รายการตรวจสอบผู้ให้บริการข้อมูล Skimlinks - การถามคำถามที่ถูกต้อง
จนกระทั่งเมื่อไม่นานมานี้นักการตลาดดิจิทัลและผู้เชี่ยวชาญด้านเอเจนซีโฆษณาที่ต้องการซื้อโฆษณาแบบเป็นโปรแกรมต้องเผชิญหน้ากับก กล่องดำ สถานการณ์ข้อมูล ส่วนใหญ่ไม่ใช่วิศวกรหรือนักวิทยาศาสตร์ข้อมูลและพวกเขาต้องใช้ความเชื่อมั่นอย่างก้าวกระโดดและไว้วางใจคำกล่าวอ้างของผู้ให้บริการข้อมูลเกี่ยวกับคุณภาพข้อมูลการตรวจสอบผลลัพธ์หลังการใช้งาน - และหลังจากทำการซื้อไปแล้ว
แต่นักการตลาดและเอเจนซีควรมองหาอะไรในผู้ให้บริการข้อมูล พวกเขาจะพิจารณาได้อย่างไรว่าผู้ให้บริการรายใดเสนอโซลูชันที่โปร่งใสและถูกต้องที่สุด คำถามที่จะถามมีดังนี้
ข้อมูลถูกรวบรวมอย่างไร?
ผ่านการสังเกตโดยตรงของผู้ใช้ทุกคนหรือเป็นข้อมูลที่สรุปได้ซึ่งรูปแบบพฤติกรรมถูกตรวจพบในกลุ่มผู้ใช้กลุ่มเล็ก ๆ แล้วนำไปคาดการณ์สำหรับกลุ่มใหญ่ ๆ ? หากอนุมานข้อมูลได้ความแม่นยำจะขึ้นอยู่กับขนาดของกลุ่มที่วัดเป็นอย่างมากดังนั้นจึงควรตรวจสอบขนาดกลุ่มเมื่อประเมินผู้ให้บริการ แต่โปรดทราบว่าไม่ว่าจะมีขนาดเท่าใดก็ตามข้อมูลที่สรุปมักจะมีความแม่นยำลดลงเสมอเมื่อมีการคาดคะเน และอย่าลืมว่าเมื่อข้อมูลถูกสร้างแบบจำลองเป็นกลุ่มการคาดการณ์จะขึ้นอยู่กับการคาดการณ์มากกว่าข้อมูลจริง ไดนามิกเอ็กซ์โพเนนเชียลนี้เพิ่มความเสี่ยงที่ข้อมูลจะไม่ทำงาน
เป็นความคิดที่ดีที่จะถามคำถามสามัญสำนึกที่ช่วยให้คุณสามารถประเมินความแข็งแกร่งของข้อมูลในช่องทางโดยมองข้ามข้อมูลประชากรง่ายๆไปยังการพิจารณาธุรกรรมการติดตามข้อมูลเมตาและสัญญาณอื่น ๆ ที่คาดเดาความตั้งใจในการซื้อได้แม่นยำยิ่งขึ้น Skimlinks จับสัญญาณความตั้งใจในการจับจ่าย 15 พันล้านรายการจากเครือข่ายโดเมนของผู้เผยแพร่โฆษณา 1.5 ล้านโดเมนและผู้ค้า 20,000 รายทุกวัน ด้วยการใช้การเรียนรู้ของเครื่องและการวิเคราะห์ที่เพิ่มคุณค่าในเลเยอร์ข้อมูลอัจฉริยะของผลิตภัณฑ์ Skimlinks จึงเข้าใจการจัดหมวดหมู่และข้อมูลเมตาของการอ้างอิงและลิงก์ผลิตภัณฑ์ 100 ล้านรายการ พวกเขาใช้ข้อมูลนี้เพื่อสร้างกลุ่มผู้ชมที่มี Conversion สูงตามผลิตภัณฑ์และแบรนด์ที่ผู้ใช้มีแนวโน้มจะซื้อทำให้แคมเปญดิสเพลย์โซเชียลและวิดีโอมีประสิทธิภาพมากขึ้น
รวบรวมข้อมูลประเภทใด
ถัดไปในรายการคือการค้นหาประเภทของข้อมูลที่รวบรวม หมวดหมู่อาจรวมถึงการคลิกลิงก์ข้อมูลเมตาเนื้อหาของหน้าข้อความค้นหาแบรนด์และผลิตภัณฑ์ข้อมูลราคาการเกิดธุรกรรมวันที่และเวลา ยิ่งรวบรวมข้อมูลประเภทต่างๆมากขึ้นก็จะต้องใช้โมเดลการคาดการณ์วัตถุดิบมากขึ้นซึ่งสามารถปรับปรุงความแม่นยำได้อย่างมาก หากมีการรวบรวมข้อมูลเพียงไม่กี่ประเภทตัวอย่างเช่นเพียงการแสดงผลหรือการคลิกจะมีข้อมูล จำกัด ที่สามารถใช้เพื่อตรวจสอบการคาดคะเนข้ามหรือปรับปรุงโปรไฟล์ผู้ใช้ ในสถานการณ์นี้ความเสี่ยงคือการสร้างโปรไฟล์ผู้ใช้ที่เรียบง่ายและไม่ถูกต้องมากเกินไป
Skimlinks รวบรวมและวิเคราะห์ข้อมูลและตรวจจับรูปแบบของผู้เผยแพร่และผู้ขายหลายรายเพื่อทำนายพฤติกรรมการซื้อได้อย่างแม่นยำ ตัวอย่างเช่นการรวมกันของผู้ใช้รายหนึ่งที่เข้าชม 10 หน้าในห้าเว็บไซต์ที่แตกต่างกันอาจถูกระบุว่าเป็นรูปแบบที่บ่งบอกถึงความสนใจในการซื้อสินค้าในสัปดาห์หน้า ไม่มีผู้เผยแพร่รายเดียวที่สามารถสร้างข้อมูลได้ Skimlinks เข้าถึงผ่านเครือข่าย 1.5 ล้านโดเมน แต่ข้อมูลของผู้เผยแพร่เป็นเพียงส่วนหนึ่งของข้อมูลสัญญาณ Skimlinks ยังวิเคราะห์ข้อมูลที่มาจากผู้ขาย 20,000 รายในเครือข่ายรวมถึงข้อมูลราคามูลค่าการสั่งซื้อและประวัติการซื้อ
ในการทำเช่นนั้น, Skimlinks รวมสัญญาณจากระบบนิเวศค้าปลีกทั้งหมด
ข้อมูลถูกตรวจสอบอย่างไร?
ความสามารถที่สำคัญอีกประการหนึ่งที่ต้องค้นหาเมื่อประเมินผู้ให้บริการข้อมูลคือความสามารถในการตรวจสอบการคาดการณ์ในทางปฏิบัติ ตัวอย่างเช่นผู้ให้บริการที่อ้างสิทธิ์กลุ่มของตนจะทำให้เกิด Conversion ควรเก็บข้อมูลธุรกรรมเพื่อยืนยันว่ามีการซื้อเกิดขึ้น หากไม่มีข้อมูลธุรกรรมจะไม่สามารถตรวจสอบความถูกต้องของคุณค่าได้
Skimlinks มีบริการกำหนดเป้าหมายตามผู้ชมแบบเป็นโปรแกรมที่ช่วยให้ผู้โฆษณากำหนดเป้าหมายผู้ใช้ตามตำแหน่งที่พวกเขาอยู่ในวงจรการซื้อ การคาดการณ์ทำโดยใช้ข้อมูลตามบริบทผลิตภัณฑ์และราคาและตรวจสอบความถูกต้องโดยใช้ข้อมูลธุรกรรม ผู้ใช้จะได้รับการติดตามเพื่อตรวจสอบว่าพวกเขาทำการซื้อตามที่คาดไว้หรือไม่และระบบแมชชีนเลิร์นนิงที่สร้างเซ็กเมนต์จะได้รับการฝึกฝนอย่างต่อเนื่องโดยอาศัยข้อมูลนี้ ซึ่งช่วยให้ผู้ซื้อหลีกเลี่ยงสถานการณ์ที่พวกเขากำหนดเป้าหมายไปยังผู้บริโภคที่อาจหาข้อมูลเกี่ยวกับผลิตภัณฑ์ที่พวกเขาไม่สามารถซื้อได้หรือไม่มีความตั้งใจที่จะซื้อจริงๆ ผลลัพธ์คือประสิทธิภาพของกลุ่มที่ดีขึ้น
นักการตลาดดิจิทัลและเอเจนซีที่มีส่วนร่วมในการโฆษณาแบบเป็นโปรแกรมจะต้องเลือกผู้ให้บริการข้อมูลที่เหมาะสมเพื่อเพิ่มประสิทธิภาพราคาต่อการแสดงผลพันครั้ง (CPM) หรืออัตราต้นทุนต่อการดำเนินการ (CPA) อัตราการเติบโตของการโฆษณาแบบเป็นโปรแกรมและภาคการตลาดที่ขับเคลื่อนด้วยข้อมูลอาจทำให้ยากที่จะทราบวิธีเลือกผู้ให้บริการข้อมูลที่เหมาะสม แต่ด้วยการใช้คำถามสามัญสำนึกทั้งสามข้อนี้ในการประเมินคุณค่าของผู้ให้บริการข้อมูลนักการตลาดดิจิทัลและเอเจนซีสามารถเปิดกล่องดำและค้นหาส่วนผสมของข้อมูลที่เหมาะสมได้