¿Por qué la publicidad precisa de big data no es fiable?

¿Por qué se dice que la publicidad de precisión de big data no es confiable?

1. La connotación de la publicidad de precisión de big data

Big data ahora se ha convertido en una parte importante. de toda la industria de TI (incluida la tecnología de Internet) y la tecnología de la información) es una de las palabras más candentes. Parece que cualquier tema se vuelve de alto perfil instantáneamente siempre que se mencione big data. De la noche a la mañana, los big data han reemplazado el pensamiento racional subjetivo y se han convertido en sinónimo de conocimiento inteligente.

Sin embargo, cuando hemos pasado la etapa de adorar los big data y hemos desvelado la aplicación práctica de los big data, hemos comenzado gradualmente a reflexionar sobre los big data que llenan el mundo del discurso. Debido a que la enorme importancia de los macrodatos en el desarrollo económico no significa que puedan reemplazar todo pensamiento racional sobre cuestiones sociales, la lógica del desarrollo científico no puede quedar enterrada en datos masivos. El famoso economista Ludwig von Mises recordó una vez: "Hoy en día, muchas personas están ocupadas con la acumulación inútil de datos, de modo que han perdido la comprensión de la importancia económica especial que tiene explicar y resolver problemas...

Tomemos La aplicación publicitaria de big data como ejemplo. La publicidad de precisión es probablemente la primera aplicación de big data y la más fácil de generar beneficios directos. Hoy en día, hay pocas empresas de publicidad que no pretendan ser empresas de tecnología de big data. ¿Connotación de publicidad con datos precisos? En pocas palabras, la orientación programática es el núcleo y la programación es el método.

Tome WeChat Moments como ejemplo, sin áreas de orientación. A principios de año, el CPM (costo por cada mil impresiones, el precio de la publicidad de Moments es mucho más alto que el de los medios generales) es de 40 yuanes, la orientación a las ciudades centrales es de 140 yuanes y la orientación a ciudades clave es de 90 yuanes si se superpone la orientación por género. Se agregará un 10% adicional y se superpondrán enlaces externos H5 (el efecto de guía del tráfico es mejor) y luego se agregará un 20%. Al igual que los cosméticos importados, los aranceles se aplican primero a una tasa determinada y luego se aplica el IVA. sobre el precio con impuestos incluidos, y luego el impuesto al consumo se aplica sobre el precio con impuestos incluidos.

Para WeChat, aunque la región y el género del cliente también requieren análisis e interpretación de datos, es relativamente fácil de confirmar. En otras empresas, los datos de la región todavía se pueden obtener a través de IP o GPS de terminales de teléfonos móviles, pero es más probable que el género se determine mediante el análisis de datos. Por supuesto, big data no solo analiza etiquetas tan simples. elementos de selección de medios y también analiza las etiquetas de preferencia de medios de los clientes, así como períodos de tiempo, atributos de público, tipos de dispositivos, tipos de preferencias, etc.

Bien, lo anterior tiene una breve introducción a la publicidad de precisión. ¿Qué tipo de valor puede aportar la publicidad de precisión de big data? Las empresas de publicidad de big data suelen mencionar la siguiente historia:

Si 10.000 personas visitan un espacio publicitario en un sitio web cada hora, la cantidad de exposición es de 10.000 por hora. Y el CPM anterior era de 5 yuanes, entonces un anunciante móvil dedicaría una hora a la publicidad y costaría 50 yuanes. Este es el resultado de la publicidad tradicional. Ahora existe una empresa de big data para ayudar a los medios publicitarios a funcionar mejor. puede identificar con precisión los atributos de los clientes que navegan y decirle a los anunciantes de dispositivos móviles que 1. Diez mil personas vieron este espacio publicitario, pero solo 6.000 eran realmente adecuados para la colocación en teléfonos móviles y las 4.000 impresiones restantes no eran válidas porque las personas restantes solo estaban interesadas en la ropa.

Empresa de big data. Se recomienda que los anunciantes sigan la publicidad programada, filtren a las 4.000 personas que no son aptas para la publicidad en teléfonos móviles y paguen solo por las 6.000 personas que sí son aptas para la publicidad en teléfonos móviles. Si el precio unitario permanece sin cambios, entonces el costo se puede reducir a 30 yuanes y garantizar el mismo efecto. La empresa de big data vende las 4.000 personas restantes a anunciantes de ropa a un costo de 20 yuanes. La publicidad de big data reduce significativamente el costo del anunciante. De hecho, debido al mecanismo RTB (oferta en tiempo real), cuando el precio (con el mismo efecto) es bajo hasta cierto punto, diferentes anunciantes de teléfonos móviles pujarán entre sí. , lo que hace que el precio real sea generalmente superior a 30 yuanes, pero debe estar entre 30 yuanes y el costo original esperado de 50 yuanes. Esto crea una situación ideal en la que todas las partes se benefician juntas.

Este estuche luce perfecto e impecable. Porque resuelve los problemas de ineficiencia de la publicidad tradicional, ya que parece útil, pero no está claro dónde es útil, que es lo que odian los directores financieros de varias empresas.

Sí, a través de la publicidad de big data, todo el dinero gastado en publicidad puede estar más basado en evidencia. Es posible evaluar en línea cuántas impresiones (Impresiones) ha causado un anuncio, incluso cuántos clics, cuántos se descargaron y se utilizaron como publicidad. resultado y cuántas transacciones se generaron como resultado.

¿Alguna pregunta? ningún problema. ¿Tiene alguna pregunta? ¿Qué quieres decir con que quieres dudar de la verdad?

2. La publicidad precisa de big data no es tan buena como parece

De acuerdo con el principio de falsificación, solo se puede demostrar que la verdad es falsa cuando lo es (comprende las limitaciones). y condiciones de su aplicación). Esa es la verdad. Entonces primero debemos responder a la pregunta ¿para qué se utiliza la publicidad?

Según conocimientos previos, la publicidad se considera una marca que se utiliza para transmitir las características de la marca a los consumidores que no pueden comunicarse cara a cara. Por lo tanto, aunque la publicidad puede promover las ventas, normalmente el contenido de la publicidad no persuade directamente a los consumidores a comprar, como ocurre con el premiado anuncio de China Mobile "La comunicación comienza desde el corazón". En el libro "Cómo crecen las marcas" publicado en 2010 (tenga en cuenta que el autor no lo ha leído, espero leerlo en el futuro), el autor Byron, profesor de la Universidad de Australia del Sur, señaló en el libro que La publicidad debe lograr el mejor efecto y a menudo no requiere persuasión ni adoctrinamiento, siempre que la gente recuerde el nombre de la marca al comprar. Gordon Brown, fundador de la firma de investigación de mercado Milward Brown, señaló que la función de la publicidad es hacer que una marca en el estante sea "interesante".

Bien, volvamos al caso de la publicidad de precisión de big data. Una de las preguntas más críticas es: ¿cómo analiza el big data a estos 6.000 usuarios que navegan para que sean adecuados para la publicidad móvil? Las empresas de publicidad ya se han preparado para esta pregunta y han dado las siguientes respuestas.

En primer lugar, busque clientes que hayan utilizado productos similares a partir de registros históricos para compararlos. El algoritmo comúnmente utilizado se llama "filtrado colaborativo", que utiliza la correlación de determinadas experiencias para encontrar usuarios potencialmente adecuados. Por ejemplo, si has jugado a un determinado juego, se puede suponer que tienes las mismas necesidades para otros juegos de este tipo. El autor no niega que este algoritmo sea realmente efectivo en ciertos campos. Por ejemplo, los usuarios que pagan juegos son básicamente usuarios que han usado juegos pesados ​​antes.

Pero aparte de estas áreas especiales, la idea subyacente del algoritmo de que “las marcas prosperan con consumidores leales” es completamente contradictoria con la teoría de Byron. Mediante un análisis estadístico de los datos de ventas, Byron señaló que entre todas las marcas exitosas, una gran cantidad de ventas provienen de "compradores ligeros": clientes que compran productos con relativa poca frecuencia. El negocio de Coca-Cola no depende de la gente que bebe Coca-Cola todos los días, sino de los millones de clientes que la beben una o dos veces al año. Este modelo de consumidor es aplicable a todas las marcas, categorías de productos, países y períodos de tiempo. Ya sea un cepillo de dientes o una computadora, un automóvil francés o un banco australiano, las marcas dependen de una gran población -en otras palabras, las masas- de personas que las compran ocasionalmente.

Esta teoría tiene una importancia de gran alcance. Esto significa que nunca podrá aumentar la participación de mercado de su marca dirigiéndose a los clientes existentes. El marketing preciso para los clientes existentes es exactamente para lo que son buenos los medios digitales.

Con un espíritu crítico para ver ideas nuevas y no probadas, el autor quisiera citar los datos sobre las características de cambio de usuario publicados recientemente por Guangdong Mobile. El análisis de migración de terminales de sus usuarios realizado por Guangdong Mobile muestra que el 64% de los usuarios de Apple actualizan sus terminales y continúan usando teléfonos Apple, lo que muestra la mayor lealtad. Pero con la excepción de Apple, menos del 30% de los móviles Huawei y Xiaomi, que tienen el mejor rendimiento en fidelización, siguen utilizando la misma marca tras pasarse a 4G.

Esto demuestra que es factible promocionar el iPhone 6 entre los usuarios de Apple 4 o 5. El efecto fan de Apple anula la teoría de Byron y demuestra que es factible confiar en consumidores leales para desarrollarse y crecer en algunos. áreas. Pero aparte de eso, no es apropiado que usted promocione la misma marca de terminales de telefonía móvil entre usuarios de cualquier marca actual.

Por lo tanto, no es válido inferir las próximas necesidades posibles del usuario a través del análisis de datos históricos de comercio electrónico. Al igual que promocionar ropa entre usuarios que han comprado ropa antes, puede que no sea más eficaz que promocionar un rollo de papel o un barril de petróleo.

En cambio, las marcas exitosas necesitan encontrar una manera de llegar a grupos fuera de su mercado objetivo. La publicidad de la marca debe captar de alguna manera el interés de este grupo de personas; sólo así la marca puede aparecer automáticamente en la mente de los consumidores cuando están listos para comprar.

En segundo lugar, si el "filtrado colaborativo" tiene limitaciones, la empresa de publicidad le dirá que existe un segundo algoritmo, que no se basa en los registros históricos de comportamiento del cliente, sino en la similitud de las características propias del cliente. , para encontrar el grupo de clientes más similar a los clientes de semillas. "Parecido" para abreviar. En primer lugar, el anunciante debe proporcionar los usuarios típicos en los que funcionará este anuncio. Tomando como ejemplo los teléfonos móviles, hay cientos o miles de usuarios que están interesados ​​en hacer clic para navegar o reservar un determinado teléfono móvil afectado por el anuncio. anuncio publicitario. Las empresas de big data utilizan el algoritmo Lookalike (el término profesional es más probable que sea una matriz dispersa) para encontrar cientos de miles/millones de otros grupos de clientes que son muy similares a estos cientos/miles de usuarios para su ubicación.

Este tipo de algoritmo realmente pone a prueba la potencia informática de la plataforma de big data, porque no es un filtrado colaborativo empírico, sino que utiliza docenas, cientos o incluso miles de variables para cálculos de regresión. Finalmente, califique según la probabilidad de similitud y seleccione el grupo de usuarios apropiado de mayor a menor.

La connotación de este modelo es en realidad muy simple, es decir, el anuncio debe transmitirse a los clientes a quienes se debe transmitir. Por ejemplo, los usuarios objetivo de los anuncios de leche en polvo son padres que crían niños de 0 a 3 años. Si conoce la identidad específica del usuario al que desea comunicarse, todos los problemas se resolverán. Pero para los sitios web o aplicaciones de aplicaciones, la identidad del usuario no está clara. Lo único claro son los datos históricos de comportamiento del cliente. Y debido a la segmentación de los datos en sí, algunos se centran en los operadores, otros en la recopilación de alianzas de aplicaciones, otros en el comercio electrónico y otros en los bancos. Para inferir la información de identidad del cliente a partir de los datos segmentados, Lookalike es un medio inevitable.

El único problema es que si se infieren cientos de nuevos usuarios objetivo a partir de cientos de usuarios iniciales, la precisión puede llegar al 90%. Cuando se lanza el DSP móvil, analiza y extrae datos históricos de entrega. forme una biblioteca de muestra y luego utilice la tecnología Lookalike para amplificar la multitud y encontrar los clientes potenciales que sean más similares a la audiencia objetivo. La multitud ampliada es de 13,67 millones y el ID de audiencia de entrega real es de 20,89 millones. El efecto publicitario se maximiza, pero ¿qué pasa con el efecto? Aquí, permítame inventar un número. Es probable que la tasa de clics aumente del 0,2% al 0,3% y la precisión aumente en un 50%. ¿Tiene sentido? Tal vez, pero definitivamente no es tan obvio como podría pensar.

En tercer lugar, si continúa dudando de la eficacia de nuestro algoritmo, podemos discutir la cooperación en función del efecto. Puede pagar según el volumen de clics (CPC) o el volumen de activación (CPA). lo repondremos. Esta es el arma definitiva para la publicidad de big data.

La aparición del arma definitiva significa que la publicidad se ha reducido completamente a un canal de clics y activaciones, y que la intención original de la publicidad de "comunicarse con los consumidores" se ha abandonado hace tiempo.

Por lo general, las decisiones generales de consumo siguen las reglas de S (Solución), I (Información), V (Valor) y A (Acceso), lo que significa que cuando un usuario genera una necesidad, Primero forme una solución para satisfacer la necesidad. Por ejemplo, si un teléfono móvil 3G no es fácil de usar, la velocidad es muy lenta y la cobertura no es buena, se convierte en una solución si necesitas cambiar a un terminal 4G. Entonces, ¿qué son los terminales 4G y en qué terminales deberíamos centrarnos? Los consumidores aún recopilan información, no de Internet, pero automáticamente recuerdan qué marcas y estilos se basan en experiencias pasadas, efectos de marca y el boca a boca de amigos que los rodean. La función más importante de la publicidad tradicional debería ser esta etapa. Cuando los usuarios la necesitan, automáticamente entra a la vista del usuario. Luego compare opciones de múltiples dimensiones para determinar su marca de compra preferida. Lo último es dónde comprar, buscar dónde hay promociones y dónde los descuentos son mayores.

Según el modelo SIVA, la esencia de la verdadera publicidad orientada a efectos es resolver el problema de acceso, que es el toque final. En este sentido, la publicidad de búsqueda es verdaderamente publicidad orientada al rendimiento. Por ejemplo, cada producto en Taobao es proporcionado por más de 10.000 comerciantes dondequiera que los usuarios vayan a comprar. Ha habido informes de que la tasa de clics en los anuncios de búsqueda llega al 40% o más. Piense en lo que hacen Baidu y Alibaba para ganarse la vida. El precio de la publicidad de última hora es naturalmente extremadamente alto. Se dice que algunos hospitales compran anuncios de búsqueda de Baidu para enfermedades de transmisión sexual, abortos, etc., y el precio de un solo tráfico es tan alto. hasta decenas o cientos de yuanes.

La publicidad en búsquedas es un negocio que sólo está disponible para unas pocas empresas de acceso monopolista, y la mayor parte de la publicidad sigue siendo publicidad gráfica. Si la publicidad gráfica también se acerca al tipo de efecto, es como poner el carro delante del caballo en términos de reglas comerciales.

El resultado final es que, por un lado, el contenido del anuncio está lleno de codicia humana (descuentos/baratos) y lujuria (bellezas de pechos grandes), y se ha transformado en anodino. dejarse engañar una vez, en términos de comunicación con los consumidores, por el contrario, tiene un efecto negativo. Por otro lado, las empresas de publicidad se han reducido a empresas que generan tráfico y clics. No existe una diferencia esencial con las famosas calles generadoras de tráfico en Wangjing y Zhongguancun, Beijing. Al final, ¿quién hace clic realmente en este tráfico efectivo? Una empresa de big data analizó una vez los grupos de usuarios por fases de un determinado software de gestión financiera de alta gama, que son muy similares a los usuarios de gama extremadamente baja que engañan a sus teléfonos y se aprovechan de ellos.

3. Usar una identificación más confiable puede ser más propicio para mejorar la efectividad de la publicidad.

Después de haber escrito tanto, ¿es inútil la publicidad de precisión con big data? No, dudar de la verdad es aplicar mejor la verdad. No hay nada de malo en la "programación" central y la "entrega dirigida" de la publicidad de big data. Esto representa la tendencia de desarrollo de Internet móvil y es completamente consistente con las necesidades de comunicación publicitaria de bienes o servicios que satisfacen mercados específicos y grupos de usuarios específicos. . El problema es que todavía existe una enorme brecha entre las capacidades reales actuales del big data y las ambiciones declaradas. Lo que significa que no es tan bueno como parece.

Por lo tanto, debemos volver al propósito original de la publicidad: comunicarnos mejor con los consumidores y observar la entrega precisa, en lugar de seguir supersticiosamente trucos como la entrega precisa de big data. Entonces, ¿qué es lo más importante? Obviamente, no se trata de reglas de filtrado colaborativo poco confiables, ni tampoco es Lookalike que no sabe el motivo en absoluto. Dado que lo más importante es llegar a los consumidores objetivo, el reconocimiento de identidad confiable debe ser el núcleo de una publicidad precisa.

¿Qué es la identificación fiable? Para WeChat, es confiable determinar la ciudad de eventos clave y también es relativamente confiable analizar el género. Sin embargo, si WeChat le dice que puede determinar si el usuario es un trabajador administrativo de clase media o un agricultor rural. a través de las redes sociales, debe ser poco confiable. Porque la mujer elegante que dice estar viajando a una bodega francesa en su círculo de amigos puede estar saliendo a comprar palitos de masa frita y leche de soja.

A veces, los medios que utiliza un usuario revelan la identidad del cliente. Por ejemplo, quienes usan con frecuencia software de gestión financiera son más confiables en términos de su capacidad de pago, mientras que más del 80% de quienes usan la aplicación Yunbao deberían ser mujeres embarazadas, y quienes usan Miya con frecuencia deben ser madres cuyos bebés tienen aún no ha nacido. Algunas empresas de big data han dado casos en los que el efecto de la segmentación por los medios en sí es casi el mismo que el de la segmentación por análisis integral. Esto muestra que la segmentación por los medios es eficaz, pero otra segmentación por demanda equivale a una selección aleatoria.

Dado que los big data en sí no se centran en causa y efecto, sino solo en la correlación, las reglas de colaboración que son confirmadas por los conocimientos de big data también pueden considerarse reglas confiables. Por ejemplo, básicamente se puede determinar que la base de usuarios que pagan el juego son usuarios habituales con ID de 10 a 20 millones.

Para identificar con precisión las identidades de los clientes, la recopilación y síntesis de múltiples fuentes de datos es inevitable. También se requieren varios conocimientos y análisis de correlación en torno a las identidades de los clientes para mejorar la capacidad. Publicidad Competencias básicas que las empresas deberían seguir cultivando.