Внимание потребителя еще никогда не было столь… невнимательным. А ведь иначе и не скажешь. С каждым днем компаниям становится все сложнее отслеживать, что, как и где привлекает внимание пользователя.
В гонке за пользователем бренды часто сталкиваются с закрытыми экосистемами (Facebook, Google, Amazon), что приводит к потере бесценных данных первой стороны, так называемых first-party data. Именно тех данных, которые позволяют повысить уровень персонализации и принимать обоснованные маркетинговые решения.
Однако, с people-based маркетингом эта проблема решаема. PBM позволяет выстраивать индивидуальный диалог с каждым потребителем, тем самым создавая персонализированный и легкий экспириенс общения с брендом.
Стоит обратить внимание на то, что при people-based стратегии, данные о потребителе служат более масштабной цели и помогают оптимизировать всю работу предприятия.
Другими словами, first-party данные снова при деле, товарищи!
Для начала следует стереть границу между Mar tech и Ad tech.
Зачем?
Если перестать разделять маркетинг и рекламу, first-party данные можно использовать для связи с уже известными бренду потребителями через ранее не используемые каналы (для ремаркетинга, к примеру). Вприкуску к этому можно использовать предварительно спрогнозированные данные (история кликов, геолокация, девайсы) для подгрузки информации в рекламные кампании и повышения качества их работы.
Вуаля, first-party данные снова при деле!
Вы постоянно повторяете, что first-party данные снова при деле, что это вообще значит? Я и так уже использую данные для таргетинга.
Дело в том, что да, вы уже работаете на основе собранных данных, но большинство таргетинга совершается не учитывая инсайтов с закрытых экосистем. В связи с этим, маркетологи работают непосредственно в рамках этих платформ, что делает их полностью зависимыми от изменений, которые там происходят.
Для того, чтобы все-таки вернуть бразды правления себе, каждой компании нужно заполучить свой качественный источник first-party данных и научится использовать полученные данные, заставить их работать на бренд. Ключ к успешному people-based маркетингу – понимание своей аудитории и владение инсайтами.
Но и это еще не все. Бренду также нужно связать данные, которые являются фактами (deterministic data) и данные, которые прогнозируются на базе фактов (probabilistic data). А вот для этого нужен персонализированный график.
Зачем спрогнозированные данные для графиков, если есть четкие факты?
Дело в том, что обе категории фактов понадобятся для построения такого графика. Потребитель на пути к покупке может сменить несколько девайсов, потому данные собранные на базе cookies не могут быть полностью достоверными, однако, они помогают проинформировать о релевантности контента. Deterministic данные (факты) долгосрочны и полностью зависят от пользователя, однако только на них надеяться тоже не стоит.
К примеру, возьмем имейл адрес, который является одним из составляющих фактов о потребителе. Не забываем, что у каждого может быть по несколько имейл адресов, каждый из которых активно используется, ведь так? Однако, только один из них, основной, используется чаще, чем другие.
И как тогда маркетологу определить, какой из этих адресов – наиболее качественный канал связи с пользователем?
Потому прогнозированные данные стоит использовать в дополнении к фактам. Можно использовать алгоритм отслеживания случаев, когда используется один аккаунт и оценить его релевантность для рекламной кампании. Вот почему персонализированные графики лежат у истоков people-based маркетинга. Они позволяют собрать и проанализировать оба типа данных и вывести портрет единого покупателя.
Почему PBM?
Мало кто действительно смотрит рекламу – около 26% пользователей установили себе ad block и в ус не дуют. Потребитель ищет приятный удовлетворяющий экспириенс, который возможножно разработать только с people-based маркетингом.
People-based маркетинг меняет акценты в работе с рекламой. Вместо того, чтобы таргетироовать железяку, вы таргетируете нужных вам людей. Как вам такой поворот событий?
