Skimlinks Data Provider Checklist - Düzgün sualların verilməsi
Son vaxtlara qədər proqramlı reklam alqı-satqısı etmək istəyən rəqəmsal marketoloqlar və reklam agentliyi mütəxəssisləri ilə qarşı-qarşıya qaldı qara qutu məlumat ssenarisi. Əksəriyyəti mühəndis və ya məlumat alimi deyil və bir inam sıçrayışı etməli və məlumat təminatçının məlumatların keyfiyyətinə dair iddialarına etibar etməli, tətbiqdən sonra nəticələri nəzərdən keçirməli və satın alındıqdan sonra.
Bazarlar və agentliklər bir məlumat təminatçında nələrə baxmalıdır? Hansı provayderin ən dəqiq, şəffaf bir həll təklif etdiyini necə müəyyənləşdirə bilərlər? Verəcəyiniz bəzi suallar:
Məlumat necə toplanır?
Hər bir istifadəçinin birbaşa müşahidəsi ilə, yoxsa kiçik bir istifadəçi qrupunda davranış nümunələrinin təsbit edildiyi və daha sonra daha böyük qruplar üçün ekstrapolyasiya edildiyi məlumat verilmişdir? Məlumat verildiyi təqdirdə, dəqiqlik ölçülmüş qrupun ölçüsündən çox asılıdır - bu səbəbdən provayderləri qiymətləndirərkən qrup ölçüsünü yoxlamaq vacibdir. Ancaq nəzərə alın ki, ölçüsü nə olursa olsun, çıxarılan məlumatlar ekstrapolyasiya edildikdə həmişə dəqiqliyin azalmasını ehtiva edir. Unutmayın ki, məlumatlar seqmentlər şəklində modelləşdirildikdə, proqnozlar real məlumatlardan çox proqnozlara əsaslanacaqdır. Bu dinamik, məlumatların yerinə yetirilməməsi riskini dözərək artır.
Alış-veriş niyyətini daha dəqiq proqnozlaşdıran əməliyyatlar, metadata izləmə və digər siqnallara təsir göstərmək üçün sadə demoqrafik göstəricilərdən kənara çıxaraq huni üzərindəki məlumatların gücünü qiymətləndirməyə imkan verən sağlam düşüncəli suallar vermək yaxşıdır. Yağlar hər gün 15 milyon naşir domeni və 1.5 tacirdən ibarət bir şəbəkədən 20,000 milyard alış-veriş niyyəti siqnallarını çəkir. Skimlinks, məhsul zəkası qatında maşın öyrənmə və zənginləşdirmə analizini tətbiq edərək, 100 milyon məhsul istinadları və əlaqələrinin taksonomisini və metadatını başa düşür. Bu məlumatları istifadəçilərin ala biləcəyi məhsul və markalara əsaslanan yüksək konvertasiyaedici auditoriya seqmentləri yaratmaq üçün istifadə edərək daha effektiv ekran, sosial və video kampaniyalarını təmin edirlər.
Hansı növ məlumatlar toplanır?
Siyahının növbəti növü hansı məlumatların toplandığını tapmaqdır. Kateqoriyalara kliklər, linklər, metadata, səhifə tərkibi, axtarış şərtləri, markalar və məhsullar, qiymət məlumatları, əməliyyatın baş verməsi, tarix və vaxt daxil ola bilər. Daha çox məlumat toplandıqca, dəqiqliyi əhəmiyyətli dərəcədə artıra biləcək daha çox xammal proqnozlaşdırıcı modellərlə işləməli olacaqsınız. Yalnız bir neçə növ məlumat toplanarsa - məsələn, yalnız təəssüratlar və ya kliklər - proqnozları yoxlamaq və ya istifadəçi profillərini artırmaq üçün istifadə edilə biləcək məhdud məlumatlar olacaqdır. Bu ssenaridə risk həddindən artıq sadə və qeyri-dəqiq istifadəçi profillərinin yaranmasıdır.
Skimlinks məlumatları toplayır və təhlil edir və alış davranışlarını dəqiq proqnozlaşdırmaq üçün bir çox naşir və tacir arasında nümunələri aşkar edir. Məsələn, beş fərqli veb saytdakı 10 səhifəni ziyarət edən bir istifadəçinin birləşməsi, gələn həftə bir alış-veriş etmək üçün bir marağı göstərən bir nümunə olaraq təyin edilə bilər. Heç bir yayımçı məlumat verə bilməzdi Yağlar 1.5 milyon domen şəbəkəsi ilə daxil olur, lakin naşir məlumatları siqnal məlumatlarının yalnız bir hissəsidir. Skimlinks, qiymət məlumatları, sifariş dəyəri və alış tarixçəsi daxil olmaqla şəbəkəsindəki 20,000 tacirdən alınan məlumatları da təhlil edir.
Bunu edərkən, Yağlar bütün pərakəndə ekosistemdən gələn siqnalları birləşdirir.
Məlumat necə təsdiqlənir?
Məlumat təmin edənləri qiymətləndirərkən axtarmaq üçün başqa bir kritik qabiliyyət, proqnozları praktikada doğrulama qabiliyyətidir. Məsələn, seqmentlərinin konversiyanı idarə edəcəyini iddia edən hər hansı bir provayder, alışın həyata keçirildiyini təsdiqləmək üçün əməliyyat məlumatlarını toplamalıdır. Əməliyyat məlumatları olmadan dəyər təklifini təsdiqləmək mümkün deyil.
Skimlinks, reklamverənlərin alış dövründə olduqları yerə görə istifadəçiləri hədəf almasına kömək edən proqramlı bir auditoriya hədəfləmə xidmətinə malikdir. Proqnozlar kontekstual, məhsul və qiymət məlumatları istifadə edilərək həyata keçirilir və əməliyyat məlumatları ilə təsdiqlənir. İstifadəçilər gözlənilən alış-veriş etdiklərini yoxlamaq üçün izlənilir və seqmentlər yaradan maşın öyrənmə sistemi bu məlumatlara əsaslanaraq davamlı olaraq öyrədilir. Bu, alıcıların ödəyə bilmədikləri və ya almaq niyyəti olmayan bir məhsulu araşdırmış ola biləcək istehlakçıları hədəf götürdükləri bir ssenaridən yayınmalarına kömək edir. Nəticə daha yaxşı seqment fəaliyyətidir.
Programatik reklam ilə məşğul olan rəqəmsal marketoloqlar və agentliklər, min təəssürat başına xərcləri (CPM) və ya əməliyyat başına maliyyəni (CPA) dərəcələrini optimallaşdırmaq üçün doğru məlumat təminatçısı seçməlidirlər. Proqramlı reklam və məlumat əsaslı marketinq sektorlarındakı böyümə sürəti doğru məlumat təminatçının necə seçilməsini çətinləşdirə bilər. Ancaq bir məlumat təminatçının dəyər təklifini qiymətləndirərkən bu üç sağlam düşüncəli sualı tətbiq edərək, rəqəmsal marketoloqlar və agentliklər qara qutuyu aça və düzgün məlumat qarışığını tapa bilərlər.
