Trenutno živimo u zlatnoj eri podataka. Imamo ih i više nego što nam je realno potrebno. Kao i kod svake situacije gde je prisutan višak postaje nam prilično teško vagati koliko smo pametniji povećanjem broja podataka koje spremamo, procesuiramo i na kraju “koristimo”. U poslu ova situacija još je izraženija i teža, jer se uz prisustvo podataka vežu velika očekivanja u smislu kako količina podataka za sobom nosi i insta pozitivni rezultat. Marketing agencije su u svojoj osnovi vezane za podatke, bilo da je reč o istraživanju tržišta, post kampanjskim izveštajima i slično, ali podaci su u srži. Objektivno korisnost podataka direktno se prenosi i na krajnjeg kijenta koji poželjno ima koristi od saveta i odluka baziranih na analizi podataka.
Atribucija rezultata (pozitivnih i negativnih)
Metoda atribucije uspeha i neuspeha u većini vezana je za trošak oglašavanja i isplativost istog. Za marketingaše i vođe kategorija to je učestalo igra izrade smislenog izveštaja koji govori o tome koji kanal, aktivnost, kampanja ili oglas donose najviše i u kojoj meri su ‘bolji’ od drugih, naravno uporedivih. Negativna strana atribucije kao procesa jeste što se podaci uzimaju zdravo za gotovo dok je uvek potrebno razumeti kako alati najčešće raspolažu sa ograničenim skupom digitalnih interakcija u procesu kupovine. Ne možemo pratiti sve. Prednost se odnosi na mogućnost korišćenja dodatnih atribucijskih modela osim standardnog last click modela, koji ipak govore potpuniju priču o iskustvu kupovine. Velika razlika ovde se može primetiti kod osnovne evaluacije kanala koji učestvuje u gornjem delu prodajnog levka – display i video oglašavanje.
Detekcija anomalija
Digitalno doba forsira nas na sve brže akcije i promene, pri čemu veliki doprinos ima i količina podataka, ali i brzina procesuiranja tih podataka i naravno činjenica kako je sve vrlo lako dostupno. Sistemi koje trenutno koristimo u digitalnom oglašavanju i praćenju uistinu postaju korisni kada ih istreniramo tj. postavimo na način da nam u što kraćem razmaku i na što bolji način prijave značajne promene (kretanje metrike ili niza bitnih metrika). Anomalije u našem poslu predstavljaju rani signal za uzbunu gde posledična aktivnost mora rezultirati akcijom. Bilo da je reč o značajnom povećanju troška kampanje, a posledično i mogućeg povećanja troška po transakciji/konverziji ili opet povećanju potražnje za određenim proizvodom, prodajni i marketing timovi moraju na raspolaganju imati tu informaciju na način i mestu kako bi omogućili što bržu reakciju. To se najčešće odvija kroz aktivnosti – istraži, zaustavi, skaliraj i slično.
Hrani mašinu podacima
Mašinsko učenje ili već ukorenjena skraćenica ML – predstavlja bazu već svih ozbiljnijih platformi za oglašavanje, a javlja se u svojstvu Smart Bidding, Lookalike ili Similar audience itd. U pozadini se nalaze podaci. U većini slučajeva nismo niti svesni šta je iza tih naziva, no najčešće je ML i to na kraju znači kako su mašine sve samostalnije u odlučivanju koristeći algoritme koji za rezultat imaju ‘odluku’ ulaži u specifičan upit ili ne. Sve je bazirano na ponašanju korisnika ili seta korisnika kroz sve digitalno (korisničke interakcije koje ostavljaju digitalni trag). Kada skalirate ovo na populaciju jedne zemlje i kontinenta i zbrojite sve moguće kombinacije podataka koji reprezentuju korisničko ponašanje rezultat je brdo, ogromno brdo, podataka. Tu količinu može podneti samo mašina – čovek je već davno ispao iz te priče, barem operativnog dela. Rezultat koji mašina izbacuje najčešće se svodi na računicu koliko je neka osoba u određenom trenutku na određenom uređaju spremna za konverziju – kupovinu, gde je input, ulazni parametri, pre spomenuta hrpetina podataka koja, ako je imamo količinski dovoljno i kvalitetom zadovoljavajućom, može imati značajan efekat na krajnji rezultat. Nema podataka, nema ni mašinskog učenja, nema ni automatizacije marketinga.
Prema navedenim primerima možemo slobodno zaključiti kako su podaci ‘glavni’ igrač, odnosno bolje reći, imaju potencijal postati glavni igrač u procesu odlučivanja gde se vrednost podataka može meriti rezultatom naše posledične (ne)aktivnosti.