Gdy znikają pliki cookie stron trzecich, pojawiają się ponownie stare sztuczki marketingowe.

Stało się tak w przypadku kierowania kontekstowego i umów bezpośrednich. Teraz modelowanie media mix (MMM) – analizowanie danych sprzedażowych w czasie w celu ustalenia, które taktyki marketingowe generują konwersje – może po prostu powrócić.

Jednak aby MMM naprawdę powróciło, musi stać się bardziej dostępne dla marketerów średniego szczebla – a nie tylko marek, które wydają najwięcej pieniędzy, jak w przeszłości.

Demokratyzacja MMM jest główną ideą uruchomienia platformy analityki marketingowej FutureSight.online, powiedziała jej założycielka Marilois Snowman AdExchanger. Platforma, pierwotnie inkubowana jako produkt dla agencji reklamowej Mediastruction, debiut platformy jest szczególnie aktualny, ponieważ MMM może mierzyć przyrost, gdy nie ma identyfikatorów takich jak pliki cookie stron trzecich lub alternatywne identyfikatory.

W miarę jak marki szukają nowych sposobów, aby udowodnić, że ich wysiłki marketingowe online i offline przynoszą rezultaty, Snowman powiedział: „te elementy, które dotychczas przenosiły Cię z różnych kanałów cyfrowych do koszyka online, znikają”.

MMM dla wszystkich

Ale MMM wraca do mody nie tylko dlatego, że ciasteczka są już passé.

MMM czerpie również korzyści z postępu w dziedzinie analityki danych i mocy obliczeniowej, co pozwala na jego wdrożenie na bardziej szczegółowym poziomie, powiedział Joshua Chasin, doradca strategiczny FutureSight. Chasin jest także byłym dyrektorem ds. mierzalności w firmie VideoAmp i członkiem rady doradców Fundacji Badań nad Reklamą.

Na przykład teraz marki mogą łatwiej różnicować swój wpływ marketingowy na telewizję linearną i połączoną, podczas gdy wcześniej patrzyły na punkty rankingowe brutto.

Jednak zbudowanie dedykowanego MMM dla marki może zająć do 18 miesięcy i kosztować około 250 000 dolarów, co sprawia, że ​​takie podejście jest dostępne tylko dla najlepszych marek, powiedział Snowman.

Zamiast tego FutureSight widzi szansę w udostępnieniu MMM reklamodawcom średniego szczebla – czyli markom, które wydają od 1 miliona do 50 milionów dolarów rocznie na reklamę.

Żeby było jasne, FutureSight może obsługiwać także większe marki, dodał Snowman. Jednak widzi większe możliwości w obsłudze niedocenianej połowy rynku, niż w zabieganiu o względy znanych klientów.

Snowman ma doświadczenie w obsłudze niszy średniej wielkości rynku. Jest także założycielką i dyrektorem generalnym Mediastruction, bostońskiej agencji reklamowej specjalizującej się w obsłudze klientów średniej wielkości, działającej od 2011 roku.

Snowman pierwotnie zainwestował w FutureSight, aby firma Mediastruction mogła odróżnić się od innych agencji średniej wielkości, które nie posiadały narzędzi do planowania opartego na danych. Dostrzegła jednak szansę na wprowadzenie go na rynek jako samodzielnej oferty dostępnej zarówno dla klientów Mediastruction, jak i osób niebędących klientami.

Ta pula klientów średniej wielkości obejmuje zazwyczaj banki regionalne, regionalne podmioty świadczące opiekę zdrowotną, lokalnych dealerów samochodowych i inne marki, które mają dostęp do wielu danych własnych, ale nie mają wystarczających zasobów, aby wykorzystać je do niestandardowej optymalizacji kampanii.

Za pośrednictwem platformy MMM kasa kredytowa przypisała 2% wzrost kredytów pod zastaw domu wzrostowi wydatków na reklamy cyfrowe. Co ciekawe, reklamy dotyczyły zarówno kredytów pod zastaw domu, jak i kredytów samochodowych. Klient zdał sobie sprawę, że reklamy online obu rodzajów pożyczek w rzeczywistości generują konwersje w przypadku obu rodzajów pożyczek, więc zrezygnował z niektórych wydatków na druk, aby zwiększyć wydatki na technologie cyfrowe.

Jak to działa

Funkcjonalnie platforma FutureSight wykorzystuje algorytmy MMM, które Mediastruction budowała dla swoich klientów średniej wielkości od kilku lat i tworzy pulpit nawigacyjny skierowany do klienta.

Interfejs pomaga markom uporządkować w jednym miejscu wszystkie dane, jakie posiadają z platform zakupu reklam online i offline. Mogą także filtrować dane dotyczące wyświetlania reklam według miejsca powstawania kosztów lub regionu.

FutureSight ocenia każdy rodzaj ekspozycji na reklamę lub strategię marketingową i ocenia, jak wpłynęło to na sprzedaż. Następnie analizuje synergię pomiędzy wszystkimi tymi różnymi taktykami, aby określić optymalną kombinację każdej z nich.

Następnie marki mogą „zwiększać sprzedaż tam, gdzie wygrywają, i ograniczać tam, gdzie przegrywają” – powiedział Snowman.

Marki mogą również analizować swoje działania marketingowe w kontekście innych czynników, które mogą mieć wpływ na skuteczność kampanii. Snowman twierdzi, że ten kontekst pozwala im przypisywać wyniki kampanii w skuteczniejszy sposób niż atrybucja na podstawie ostatniego kliknięcia.

Na przykład bank regionalny może pozyskać dane na temat swoich mediów internetowych, ale także odsetek otwarć rachunków w oddziałach fizycznych, stopy procentowe, hałas konkurencyjny i poziom świadomości marki na danym obszarze. Platforma może analizować wpływ wszystkich tych różnych czynników, korzystając z wyników atrybucji wielodotykowej.

Wewnętrzny model uczenia maszynowego FutureSight pobiera te dane poprzez integrację API, przesyła je do chmury i codziennie odświeża swoje spostrzeżenia, dzięki czemu marki mogą analizować, jak te czynniki wpływają na wydajność mediów.

Całe to modelowanie opiera się na danych własnych marki, bez żadnych warstw danych stron trzecich.

Platforma nie ma obecnie możliwości sztucznej inteligencji (AI), które pozwalałyby jej na autonomiczne działanie w oparciu o analizę danych, powiedział Snowman. Zamiast tego to człowiek stojący po stronie marki musi ostatecznie podejmować wszystkie decyzje optymalizacyjne.

Budowanie biznesu

Pozostawienie procesu decyzyjnego w rękach marketerów jest zgodne z celem FutureSight, jakim jest tworzenie technologii marketingowych projektowanych przez ludzi mediów.

W ciągu ostatniego roku Snowman przekształcił platformę FutureSight w niezależną firmę, nie pozyskując żadnego zewnętrznego finansowania.

Obecnie firma ma sześciu klientów, głównie z rynków finansowych i opieki zdrowotnej, których Snowman nie chce ujawniać, powołując się na umowy o zachowaniu poufności.

A obecnie zatrudnia kilkunastu pracowników. Jej bezpośrednie priorytety w zakresie rekrutacji obejmują dodanie architekta danych oraz większe wsparcie w zakresie inżynierii danych i sukcesu klienta.

Ale nawet inwestując w zasoby technologiczne, Snowman chce zachować podstawową tożsamość firmy w nienaruszonym stanie.

„W wielu przypadkach platformy analityczne są tworzone przez naukowców zajmujących się danymi, a niekoniecznie przez ludzi mediów dla ludzi mediów” – powiedziała. „Znamy media i powiedziałbym, że to ich wyróżnik”.