Segmentacja użytkowników w Internecie. Jaka jest przyszłość marketingu online?

Idea leżąca u podstaw dzielenia rynku na segmenty, mimo zmian technologicznych, rozwoju nowych mediów i wejścia w erę big data nadal odgrywa fundamentalną rolę w marketingu – zmieniły się jednak sposoby budowania wiedzy o zachowaniu użytkowników i potencjalnych klientów marki.

Segmentacja-Targetowanie-Pozycjonowanie

Siła zaproponowanego przez Kotlera modelu leży w jego prostocie i użyteczności. Ponieważ nie istnieje ktoś taki jak „przeciętny” klient, użytkowników należy podzielić na mniejsze grupy osób wykazujących zbliżone nawyki i potrzeby, czy też podobnych pod względem np. cech demograficznych lub miejsca zamieszkania. W kolejnym kroku następuje wybór najbardziej atrakcyjnych segmentów oraz dostosowanie oferty tak, by w największym stopniu odpowiadała zidentyfikowanym potrzebom i opracowanie odpowiedniej komunikacji. STP pozwala na uporządkowanie wiedzy o rynku i zaplanowanie odpowiednich działań, niemniej przejście do etapu realizacji stanowi spore wyzwanie –szczególnie w kwestii dobru właściwych rozwiązań i ich odpowiedniego wykorzystania. Kluczowe pytanie jest w związku z tym następujące: w jaki sposób realnie jestem w stanie odtworzyć segmenty użytkowników w narzędziach reklamowych online?

Internet – ani prosty, ani łatwy

Współczesny Internet, obejmujący środowisko przeglądarek, aplikacje mobilne, CTV, konsole czy przedmioty połączone w ramach Internetu Rzeczy to pozornie raj dla marketerów, ale w rzeczywistości manewrowanie na granicy urządzeń i różnych źródeł danych wcale nie jest łatwe. Mierzalność „wszystkiego” rodzi konieczność dokonywania wyborów, od których zależą późniejsze wyniki kampanii. Dlatego tak ważne jest zrozumienie, gdzie leży wartość i jak ją wykorzystać w praktyce. Dla ułatwienia, z punktu widzenia targetowania rodzaje danych generowane online i metody budowania profili użytkowników można podzielić na: deklaratywne, deterministyczne i probabilistyczne.

Dane deklaratywne to dane podawane wprost przez użytkowników w formularzach rejestracyjnych lub profilach społecznościowych. Dzięki nim możliwe jest budowanie relatywnie wiarygodnych profili użytkowników, przede wszystkim demograficznych – w formularzach często zaznaczamy płeć i podajemy datę urodzenia. Ich słabą stroną jest jednak dosyć ograniczona skala. Niektórzy dostawcy próbują rozszerzać zasięgi poprzez modelowanie look-a-like, czyli poszukiwanie użytkowników pod różnymi względami podobnych do grupy wyjściowej. Pula rośnie, ale zmniejsza się dokładność – konieczna jest zatem ostrożność i stopniowe skalowanie.

Modele predykcyjne zachowań klientów analizują dane z otwartego Internetu, m.in. serwisów WWW, aplikacji mobilnych etc. Nie dają pewności co do nawyków i intencji zakupowych użytkowników, ale pozwalają na wychwycenie powtarzających się wzorów zachowania. W ten sposób działają na przykład powszechnie stosowane metody targetowania w oparciu o zainteresowania. Dzięki analizie przeglądanego kontentu, w tym jego kontekstu, modele określają użytkowników na przykład jako zainteresowanych motoryzacją albo modą. Skala jest przeważnie duża, ale wiarygodność relatywnie niska – mowa co najwyżej o częstszym przeglądaniu określonych treści, ale faktyczne zainteresowania (bądź inne charakterystyki) użytkownika pozostają tak naprawdę nieznane.

LEGO odtworzyło pierwsze PlayStation. Konsola z klocków ma prawie 2 tys. elementów

Modele behawioralne również bazują na danych z różnych źródeł, ale pod jednym warunkiem – na ich podstawie musi być możliwe poznanie rzeczywistych nawyków lub intencji zakupowych. Takie podejście stosuje się na przykład w analizie danych geolokalizacyjnych – jeśli wiadomo, że użytkownik odwiedził dany sklep i spędził w nim określoną ilość czasu, jest w zasadzie oczywiste, że robił tam zakupy. Znając częstotliwość zakupów i rodzaje sklepów albo uwzględniając wizyty w innych miejscach, np. siłowniach czy biurach podróży można pójść o krok dalej i budować bardzo dokładne i wartościowe profile użytkowników. Podobnie rzecz ma się z wyszukiwaniami w porównywarkach cenowych. W sytuacji, kiedy dana osoba w ciągu ostatnich kilku dni porównywała ceny podobnych produktów, na przykład butów, jest wielce prawdopodobne, że właśnie rozważa zakup nowej pary. Nie daje to gwarancji, że tego zakupu dokona, ale jest dalej na ścieżce zakupowej i jest to bardziej prawdopodobne  niż w przypadku przeciętnego użytkownik. Segmenty budowane w oparciu o modele deterministyczne są bardzo wiarygodne, niemniej mogą zdarzyć się ograniczenia w skali – wiele jednak zależy od dostawcy i metody zbierania danych.

Jak to ugryźć?

Co oczywiste, nie ma jednej dobrej taktyki. Na rynku dostępne są segmenty zbudowane w oparciu o wszystkie powyższe modele, dlatego realizacja kampanii wymaga czujności i dobrego planowania. Z całą pewnością tam, gdzie to możliwe i gdzie istnieje odpowiednia skala, warto sięgać po segmenty deterministyczne i deklaratywne – z tej prostej przyczyny, że są bardziej wiarygodne. Nie oznacza to jednak, że należy wykluczać modele predykcyjny, ponieważ w przypadku dużych kampanii zasięgowych, gdzie grupy docelowe i tak są budowane na dużym poziomie ogólności, mogą w relatywnie niskiej cenie przyczynić się do realizacji celu.

A co z plikami cookie?

Mówiąc o segmentacji online trudno nie wspomnieć o zewnętrznych plikach cookie. Zapowiadane przez Google ich całkowite wycofanie w przeglądarce Chrome było już kilka razy przesuwane w czasie, ale zgodnie z obecnym staniem wiedzy ma to nastąpić już w drugiej połowie 2024 r. Firmy działające w branży reklamowej będą więc musiały dostosować swoje strategie do tych zmian i poszukać alternatywnych metod śledzenia użytkowników i personalizacji reklam. 

Według danych zebranych w USA przez 33Across w drugim kwartale 2023r. większość branż nadal intensywnie korzysta z plików cookie w przeważającej części procesów zakupu reklam programatycznych. Co prawda, widoczny jest wzrost o 77% zakupów zasobów reklamowych bez udziału plików cookie, jednak stanowi to niewielki kawałek tortu digital. Widać więc, że branża nadal ma problem z wypracowaniem rozwiązań mogących w pełni wypełnić lukę po plikach cookie. 

Alternatywy dla plików cookie

W miarę jak troska o prywatność użytkowników Internetu rośnie, a pliki cookie tracą swoją popularność, marketerzy muszą zrewidować swój warsztat, aby pozostać skutecznymi w kierowaniu reklam internetowych do właściwej grupy odbiorców. Oto kilka alternatyw, które warto rozważyć.

First-Party Data – dane własne, które zbierane są za zgodą użytkownika w bezpośredniej interakcji z nim poprzez stronę docelową, aplikację mobilną, formularz kontaktowy, transakcję etc. Te dane są zaufane i nie podlegają tak surowym regulacjom jak pliki cookie third-party. Warto wykorzystać je do personalizacji reklam i lepszego zrozumienia potrzeb klientów.

Reklama kontekstowa – reklama dopasowana do treści strony internetowej, na której się wyświetla. To podejście nie opiera się na śledzeniu użytkowników, lecz na analizie kontekstu przeglądanej strony – na tej podstawie wnioskuje się o cechach danej grupy docelowej, np. jej zainteresowaniach. Jest to jeden z wariantów wspomnianych wcześniej modeli predykcyjnych.

ID reklamowe – unikalne identyfikatory przypisane do urządzeń użytkowników, takie jak IDFA w iOS lub AAID w Androidzie. Dają możliwość śledzenia użytkowników, także w zakresie geolokalizacji i są solidną podstawą do działania modeli behawioralnych. Użytkownicy mają jednak nad nimi pełną kontrolę, więc też konieczna jest ich zgoda.

Rozwiązania oparte na sygnałach przeglądarki – zmiany w przeglądarkach internetowych, takie jak FLoC w szerszej inicjatywie Privacy Sandbox Google Chrome, mają na celu grupować użytkowników o podobnych zainteresowaniach a w celu zapewnienia wyższego poziomu ochrony prywatności dane przetwarzane są na urządzeniu użytkownika, a nie na serwerach zewnętrznych.

Własne systemy identyfikacji użytkowników, które nie polegają na plikach cookie i są bardziej zgodne z regulacjami ochrony prywatności tj. własne bazy danych, identyfikacja oparta na zalogowaniach, czy analiza zachowań na stronie internetowej.

Przyszłość marketingu online 

Kluczem jest dostosowanie się do zmian, przestrzeganie przepisów i dbanie o prywatność użytkowników, jednocześnie przeprowadzając testy nowych rozwiązań i aktualizując strategię na podstawie ich wyników. 

Odstąpienie od plików cookie jest szansą na rozwijanie bardziej bezpiecznych i efektywnych praktyk marketingowych, które lepiej odpowiadają na oczekiwania współczesnych użytkowników Internetu. Obecnie nie istnieje jeszcze odpowiadająca wszystkim uczestnikom rynku alternatywa – tylko czas pokaże, które z nich staną się nowym standardem w marketingu online.

PS Demografia, osobowość, zachowanie, czyli typy segmentacji klientów

Jak wybrać sposób komunikacji z klientami? Jak ocenić, którzy klienci są najbardziej wartościowi dla Twojego sklepu, którzy są lojalni, a którzy zerkają już w stronę konkurencji. Jak naprawdę poznać ich zwyczaje i osobowość?