Sources, types and quality of audience data used in programmatic. Presentation form IAB conference, 2.10.2017

1. 9 października 2017, Warszawa, Centrum Konferencyjne Adgar Plaza
IAB HowTo: use the full power of programmatic

2. Dane w programmatic
Marcin Barciński, Allegro
IAB HowTo: use the full power of programmatic

3. Programmatic ma pomóc
zrozumieć,
które 50% budżetu
reklamowego zostało
zmarnowane

4. programmatic
automatyzacja + dane

5. programmatic
automatyzacja + dane
będzie o:
- jakie?
- skąd?
- i do czego?

6. Dane nie są nowym
konceptem, ale istotnie
zmienia się podejście

7. tradycyjne dane
silosy

8. SOCJO I DEMOGRAFIA
MULTICHANNEL ZAKUPY
AKTYWNOŚĆ
SOCJO I
DEMOGRAFIA MULTICHANNER
ZAKUPY
AKTYWNOŚĆ
NA WWW

9. Czy na
pewno
wokół
„osób”

10. I tak, i nie…
• cookie to nie osoba
• id konta, e-mail też nie
zawsze

11. cookie device ID ID konta adres e-mail

12. cookie device ID ID konta adres e-mail

13. cookie device ID ID konta adres e-mail
ID Graph

14. 44%
korzysta z 2+ urządzeń
źródło:

15. Typologia
danych

16. Różne
perspektywy
na dane:
• źródło
• własność
• taksonomia

17. (czyli takie, które można zbierać “w internecie”)
• nawigacja (generalnie aktywność na
stronach www i w aplikacjach)
• e-mailing (otwarcie / kliknięcie)
• kontakt z reklamą display czy video
Online
(inne bazy, w wersji elektronicznej lub nie)
• bazy klienta (CRM)
• ogólnodostępne zbiory danych, np. CEIDG
czy dane pogodowe
• kasy fiskalne
Offline

18. Dane 1st party
Dane własne, pochodzące najczęściej z analizy
aktywności na stronie www lub z CRM
są unikalne i precyzyjne
ale…
nie zwiększają zasięgu i dotyczą
tylko niektórych aspektów

19. ODSŁONY
uCTR
CR
5x
124x
Konwersja post-view: 30x
wyższa dla segmentu
=
3 000 % więcej
odsłon konieczne do jednej
transakcji poza segmentem
Efektywność danych 1st party
źródło:

20. Dane 2nd party
Dane partnera, czyli dane 1st party innej firmy
lub wydawcy, zwykle komplementarne.
unikalne, precyzyjne,
inkrementalne do 1st party
ale…
mniejsza kontrola, trudne
w pozyskaniu i wymianie

21. Dane 3rd party
Ogólnodostępne dane zbierane, przetwarzane
i udostępniane przez wyspecjalizowane firmy
duży zasięg, bardzo wiele
typów i segmentów
ale…
nie są unikalne i trudno weryfikować
jakość

22. 86%kampanii programmatic w Europie wykorzystuje
dane behawioralne
Źródło: THE ECONOMICVALUE OFBEHAVIOURALTARGETINGIN DIGITALADVERTISING, HIS Markit

23. Źródło: THE ECONOMICVALUE OFBEHAVIOURALTARGETINGIN DIGITALADVERTISING, HIS Markit
Średni wskaźnik konwersji reklamy display
0,7
3,8
6,9
RON dane behawioralne retargeting

24. tylko
33%marketerów wykorzystujących dane (audience
insight) “ufa im całkowicie”
Źródło:Advertiser Perceptions, za Adexchanger.com

25. Weryfikacja jakości danych – demografia
źródło: Nielsen, Digital Ad Ratings dla danych
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
18+ 25-44 M 25-34 F 25+
Allegro benchmark

26. Jak posegregować dane, czyli taksonomia
FUNKCJONALNE
DEMOGRAFIA
ZAINTERESOWANIA
INTENCJE ZAKUPOWE
TECHNICZNE
GEO

27. Jak posegregować dane, czyli taksonomia
FUNKCJONALNE
DEMOGRAFIA
ZAINTERESOWANIA
INTENCJE ZAKUPOWE
TECHNICZNE
GEO
PODMIOTOWE
KTO
CO
KIEDY

28. Jak posegregować dane, czyli taksonomia
FUNKCJONALNE
DEMOGRAFIA
ZAINTERESOWANIA
INTENCJE ZAKUPOWE
TECHNICZNE
GEO
PODMIOTOWE
KTO
CO
KIEDY
CHRONOLOGIA
ROBIŁ / SZUKAŁ
ROBI / SZUKA
ZROBI

29. Do czego i jak
wykorzystujemy
dane?

30. Analiza danych
historycznych
Analiza danych pozwala na wyciąganie
wniosków dotyczących użytkowników,
ich cech, zachowań.
Przewidywanie
zachowań
Tworzenie segmentów użytkowników,
którzy mają wspólne cechy albo
zachowują się w określony sposób.

31. Analiza danych
historycznych
Analiza danych pozwala na wyciąganie
wniosków dotyczących użytkowników,
ich cech, zachowań.
Przewidywanie
zachowań
Tworzenie segmentów użytkowników,
którzy mają wspólne cechy albo
zachowują się w określony sposób.

32. Analizy i raporty Data Mining (przykład)
źródło:
0%
5%
10%
15%
20%
25%
0
100
200
300
400
500
600
700
800
900
13-17 18-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64
udział transakcji średnia cena

33. Analizy i raporty Data Mining (przykład)
źródło:
500
550
600
650
700
750
800
850
900
13-17 18-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64
F M

34. Marka
Które z marek są kobiece a które męskie?
źródło:

35. Które z marek są kobiece a które męskie?
źródło:
Marka

36. Model
Które z marek są kobiece a które męskie?
źródło:
Marka

37. Analiza danych
historycznych
Analiza danych pozwala na wyciąganie
wniosków dotyczących użytkowników,
ich cech, zachowań.
Przewidywanie
zachowań
Tworzenie segmentów użytkowników,
którzy mają wspólne cechy albo
zachowują się w określony sposób.

38. Targetowanie
proste, jedna cecha (np. retargeting)
1
eksperckie (operatory logiczne)
2
algorytmy
3

39. Przykładowa konstrukcja segmentów
POTENCJALNI KLIENCI
<przeglądali strony produktów
2x w ciągu tygodnia>
i nie
<dokonali zakupu w tym
czasie>
i
<demografia: kobiety (dane 3rd
party)>
PONOWNY ZAKUP
<dokonali zakupu w okresie 3-
6 tygodni temu>
i nie
<dokonali zakupu w ostatnim
tygodniu>
i
<weszli na stronę w ostatni
tygodniu)>
NOWI KLIENCI
<czytali recenzję produktu na
stronie partnera (dane 2nd
party)>
i nie
<byli na stronie reklamodawcy>
i
<demografia: wiek 25+ (dane 3rd
party)>

40. Modelowanie look-alike
CECHA 1 CECHA 2 CECHA 3 CECHA 4 CECHA 5

41. Modelowanie look-alike
CECHA 1 CECHA 2 CECHA 3 CECHA 4 CECHA 5

42. Modelowanie look-alike
CECHA 1 CECHA 2 CECHA 3 CECHA 4 CECHA 5

43. R3
the right people, at the right time, in the right mindset

44. Uwaga na
overtargeting!
Za mała grupa nie
zapewni skali

45. Gdzie i jak
zbieramy
i przetwarzamy
dane do programmatic?

46. programmatic
?
Online Offline

47. DSP
(Demand Side Platform)
Wykorzystanie kodów DSP do oznaczania
wybranych użytkowników i targetowanie w
programmatic. Ograniczenie: niewielkie
możliwości analizy danych
i tylko jedno DSP

48. Jeżeli to za mało…

49. DMP
(Data Management Platform)

50. DMP – Data Management Platform
Tylko dane nieosobowe
Zbieranie
z różnych źródeł
Łączenie
identyfikatorów
Segmentacja
różne metody
Analiza
segment overlap
Aktywacja
udostępnienie

51. Jeżeli to(nadal) za mało…

52. Consumer Data Platform
DANE 1ST PARTY
DANE 2ND I 3RD PARTY
CONSUMER DATA
PLATFORM
ANALITYKA
DMP
ADSERVER
PROGRAMMATIC

53. Od czego zacząć pracę z
danymi?

54. 1
2
3
4
określenie celów wykorzystania danych
audyt danych 1st party
taksonomia czyli segregacja danych
identyfikacja źródeł danych 2nd and 3rd party
plan działań
5

55. A następnie
testowanie,
testowanie,
testowanie…

57. With great power comes great responsibility

58. With great power comes great responsibility