Спасибо!

Data Clean Room – сравнительный анализ (относительно) нового рынка

Автор: Einav Mor-Samuels
Data clean rooms - a comparative overview of a new(ish) market square

В былые времена мобильные маркетологи целиком и полностью полагались на данные на уровне пользователя. Однако в последние годы с появлением нормативных требований, ориентированных на конфиденциальность, рекламодателям становится все труднее принимать решения, основанные на данных.

Если вы думали, что это временно, то спешим вас уверить — нет ничего более постоянного, чем временное. По нашим прогнозам, ожидается еще больше изменений в экосистеме, усилится ограничение доступа к данным, делая оптимизацию бизнеса еще более сложной задачей.

Но не расстраивайтесь, эти изменения — шанс для брендов укрепить свои конкурентные преимущества. Компания Forrester хорошо сформулировала это, когда заявила, что «практика этической конфиденциальности станет следующим источником дифференциации, ориентированным на потребителя и основанным на ценностях».

Data Clean Rooms (DCR) родились из этого мировоззрения. Как вы помните из нашего первого блог-поста на эту тему, DCR становятся важным инструментом в технологических стеках маркетологов, что обусловлено необходимостью соблюдения конфиденциальности, а также кросс-медийных измерений и оптимизации.

По данным Gartner, 80% рекламодателей с существенными медиабюджетами будут использовать DCR к 2023 году. По их оценкам, в настоящее время насчитывается от 250 до 500 внедрений DCR, которые либо уже работают, либо находятся на различных стадиях разработки.

Прежде чем мы расскажем вам о том, какие виды DCR существуют, давайте освежим в памяти, что же такое DCR.

DCR: краткое описание

Представьте себе безопасную, изолированную платформу, которая связывает анонимизированные рекламные данные, полученные из нескольких источников. Внутри DCR данные рекламодателей и сырые данные издателей объединяются для совместного анализа. Однако, в отличие от других методов обмена данными, DCR включают и подробные рекламные данные и строгие ограничения по конфиденциальности выходных данных на уровне пользователя.

Как? Давайте рассмотрим техническую суть процесса анализа данных в среде DCR:

  1. Рекламодатели передают свои данные по выбору (например, CRM)
  2. Необработанные данные от издателей поступают через API SRN и реферальные ссылки
  3. Рекламодатели могут запрашивать бизнес-вопросы, которые возвращаются в агрегированном виде

Анализ LTV, вероятно, является одним из наиболее популярных случаев использования DCR. 

С помощью DCR, который сохраняет анонимность клиентов, маркетологи могут проводить анализ на уровне пользователей по целому ряду метрик, что позволяет получить общую оценку ценности клиентов на протяжении всего периода их отношений с вашим брендом.

Также, используя DCR, рекламодателям не придется расставаться с ценными сегментами аудитории, которые могут конкурентное преимущество. Таким образом DCR выступают в роли великого уравнителя, обеспечивая всем сторонам возможность обмена и использования полезных инсайтов, не отдавая предпочтение каким-либо данным.

А теперь, когда мы разобрались с основным термином, давайте углубимся в виды DCR.

Виды DCR

Виды DCR

Все DCR помогают скрыть клиентов, удаляя идентификационные данные на уровне пользователя и группируя их на основе общих характеристик. Но чем они отличаются друг от друга?

Чтобы помочь вам разобраться в DCR, давайте разделим существующие виды, оценим относительную эффективность каждого из них в цепочке создания стоимости, а также рассмотрим их уникальные плюсы и минусы:

Огороженные сады (Walled Gardens) – платформы технологических гигантов

Эта группа состоит из закрытых экосистем, в которых поставщик технологий имеет значительный контроль над оборудованием, приложениями и контентом.

Огороженные сады были созданы Google, Amazon и Facebook для безопасной коммерциализации своих собственных данных и сбора рекламных расходов конкурентов. 

Почти 70% всех расходов на рекламу приходится на этих трех гигантов, каждый из которых предлагает рекламодателям свои DCR: Google Ads Data Hub (ADH), Facebook Advanced Analytics (FAA) и Amazon Marketing Cloud (AMC). 

В таких средах с жесткими требованиями к безопасности SRN делают данные на уровне событий доступными для маркетологов, чтобы они могли принимать обоснованные решения о проведении кампаний, не ставя под угрозу конфиденциальность потребителей или защиту экосистем.

Data clean rooms: Огороженные сады

Плюсы:

  • Поддержка обогащения собственных данных рекламодателя данными на уровне событий

Минусы:

  • Сырые данные для анализа (чтобы обычный маркетолог смог прочитать эти данные, необходима команда дата-аналитиков и инженеров) 
  • Жесткая архитектура
  • Отсутствие кросс-платформенной способности генерировать полезные данные (т.е. мультитач-атрибуции)
  • Отсутствие обмена данными между компаниями
  • Строгая функциональность запроса

Мультиплатформенные или нейтральные игроки

Этот тип DCR состоит из двух подгрупп, каждая из которых имеет сильные и слабые стороны:

Многоплановые

В основном это бизнесы, работающие в смежных отраслях, таких как маркетинговые приложения или облачные хранилища данных, предлагающие механизмы совместной работы с данными для сбора сигналов в соответствии с нормативными требованиями. В эту группу входят такие поставщики, как Epsilon, Measured, BlueConic и Merkle.

Плюсы:  

  • Архитектурная гибкость
  • Индивидуальный контроль над типом данных и уровнем анализа

Минусы:

  • Ограниченный доступ к данным, хранящимся в walled garden
  • Узкая экосистема партнеров 
  • Ограниченные возможности дальнейшей интеграции 
  • Использует существующую платформу данных клиентов (CDP) / функциональность комплексной обработки событий (CEP), что может привести к потенциальным проблемам с данными

Узкоспециализированные игроки

Это молодые, малые и средние поставщики DCR, среди которых Hobu, Harbr, InfoSum и Decentriq, а также более ориентированные на предприятия инструменты, такие как SnowFlake.

Плюсы:

  • Архитектурная гибкость
  • Использование существующей инфраструктуры конвейерной обработки и хранения данных (SnowFlake)
  • Доступ к экосистеме интегрированных партнеров (SnowFlake) 

Минусы:

  • Ограниченная детализация собственных данных
  • Опора на стороннюю инфраструктуру для получения данных
  • Узкий круг возможностей дальнейшей интеграции

Партнеры по мобильным измерениям (MMP)

В идеале, MMP — это надежный и беспристрастный игрок, который позволяет использовать все доступные данные на В идеале MMP — это надежный и беспристрастный игрок, который позволяет использовать все доступные данные на уровне пользователя с помощью собственной бизнес-логики клиентов, и предоставляет агрегированные и полезные инсайты.

Плюсы:

  • Гранулярность данных на уровне пользователя и кросс-канальная детализация
  • Данные о конверсии в режиме реального времени
  • Комплексная аналитика, созданная для бизнес-логики мобильных приложений
  • Гибкие возможности интеграции
  • Высококачественная агрегированная отчетность 

Минусы:

  • Некоторые ограничения со стороны SRN в отношении детализации данных и действий, связанных с запросами
  • Отсутствие архитектуры CDP
виды Data clean room

Как правильно выбрать подходящий вам DCR?

Рекламодателям, которые тратят существенные суммы на экосистемы данных, стоит инвестировать в DCR прямо сейчас. Но внедряете ли вы совершенно новую DCR или хотите усовершенствовать уже существующую – как выбрать наиболее подходящий вид для вашего бизнеса?

Чтобы помочь вам определиться, давайте рассмотрим конкурентную среду, где учитываются два основных фактора:

  • Объем и качество данных – глубина (Data depth)
  • Разнообразие получаемых данных – ширина (Data breadth)
как выбрать правильный DCR для вашего бизнеса

Огороженные сады имеют преимущество по глубине данных, но не по разнообразию. Чистые игроки обычно предлагают технологию DCR с очень малой глубиной и широтой данных. MMP предоставляют технологию DCR, глубину и широту данных, а также разнообразные партнерские интеграции.

При выборе DCR следует учитывать несколько моментов, чтобы извлечь максимальную выгоду:

  • Обязательно учитывайте ваш основной канал (будь то мобильный, приложение или веб), размер бизнеса, маркетинговые потребности, структуру данных и внутренние ресурсы. 
  • Затем начните настраивать вашу DCR с учетом интересов потребителей. Не только в настоящем, но и в будущем. Лучшие DCR настроены так, чтобы предвидеть изменения в поведении потребителей. 
  • Наконец, проводите тестирования с участием живой аудитории. Анализ поведения потребителей в режиме реального времени и получение полезных инсайтов — это бесценно.

Почему DCR не получили более широкого распространения (пока)?

Почему DCR не получили более широкого распространения
  • Во-первых, DCR — удовольствие не из дешевых. Мегамасштабные провайдеры предлагают альтернативные варианты, но логистические и операционные трудности, связанные с работой с этими платформами, могут стать тяжелым бременем для всех сторон.
  • Успех DCR обусловлен тем, что данные предоставляются совместно, а не все рекламодатели охотно раскрывают подробные транзакционные данные, в основном из-за неправильного представления о потенциальной угрозе конфиденциальности. А когда поступают полуфабрикатные данные – выходят полуфабрикатные данные, что приводит в лучшем случае к грубым измерениям.
  • Универсальные стандарты для внедрения еще предстоит определить. Это означает, что объединение данных, существующих в нескольких форматах, и подготовительная работа по их агрегированию могут отнимать много времени.
  • Наконец, не стоит забывать, что в некоторых случаях данные на уровне пользователя все еще доступны (например, устройства Android и пользователи iOS, предоставившие согласие на трекинг), что может хотя бы частично уменьшить срочность внедрения решения DCR.

Можно ли преодолеть эти препятствия при наличии правильного технологического партнера, ресурсов и подготовки данных? Конечно. Но об этом подробнее в нашем следующем блог-посте с фокусом на маркетинговых кейсах. Так что следите за новостями!

Ключевые выводы

  • Рекламодателям, которые тратят значительные средства и ресурсы в экосистемах данных, стоит обратить особенное внимание на детализированные данные, чтобы пользоваться преимуществами современных стратегий измерения, сегментации и оптимизации.
  • DCR позволяют сохранить анонимность данных на уровне пользователя в течение всего процесса. Данные затем могут быть использованы для измерения эффективности кампаний и ремаркетинга.
  • Огороженные сады имеют преимущество по глубине данных, но не по разнообразию. Узкоспециализированные игроки обычно предлагают технологию DCR с очень малой глубиной и широтой данных. В большинстве случаев MMP предоставляют как технологию DCR, так и глубину и широту данных, а также разнообразные партнерские интеграции.
  • DCR — это эффективный метод выполнения многочисленных нормативных требований к индустрии, касающихся конфиденциальности, а также государственных законов, таких как CPRA и GDPR, путем создания безопасной среды, в которой критически важные данные передаются и обрабатываются в полном соответствии с требованиями конфиденциальности.

Einav Mor-Samuels

Эйнав — контент-райтер AppsFlyer с обширным опытом в цифровом маркетинге. Последние 15 лет она исследует тенденции рынка и предлагает индивидуальные решения цифровых проблем клиентов. Эйнав наполняет свой контент информацией, основанной на данных, и делает даже самые сложные темы доступными и понятными.

Готовы сделать правильный выбор?