Как преодолеть потерю сигнала, создав новую реальность данных

Эпоха конфиденциальности привела к потере сигналов данных, что существенно ограничило возможности маркетологов таргетировать, измерять и оптимизировать свои кампании. По данным Mckinsey, только в США из-за потери сигнала под угрозой находится до 10 миллиардов долларов!

Но благодаря инновациям и адаптации преодолеть эту проблему более чем возможно, создав новую реальность данных на основе заполнения пробелов в существующих данных, а также создания новых сигналов данных.

В этом блоге мы расскажем, что привело к этой реальности, о влиянии потери сигнала на маркетинг и как его преодолеть. Рассмотрим ситуацию подробнее.  

Что такое потеря сигнала

Потеря сигналов данных в результате снижения уровней идентификаторов данных на уровне пользователя. Эти идентификаторы были и, в некоторых случаях, остаются основой, на которой строится ориентированное на эффективность маркетинговое измерение. Таким образом, потеря сигнала является серьезным изменением и проблемой в сфере цифрового маркетинга.   

Предыстория: Что привело к этой реальности

В последние годы законодатели и потребители стали уделять больше внимания защите конфиденциальности пользователей с помощью различных нормативных актов (GDPR, CCPA, DMA, не считая недавно принятых других важных документов).

По сути, речь идет о контроле того, как происходит обмен данными уровня пользователя между различными компаниями, а также как запрашивается и представляется согласие на обмен этими данными.

Параллельно — будь то реактивный или проактивный подход — компании Google и Apple разработали механизмы, призванные ограничить или упразднить использование данных на уровне пользователя посредством: 

• iOS – App Tracking Transparency (ATT): В результате доля установок с IDFA упала с 80% (из-за ограничения отслеживания рекламы) до 27% (что по-прежнему очень важно для моделирования).

• Устаревший Google Advertising ID (GAID) на Android: Предполагается, что Google в конечном итоге полностью откажется от использования идентификатора уровня пользователей Android, но не ранее 2025 года.

• Веб – Сторонние файлы cookie: После многолетних планов по отказу от сторонних cookie в браузере Chrome компания Google в июле 2024 года всё-таки решила их сохранить и, похоже, выбрать подход, схожий с ATT. «Вместо того, чтобы отказываться от сторонних файлов cookie, мы внедрим новый опыт в Chrome, который позволит людям делать осознанный выбор… Мы обсуждаем этот новый путь с регулирующими органами и будем взаимодействовать с индустрией по мере его внедрения», – говорится в заявлении компании. 
  
  Хотя Google не раскрывает детали «нового механизма в Chrome, который позволит пользователям принимать информированное решение», похоже, что потеря сигналов будет смягчена: вместо полного отказа планируется частичный, затрагивающий лишь пользователей, не давших согласие. Но оценить, насколько именно, невозможно, поскольку остается много неизвестных: выберет ли Google механизм согласия или отказа? Единое или двойное согласие (со стороны рекламодателя и издателя)? Строго/фиксированно или гибко использовать функционал языка/UX? Время покажет.

Но хотя в настоящее время из-за ATT потеря данных на уровне пользователя является реальностью iOS, вскоре она распространится на Android, а затем и на веб, что затронет всех цифровых маркетологов. И хотя каждый сценарий отличается, базовая история остается неизменной.

Воздействие потери сигнала на рекламодателей

Хотя этот сдвиг в экосистеме является необходимым шагом в борьбе с широко распространенным злоупотреблением пользовательскими данными, он стал болезненной адаптацией для маркетологов, зависящих от данных на уровне пользователя для таргетинга, измерения и оптимизации. 

 1) Измерение

Потеря сигнала оказывает значительное воздействие на измерения, создавая две основные проблемы для маркетологов:

a) Фрагментация данных была проблемой много лет, но она значительно усилилась после выхода iOS 14.5. Перечислим только важные источники данных:

• Атрибуция MMP (детерминированная и вероятностная) и соответствующие данные внутри приложения.
• Данные ОС и магазинов (SKAN, а затем Sandbox) и последующие данные в приложении.
• Данные атрибуции SRN
• Данные пользователей iOS, давших согласие
• apple_search_ads.png
• Верхнеуровневые данные измерений (инкрементальность и MMM)
• Помимо мобильных данных: CTV, веб, ПК и консоли, оффлайн

И это только в iOS.

Как согласовать данные из такого количества источников и фреймворков, чтобы понять эффективность?

b) Ограниченные и отложенные данные:

SKAN и AdAttributionKit (преемник SKAN) предлагают намеренно отложенные сигналы и только до 64 значений (и только 3 в последующих постбэках). И несмотря на улучшения в AdAttributionKit и данных Sandbox которые, как утверждается, позволяют получать LTV за 30 дней, данные ОС по-прежнему будут поступать с задержкой и в ограниченном объеме. Поскольку маркетологи полагаются на пост-инсталляционные сигналы в реальном времени для оптимизации, задержка и ограниченность данных ОС становятся серьезным препятствием. 

 2) Таргетинг

Когда данные уровня пользователя недоступны:

• Рекламодатели не могут создавать сегменты ремаркетинга, и в результате не могут эффективно взаимодействовать с имеющимися вовлеченными клиентами, что приводит к увеличению стоимости одного действия
• Рекламодатели не могут создавать списки исключений, поэтому в итоге они настраивают таргетинг на одних и тех же пользователей, что приводит к увеличению стоимости за новое привлечение
• Способность рекламных сетей оптимизировать показ значительно ограничена, что приводит к росту затрат по всем направлениям

Короче говоря, потеря сигналов из-за мер конфиденциальности нарушила полноту данных, что чревато неверной интерпретацией, вводящими в заблуждение инсайтами и неверными решениями. В результате работа маркетолога в эпоху потери сигнала в десять раз сложнее, как и измерения!

Как преодолеть потерю сигнала, чтобы сохранить уверенность в измерениях

До внедрения ATT у маркетологов было детальное представление с полной гранулярностью данных на уровне пользователя — как изображение с разрешением ультра-HD в 8 тыс.:

Однако новая реальность данных, когда данные на уровне пользователя уменьшаются, – это факт, и пути назад нет. В этой реальности слишком много пробелов, поэтому трудно увидеть полную картину.

Поэтому маркетологи должны использовать все доступные сигналы данных и объединять различные источники данных в единый источник истины, чтобы с уверенностью измерять свои кампании.

Чтобы сформировать новую «картину данных», необходимо по возможности заполнить пробелы и добавить новые сигналы данных для дополнительной компенсации. Давайте рассмотрим это подробнее.

 1) Заполнение пробелов в существующем наборе данных с помощью моделирования

Моделирование существует уже много лет, но в прошлом в нем не было необходимости, поскольку большинство данных были детерминированными. Однако в условиях потери сигналов это становится необходимостью, и это можно реализовать с помощью моделей, не нарушающих конфиденциальность пользователей. И с помощью ИИ точность моделей стремительно растёт.

Моделирование используется для заполнения пробелов в:

1. Атрибуции ОС: Поскольку данные SKAN поступают с опозданием и ограниченными (как и данные из Sandbox), в данных возникают пробелы. Благодаря моделированию можно предоставить сигналы в реальном времени, данные на уровне географии (недоступные в SKAN) и показатели LTV за 7-й день, 30-й день и все последующие периоды.

• Моделировании на стороне медиа: Ограничения SKAN затрудняют измерения для сетей с самостоятельной отчетностью, и поскольку они всегда полагались исключительно на детерминированную атрибуцию, они оказываются в проигрыше. Используя вероятностное моделирование поверх детерминированной атрибуции, они возвращают недополученный кредит атрибуции. Согласно нашему анализу, Snap увеличил свою долю в установках iOS на 138%, а его eCPI упал на 46%. Эти преимущества стали возможны благодаря полноценному подходу SSOT — дедупликации данных из SKAN, атрибуции с согласия пользователей и агрегированному моделированию кампаний — а не идентификации отдельных пользователей без согласия.

Более того, крупные медиа-компании, такие как Google и Meta, также стали уделять больше внимания моделированию, чтобы ориентироваться в своих рекламных и маркетинговых стратегиях и преодолевать трудности с потерей сигналов данных.

Например, Google Ads использует модели машинного обучения для уточнения стратегий ставок, тогда как платформа Ads Manager от Meta применяет предиктивное моделирование для персонализации доставки и таргетинга объявлений. Кроме того, обе компании используют моделирование данных для создания персонализированного опыта, охвата релевантной аудитории и оптимизации эффективности кампании.

• Измерение снизу вверх (по последнему касанию): Инкрементальный анализ и медиа-микс моделирование (MMM) обеспечивают дополнительную оценку эффективности кампании без необходимости полагаться исключительно на сигналы «снизу вверх» по последнему касанию.

Продолжая аналогию с изображением высокого разрешения, моделирование помогло закрыть часть пробелов, но этого все еще недостаточно. 

 2) Использование и создание новых сигналов

1. Вершина сигналов о креативах и кампаниях воронки: Поскольку сигналов нижней воронки меньше, больше внимания теперь уделяется верхней части воронки, где имеется большое количество данных, связанных с креативами и кампаниями. Это охватывает две области:

• Данные из креативов: Богатые и высоко детализированные сигналы можно получить, например, определяя внутри одного объявления типы сцен (например, пользовательский контент, анимация/реальная съёмка, вступление/завершение) и конкретные элементы (цвет, фон, объекты, текст и т. д.).

• Типы расширенной вовлечённости (EET): Существующий стандарт атрибуции, учитывающий только клики или просмотры, несовершенен. Между ними много сигналов, которые могут предоставить ценные данные об эффективности и пересмотреть логику атрибуции.

2) [Подробнее] Данные первой стороны: В условиях ограниченного обмена данными между различными компаниями ценность сторонних данных падает. Вместо этого маркетологам необходимо активнее использовать собственные данные и поставить их сбор и использование в приоритет. Это включает:

• Как правильно собирать эти данные и запрашивать у пользователей информацию (с учётом UX и юридических аспектов).
• Как убедиться, что данные чистые и пригодны к практическому применению.
• Как использовать их в собственных медиа
• Как использовать их в платных медиа (ремаркетинг, коммерческие медиа)

Эти данные необязательно должны оставаться исключительно во внутренней среде компании. Платформа совместной работы с данными может служить доверенной средой для монетизации данных первой стороны, активации аудитории и измерения. Позволив брендам делиться этими данными с различными компаниями в соответствии с требованиями конфиденциальности, маркетологи могут по-настоящему использовать потенциал своих собственных ценных данных.

3) Многоканальные сигналы: Приложения, веб, CTV, ПК и консоли, а также коммерческие медиа-сети и офлайн предоставляют уникальные возможности для цифрового привлечения и взаимодействия с базой пользователей. Соединив атрибуцию между каналами, маркетологи могут связать вместе новые точки данных и поведение пользователей на своих различных платформах, чтобы получить целостное понимание того, как межплатформенный маркетинг влияет на результаты бизнеса.

Единый источник истины (SSOT) Как упоминалось выше, фрагментация данных привела к крайне запутанной реальности, которая стала практически бесполезна для маркетологов.

Встречайте SSOT, который формирует единую реальность, объединяя данные из разных источников, и применяет надежные технологические решения для выявления и устранения дубликатов установок, заполнения пробелов в данных по географии, web-to-app, расширенного LTV, моделирования при нулевых CV, органики, ремаркетинга и т. д.

Согласно нашему анализу, объединив данные в единое представление, среднее приложение видит рост атрибутированных установок на 29%, снижение eCPI на 40% и рост доходов от маркетинга на 62%.

В настоящее время SSOT сосредоточен на iOS, но решение для веба и Android будет аналогичным.

Когда мы добавляем новые сигналы данных, мы получаем информацию, которой раньше не было, для более широкой картины нашего маркетинга.

Выводы

Потеря сигнала создала сложные условия для маркетологов эффективности. С уменьшением объема данных на уровне пользователя стимулировать рост намного сложнее. Требуются инновационные решения для заполнения пробелов в существующих данных и создания новых сигналов данных, которые позволят маркетологам эффективности восстановить контроль и с уверенностью измерять свои кампании.