De toekomst van meten Ik zat laatst met een geërgerde technologiemanager bij een bekende fastfoodketen en hij zei iets wat volgens mij de frustratie van iedereen in digitale marketing samenvat: “Waarom kunnen we dingen niet gewoon nauwkeurig meten?” Eerlijk gezegd wist ik het niet meer. Hoe breng je, afgezien van een vleiende en ontwijkende “Het is ingewikkeld”, een encyclopedie van technologische en beleidsmatige evolutie over die zich in de afgelopen tien jaar heeft voorgedaan en die ook de context biedt die nodig is om de signaalverslechtering te begrijpen die ons achteruit trekt in de effectiviteit van metingen?
Zeven industrietrends
1. Het zelf-attributerende netwerk (SAN) begint zijn eigen huiswerk te beoordelen
Vanaf 2017 introduceerde Meta — toen nog Facebook — een nieuw concept van advertentierapportage, en noemde zichzelf een self-attributing network (SAN) . Na een opkomst van last-touch-attributie als standaardmethodologie voor marketingmeting, besloot Facebook dat het adverteerders zijn waarde voor acquisitie moest laten zien, verder dan alleen de adverteerder te zijn die de consument als laatste had aangeraakt. Dus begon Facebook met “zelfrapportage” als het een gebruiker had beïnvloed (d.w.z. een advertentie had getoond) binnen een terugblikvenster. Google en Twitter volgden snel. Uiteraard heeft SAN-rapportage voordelen.
2. De privacy van de gebruiker creëert het concept van platformattributie
In 2020 lanceerde Apple App Tracking Transparency (ATT) , waarmee de afschaffing van identifiers voor deterministische gebruikerstracking op iOS begon. In 2024 begon Google Chrome met het afschaffen van cookies, waarmee een langzame mars begon die deterministische tracking van gebruikers op het web zal elimineren. Android’s afschaffing van de Google Advertising Identifier (GAID) zal snel volgen. Dit vertegenwoordigt een fundamentele verschuiving in hoe digitale reclame zal werken; adverteerders kunnen een gebruiker niet langer deterministisch volgen in het digitale landschap.
3. SAN’s ontwikkelen ML-gedreven reclame
In de nasleep van de afschaffing van de gebruikers-ID verloor Facebook $ 12 miljard aan advertentie-inkomsten , voornamelijk omdat het de effectiviteit verloor in het stimuleren van het rendement op investeringen van adverteerders op het iOS-platform. In slechts twee jaar tijd herstelden Meta en Google — de onbetwiste leiders in de advertentieruimte — zich door gerichte advertenties te bouwen die werden aangestuurd door machine learning (ML) om privacy-centrische problemen te overwinnen of op zijn minst te verzachten. Dit was een fundamentele verschuiving voor deze bedrijven; Meta’s Advantage Shopping Campaigns en Google Performance Max verschillen van traditionele performance media-producten doordat ze veel minder input, zoals optimalisatie en targeting, van adverteerders vereisen.
Een bijproduct van deze ML-gedreven producten is de behoefte aan nieuwe datastromen. Zowel Meta als Google hebben API’s uitgebracht — Meta’s Aggregate Events Measurement and Conversion API en Google’s GBRAID — die hen rijke, privacygerichte datasignalen van de adverteerder bieden die deze algoritmen helpen om te reageren en campagnes te optimaliseren. Deze API’s zijn game changers voor deze platforms en hun klanten, omdat ze toegang bieden tot waardevolle data voor campagne-optimalisatie die veel effectiever zijn dan privacy-attributiemethodologieën, zoals SKAN en Privacy Sandbox.
4. Adverteerders maken steeds vaker gebruik van brede-streek-modellering
Een ander gevolg van afnemende signalen, toegenomen verwarring en meerdere bronnen van waarheid is dat adverteerders steeds meer leunen op macromodellering om de holistische impact van hun marketinginspanningen te begrijpen. Deze statistische modellen gebruiken brede inputs zoals marketinguitgaven en inkomsten om uitgebreide uitkomstvoorspellingen te bieden. Mediamixmodellering is, hoewel zeker geen nieuwe methodologie, het meest onderzochte voorbeeld en vormt een interessante aanvulling op de meer gedetailleerde, kanaalspecifieke methodologieën.
Traditioneel werden deze brede-streepmodellen voornamelijk gebruikt voor budgettering en benchmarking, waarbij jaarlijks of per kwartaal veel werk en verfijning nodig was. Maar Land e-maillijst dankzij de gemakkelijke beschikbaarheid van goedkope computerbronnen en privacyfactoren die de meetefficiëntie ondermijnen, krijgen deze methoden aandacht en interesse voor meer praktische prestatietoepassingen. Toonaangevende bedrijven gebruiken de uitkomsten van deze brede-streepstatistische modellen om de eroderende deterministische meetmethoden het beste te begrijpen .
5. Adverteerders ontwikkelen interne mogelijkheden voor data-analyse
Toekomstgerichte organisaties erkennen de toegenomen complexiteit van de markt en ontwikkelen een nieuwe black friday strategies for smes expertise binnen hun marketingprestatieteams. Deze zogenaamde marketingeconoomrol is om bedreven te worden in het opnemen van meerdere gegevensbronnen om tot een betrouwbaar resultaat te komen. Deze expertise is niet eenvoudig te ontwikkelen en het gebeurt zeker niet van de ene op de andere dag. Net als 15 jaar geleden, toen een team dat zich uitsluitend richtte op mobiele. Gebruikersacquisitie nog niet bestond, is dit een nieuw paradigma. Een paar toonaangevende bedrijven zijn al. Begonnen met intern investeren om teams met deze expertise op te bouwen; de rest zal deze kennis uitbesteden. Na verloop van tijd ontwikkelen de meeste, Upelers de expertise intern, terwijl technologieplatformen zullen groeien om tools en applicaties te bieden om deze opkomende discipline te helpen.
6. Door het afschaffen van cookies worden web- en mobiele app-metingen gecombineerd
Mobiele webmeting is traditioneel op afstand gebleven van mobiele app-meting. Over het algemeen zijn ba leads marketingkanale. Op web en mobiel erg verschillend gebleven, waarbij vaak. Verschillende tools worden gebruikt om marketingresultaten tussen kanalen te meten.
Met de afschaffing van cookies door Google zal de meting van deze kanalen echter langzaam worden gecombineerd. Google Privacy Sandbox, de technologie en het framework die door. Google zijn geïntroduceerd als een alternatieve attributiemethodologie. Biedt een enkele API die op beide platforms functioneert. Dit is de eerste grootschalige. Unificatie van digitale meting over kanalen en is een vroege voorbode van meer holistische meting.
7. Gegevens schone kamers en andere PET’s komen naar voren
Hoewel niet nieuw, is het doel van een cleanroom om informatie op een gecontroleerde. Manier te combineren en te delen (d.w.z. gebruikersoverlap matchen zonder gebruikersidentiteiten te onthullen). In de kern is een data cleanroom een datawarehouse dat de granulariteit en soorten toegankelijke informatie beperkt. In essentie zijn de toepassingen van een cleanroo. Mngeveer net zo breed als die van een datawarehouse. Maar in de praktijk zijn beperkingen op de toegang tot gegevens noodzakelijk.
Lees meer in onze blog: De rol van data clean rooms in de wereld van reclame
De boog van verandering
Laten we nu eens kijken hoe verandering onze sector doordringt en waarschijnlijk zal doordringen.
In 2020 was paniek het overheersende thema. In de loop van de tijd is angst weggenomen door technische oplossingen. Maar zoals u zich kunt voorstellen, is het overkoepelende gedeelde gevoel in de industrie er vandaag de dag. Met zeven belangrijke en zeer complexe thematische trends, een van verwarring. In dit stadium weet vrijwel elke marketingprofessional dat de huidige staat van privacy de industrie beïnvloedt. Helaas moet de marketingmanager niet alleen de conceptuele en technische veranderingen begrijpen, maar ook wat hij eraan moet doen.
