Дискуссия вокруг вероятностного и детерминированного отслеживания перекрестных устройств не является чем-то новым. Но с быстро развивающейся онлайн-ландшафтом

Дискуссия о вероятностном и детерминированном отслеживании перекрестных устройств не является чем-то новым. Но с быстро развивающимся онлайновым ландшафтом и технологическими возможностями, а также с тем, что клиенты все чаще участвуют в нескольких устройствах, бренды и агентства должны иметь разный разговор: им нужно смотреть за пределы используемого метода таргетинга и определять, как они могут лучше всего идентифицировать клиентов для более личного и соответствующего участия, продолжая поддерживать конфиденциальность потребителей. Это особенно верно, поскольку вопросы доверия и масштаба в последнее время были затронуты в отношении компаний, принадлежащих к первой группе данных, таких как Facebook.

Используя детерминированные методы, основанные на определенной форме конкретных идентифицирующих данных для потребителя (обычно логины, регистрационные данные, физические адреса и иногда автономные данные или идентификаторы клиентов, например), компания может определить, кто является конкретным пользователем. Но этот метод вызвал серьезные проблемы для компаний, занимающихся первичной передачей данных. Facebook сталкивается с этой дилеммой, поскольку не только ее данные ограничены информацией только с ее платформы, но эти данные также содержат очень специфическую информацию пользователя, что создает проблему конфиденциальности при использовании с третьими лицами.

Вероятностные методы, с другой стороны, используют научный подход к данным, чтобы принимать различные сигналы по нескольким каналам для создания пользовательских профилей с анонимными данными, и они могут увеличить масштаб, предсказывая поведение пользователей на основе аналогичных известных пользователей. С множеством устройств и точек касания для компаний для сбора данных из вероятностных методов эволюционировали за точкой отслеживания файлов cookie. Поскольку конфиденциальность является серьезной проблемой в современном мире, основанном на данных, вероятностные методы позволяют компаниям создавать целостные профили клиентов и ориентировать их на желаемые сегменты клиентов, не требуя использования идентифицирующей информации.

Наряду с конкретными, но анонимными данными о клиентах под их поясами компании теперь должны спросить, как лучше использовать данные, к которым они имеют доступ. Маркетологи должны быть ориентированы на масштаб и точность, а ключом к этому является количество данных, к которым у компании есть доступ и как она используется.

Достижение клиентов в масштабе

Проблемы доверия и масштабирования неоднократно становились проблемой в рекламных технологиях. Вероятностные методы способны преодолеть обе эти проблемы и помочь компаниям достичь потребителя в масштабе.

Чтобы успешно масштабироваться, компания должна уметь распознавать и привязывать устройства практически к каждому цифровому потребителю по целому ряду цифровых идентификаторов. Это может быть достигнуто с помощью сложного сочетания технологий и аналитики, которые охватывают все точки доступа и устройства для потребителей, которые сейчас используются. Хотя для этого требуется добавить дополнительные усилия и активы в подразделение внутренней аналитики данных компании или вероятностный агент-агент, оба могут помочь сконденсировать и проанализировать данные в режиме онлайн и в автономном режиме, чтобы понять поведение и модели клиентов и предложить лучший масштаб для кампаний. Когда все сделано правильно, вероятностные методы таргетинга являются высокоэффективными с точки зрения масштаба, достигая большего числа правильных людей.

Точность кампаний

Когда дело доходит до кампаний, ориентированных на клиентов, важность точности не может быть достаточно подчеркнута, а скорость точности идет рука об руку со зрелостью компании по вероятностному спектру. Чем больше данных, в которые компания имеет доступ (как по количеству, так и по разнообразию), тем сложнее она может достичь своей направленности и точности. Как запатентованные, так и сторонние данные предоставят компаниям полное представление о потребителях. Но для точных кампаний компания не может просто объединить сторонние сегменты аудитории, купленные на рынке. Он должен иметь полностью интегрированную платформу данных, чтобы иметь возможность видеть потребителя с течением времени.

Например, платформа для социальных сетей может предлагать огромные данные о клиентах и ​​понять ее пользователей, но она ограничена собственной вселенной. В дополнение к извлечению данных из множества наборов данных, для компаний одинаково важно отфильтровывать плохие данные и избегать мошенничества с рекламой. Квалифицированные аналитические команды могут идентифицировать и отфильтровывать эти плохие данные, использовать несколько технологий, чтобы охватить и понять пользователей и связать онлайн-и оффлайн-действия.

Поскольку компания созревает по вероятностному спектру и использует увеличенное количество источников данных, на самом деле она будет иметь больше преимуществ в плане конфиденциальности, поскольку она не будет использовать идентификационную информацию, принадлежащую первой стороне, и может сохранять анонимность пользователей.

Ориентация на клиента и предоставление им персонализированного и уникального опыта — это цель № 1, которая должна стимулировать методы таргетинга и отслеживания. Но конфиденциальность также должна учитываться в этих решениях кампании. Имея данные, доступные сегодня, вероятностные методы позволяют компаниям продолжать проводить целенаправленные и персональные кампании, обеспечивая при этом анонимность, которую сегодня требуют потребители.