Mówi się, że dzięki modelowi zakupu programmatic kupujemy teraz nie odsłony, a użytkownika. Można długo mówić o tym, jak programmatic zrewolucjonizował rynek reklamy online, ale często pomija się przy tym jego prawą rękę, bez której to wszystko nie byłoby możliwe, czyli dane, a w szczególności dane o użytkownikach.
Nowa epoka reklamy online
Model zakupu programmatic zrewolucjonizował 2 rzeczy. Pierwszą z nich jest automatyzacja praktycznie całego procesu zakupu/sprzedaży reklam. Przedtem sam proces zakupu reklamy na stronie wydawcy nie różnił się wiele od zakupu reklamy w prasie czy na nośnikach outdoorowych — reklamodawca kontaktował się z wydawcą w celu ustalenia warunków umieszczenia reklamy na stronie wydawcy na określony czas, a wydawca wystawiał fakturę i czekał na płatność. Reklamodawca nie miał też wpływu na to, komu wyświetli się reklama ani jak często dany użytkownik będzie ją widział. Nowy model zakupu zautomatyzował cały ten proces, a adserwery w imieniu wielu reklamodawców mogły kupować w szybki sposób powierzchnie u wydawców.
Drugim elementem reklamy online, który zmienił się na dobre dzięki modelu programmatic jest sam przedmiot zakupu. Dzięki skryptom na stronach wydawców, otworzyły się drzwi na możliwość wyboru komu chcemy wyświetlić naszą reklamę, a nie tylko gdzie i kiedy. Wtedy właśnie zamiast powierzchni zaczęliśmy kupować dotarcie do wybranych grup docelowych, co jest głównym wyróżnikiem reklamy cyfrowej.
Programmatic pod lupą
W sporym uproszczeniu zakup powierzchni reklamowej w modelu programmatic wygląda tak:
Żeby proces zakupu reklamy mógł zaistnieć, niezbędne jest pozyskanie danych nt. użytkownika już na pierwszym etapie całej ścieżki. Na tej podstawie, reklamodawcy (a właściwie skrypty działające w ich imieniu) mogą wybrać którym użytkownikom danej witryny chcą wyświetlić swoją reklamę i ile takie wyświetlenie jest dla nich warte.
Dynamika wzrostu budżetów digitalowych i co za tym idzie – stawek oraz związana z tym presja na zwiększanie efektywności każdej wydanej złotówki dały do zrozumienia reklamodawcom, że podstawowe dane o użytkowniku (które na dodatek często nie są w pełni wiarygodne) nie wystarczą. W końcu nie każdy mężczyzna w wieku 35 lat będzie chciał kupić nowe auto i nie każda 30-letnia kobieta jest zainteresowana nowymi super chłonnymi pieluchami.
Pierwszym krokiem było wykorzystanie danych 2nd party, które są pozyskiwane przez niektórych uczestników rynku (wydawców i platformy reklamowe) i udostępniane innym podmiotom (reklamodawcom) w celu zwiększenia efektywności reklam.
Dane te jednak ograniczają się często do punktów styku z wybranym wydawcą (np. jakie artykuły przeglądał użytkownik), a reklamodawcy nie mieli żadnej gwarancji dot. ich jakości czy pochodzenia.
Dane 1st i 3rd party na ratunek
Reklamodawcy szybko zrozumieli, że tym, co pozwoli w pewny sposób zwiększać efektywność ich kampanii online, są dane pochodzące ze źródeł własnych. Dzięki integracjom i otwartym API, platformy reklamowe umożliwiały reklamodawcom wykorzystanie potencjału danych pochodzących z ich WWW, CRM-ów czy systemów BI, a także same dostarczały narzędzia umożliwiające w łatwy sposób pozyskiwanie, a następnie wykorzystywanie takich danych (np. tag remarketingowy Google’a czy Facebookowy pixel).
Dane 1st party mają jednak kilka ważnych ograniczeń – przede wszystkim ograniczają się do użytkowników, którzy mieli odpowiednio głęboką interakcję z Twoją firmą (np. weszli na Twoją stronę, zapisali się do programu lojalnościowego lub dokonali zakupu w Twoim sklepie), przez co raczej nie przydadzą się do pozyskania nowych klientów, a raczej do zwiększenia life-time value obecnych.
Świetnym sposobem na zwiększenie LTV są wdrażane przez co raz to większą liczbę retailerów programy lojalnościowe, które oprócz lojalizacji konsumenta, są też świetnym sposobem na stworzenie pełnego obrazu interakcji konsumenta z marką i doskonałym źródłem danych dla kampanii programatycznych, głównie pod kątem pomiaru ich skuteczności. Wymaga to jednak mozolnego wdrożenia w całej organizacji, nie tylko na pierwszej linii kontaktu z klientem.
Kolejnym ograniczeniem dla danych 1st party jest struktura tych danych i często niezbędność ich ręcznej obróbki, co wymaga kompetencji, którymi według ostatniego badania Deloitte1 www2.deloitte.com/us/en/insights/topics/analytics/insight-driven-organization.html odznacza się tylko co 3 duża organizacja (!). Choć podobne badanie nie zostało przeprowadzone wśród menedżerów mniejszych firm, ciężko zakładać, żeby sytuacja w nich wyglądała lepiej.
Z pomocną dłonią wychodzą firmy specjalizujące się w pozyskiwaniu dużej ilości danych z wielu źródeł zewnętrznych (3rd party) i na ich podstawie budowie segmentów użytkowników o najwyższym potencjale sprzedażowym dla wybranych kategorii. Zazwyczaj takie segmenty odbiorców są następnie oferowane na otwartym rynku poprzez platformy DMP (Data Management Platform).
Główną przeszkodą w tym wypadku jest jednak brak możliwości weryfikacji czy głębszej segmentacji takich zbiorów danych, przez co wielu, nawet największych reklamodawców, ogranicza wykorzystanie danych 3rd party.
Marki często nie są jednak w stanie same zbierać część danych o swoich użytkownikach (jak np. wartościowe dane lokalizacyjne) i w tym przypadku idealnym modelem współpracy byłoby licencjonowanie technologii dostawcy 3rd party, która umożliwiałaby uzupełnienie swojego DMP danymi wysokiej jakości przy jednoczesnej gwarancji transparentności i niezależności.
Klucz do sukcesu w digitalu
To wszystko nie oznacza jednak, że nie warto korzystać z wymienionych źródeł danych, a zewnętrzni dostawcy danych tylko czekają, żeby nas oszukać. To właśnie ci marketerzy, którzy znają ograniczenia (i zalety) wszystkich źródeł danych, są w stanie zaprojektować oraz wdrożyć optymalną strategię wykorzystania danych wewnątrz swojej organizacji.
Najwięksi gracze już dłuższego czasu tworzą własne DMP i pozyskują jak najwięcej danych ze wszystkich możliwych punktów styku. Procter&Gamble chwali się, że dzięki temu podejściu zebrał dane ponad 1,5 miliarda unikalnych użytkowników2 https://www.cnbc.com/2019/10/04/pg-brand-chief-says-at-ana-that-walled-gardens-are-here-to-stay.html , a w Chinach udało im się zwiększyć zasięg o 50% przy jednoczesnej redukcji nieefektywności o 30% . W celu zwiększenia dotarcia i stworzenia pełniejszego obrazu swoich użytkowników, kupują również hurtowo dane bezpośrednio od sprawdzonych dostawców 3rd i 2nd party. Nie każdy jednak ma taką pozycję negocjacyjną, żeby jak Marc Pritchard zmusić Facebooka do dzielenia się danymi3 https://www.businessinsider.in/the-worlds-largest-advertiser-is-pushing-facebook-and-google-to-share-their-data-and-hinted-its-ready-to-move-budgets-elsewhere/articleshow/64687814.cms
Dlatego szczególnie ważne dla każdej, mniejszej lub większej, firmy jest wdrożenie strategii pozyskiwania jak największej ilości wartościowych danych 1st party. Wartościowych, bo trzeba mieć na uwadze, że w przyszłości każdy kolejny wymiar będzie również kosztem i tak np. dla niewielkiej marki FMCG jest mocno prawdopodobne, że informacja o pamięci wewnętrznej i roku produkcji telefonu użytkownika nie przyczyni się do wielkiego wzrostu ROAS (zwrotu z wydatków na reklamę).
Z reguły jednak głównym problemem nie jest zbyt duża ilość danych, lecz przeszkody w przekształceniu je w insighty i wartość, takie jak brak odpowiedniej kultury organizacyjnej, kompetencji czy nieodpowiednia struktura samych danych4 https://www2.deloitte.com/us/en/insights/topics/analytics/insight-driven-organization.html .
Dlatego też skuteczne wykorzystanie danych w kampaniach programmatic jest wypadkową umiejętności poruszania się całej organizacji po obszarze analizy danych, o czym od dawna wiedzą największe międzynarodowe organizacje. Szybko rosnący trend organizacji data-driven widoczny jest też od jakiegoś czasu na polskim rynku, czego najlepszym przykładem jest transformacja największego polskiego ubezpieczyciela i widoczne tego efekty5 https://media.pzu.pl/informacje-prasowe/szczegoly/wyniki_Grupy_PZU_po_dwoch_kwartalach_2019 .
Podsumowanie
Model zakupu programmatic z założenia ma służyć hiperpersonalizacji reklam i jak najlepszym dopasowaniu wyświetlanych treści do faktycznych zainteresowań i intencji użytkownika. Z perspektywy reklamodawcy oczywiście maksymalizacji ROAS. W miarę rozwoju rynku to nie ogólny brak danych jest problemem, lecz brak wartościowych danych pozyskiwanych w transparentny (a czasem nawet legalny!) sposób. Chcąc się uniezależnić od digitalowego oligopolu, marki muszą skupić się na budowaniu własnych źródeł danych o użytkownikach, wspierając się przy tym technologią i danymi 3rd party, żeby dopełnić obrazu o konsumencie w touchpointach innych niż własne.
Przejście na tę stronę wymaga jednak nie tylko zatrudnienia Chief Data Officera, lecz zmiany w kulturze organizacyjnej. Data-driven jest czymś więcej niż tylko zbiorem metod i choć możliwe jest wdrożenie tego podejścia w jednym dziale, a nawet zespole, wymierne efekty tego podejścia będą widoczne przy znaczącej zmianie, szczególnie na wyższym i średnim szczeblu. Biorąc pod uwagę koszty budowy własnych źródeł danych, tym bardziej istotne z perspektywy ROI jest monetyzacja pozyskanych danych przez jak największą liczbę komórek funkcyjnych.
Barierę wejścia skutecznie obniżyć mogą dostawcy Insights-as-a-service, tacy jak polskie Placeme czy amerykańskie GoodData, ale każda zmiana ma początek wewnątrz organizacji.
[1, 4] www2.deloitte.com/us/en/insights/topics/analytics/insight-driven-organization.html
[2] https://www.cnbc.com/2019/10/04/pg-brand-chief-says-at-ana-that-walled-gardens-are-here-to-stay.html
[3] https://www.businessinsider.in/the-worlds-largest-advertiser-is-pushing-facebook-and-google-to-share-their-data-and-hinted-its-ready-to-move-budgets-elsewhere/articleshow/64687814.cms
[5] https://media.pzu.pl/informacje-prasowe/szczegoly/wyniki_Grupy_PZU_po_dwoch_kwartalach_2019
