, wiek czy sposób segmentacji danych.
Wraz z rosnącą starannością doboru danych będzie rosła ich jakość. Podmioty, które nie sprostają oczekiwaniom, będą mniej konkurencyjne. Dane, jako podstawa reklamy programmatic, będą dostępne, ale ze względu na dyskusję o plikach cookie, firmy będą poszukiwały alternatywnych technologii do śledzenia aktywności. Dlatego coraz większe znaczenie będą miały m.in. identyfikatory mobilne i telewizyjne (CTV IDs), a rynek już pracuje nad technologią, która ma zastąpić pliki cookie – powstaje wiele propozycji Public IDs (jak Unified ID 2.0, czy ID5), czyli rozwiązań alternatywnych dla popularnych ciasteczek.
Kiedy mówimy o reklamie cyfrowej, myślimy „programmatic”. Targetowanie na dane stało się oczywistością, choć napotyka też wyzwania, jak odpowiedni dobór danych, jakość czy zapewnienie prywatności użytkownikom. Planowana kampania będzie tym efektywniejsza, im większą wiedzę o aspektach i możliwościach samych danych będą mieli cyfrowi marketerzy.