Zdjęcie royalty free z Fotolia
Mimo to nadal nie można polegać tylko na nich – bez nadzoru i wiedzy człowieka mogą one wpakować nas wprost na przysłowiową minę.
Zobacz również
W 1978/79 r. Dan Bricklin i Bob Frankston stworzyli VisiCalc, pierwszy arkusz kalkulacyjny, pierwowzór Lotus 1-2-3 i Excela. Od tamtej pory tradycyjne sposoby liczenia przestały ludziom wystarczać. Wkroczyliśmy w erę powszechnej automatyzacji obróbki danych. Od tamtego momentu minęło już 40 lat, dziś jesteśmy już w erze automatów. Ma to swoje plusy, ma i minusy. W dalszej części przedstawiamy 7 pułapek automatycznego zakupu reklam, na które zwróciliśmy uwagę w iProspect i Amnet. Lata doświadczenia pozwalają nam ich unikać. Mamy nadzieję, że ich znajomość pomoże i Tobie.
(Felieton powstał w oparciu o prezentację wygłoszoną na konferencji AdUniverse 2014)
#1 Flash crash
Z jednej strony zostaliśmy odciążeni, bo wiele operacji na danych odbywa się bez naszego udziału, w sposób w pełni zinformatyzowany. Z drugiej zdarzają się takie incydenty, jak „flash crash” z 6 maja 2010 roku. Tego dnia, w ciągu niecałych 3 godzin wskaźnik Dow Jones stracił 9,2%. To drugi największy krach na giełdzie w tak krótkim czasie w historii.
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
Co amerykańska giełda ma wspólnego z Twoim biznesem i zautomatyzowanym zakupem reklamy? Otóż podobne „flash crashe”, choć oczywiście na nieporównywalnie mniejszą skalę, mogą się przytrafić i Tobie. Dwie teorie tłumaczące wydarzenia z 6 maja 2010 odnoszą się także do programmatic buyingu.
Słuchaj podcastu NowyMarketing
Problem „fat fingers” (czyli zbyt grubych palców na klawiaturze) może wydawać się banalny, ale zdarza się każdego dnia. Tak jak makler może wstrząsnąć giełdą dodając o jedno zero za dużo przy zleceniu transakcji, tak Ty możesz nieświadomie określić 10-krotnie wyższą cenę niż zakładałeś. To wiąże się z drugim problemem, jakim jest high frequency trading, czyli algorytmy błyskawicznie dostosowujące się do zmieniających się warunków cenowych i dokonujące wielu szybkich transakcji. Jeśli określisz niechcący zbyt wysoką cenę, możesz być pewien, że ktoś na tym zarobi. I oczywiście nie będziesz to Ty.
#2 Who is watching?
Roboty zajmują się nie tylko kupnem i sprzedażą reklam, ale często są także ich… odbiorcami. W 2006 roku IAB wspólnie z ABC Electronic stworzyły „International Spiders & Bots List” – zestawienie automatów przeczesujących Internet i generujących bezużyteczne dla reklamodawców odsłony i kliknięcia. Już wtedy zakładano, że 40% odsłon jest generowanych przez automaty.
#3 Viewability
W modelu RTB docieramy do użytkowników na podstawie danych o nich – tego kim są i na jakiej stronie aktualnie się znajdują. Dzięki temu reklamy mogą „podążać za odbiorcą”. Jeśli Pan X należy do grupy docelowej, to nasza reklama może wyświetlić mu się zarówno na głównej stronie portalu, jak i w mało popularnym serwisie hobbystycznym, a to dlatego, że sieć reklamowa rozpoznała, że to ten sam użytkownik. Powoduje to jednak, że niektórzy reklamodawcy obawiają się, że nie mają kontroli nad tym, gdzie są wyświetlane ich reklamy i czy w ogóle odbiorcy rzeczywiście je dostrzegają. Bo może reklama wyświetla się poniżej obszaru, który zobaczył Pan X?
#4 Break even
W przypadku platform służących do zakupu powierzchni w modelu programmatic buying, mamy pełną dowolność w ustalaniu celów kampanii i kosztów, jakie chcemy ponieść, aby je osiągnąć. Taka swoboda bywa nieefektywna. Przesadna oszczędność skłania niektórych reklamodawców do ustalania stawek tak nisko, że nie są w stanie za tę cenę osiągnąć zamierzonych efektów, np. w postaci danej liczby konwersji.
#5 Cookieless
Czy wyobrażacie sobie świat bez ciasteczek? Unia Europejska sobie wyobraża. Już niedługo możemy się w nim znaleźć. Ekosystemy aplikacji mobilnych są „bezciasteczkowe”. Równocześnie ścieżka zakupowa współczesnego konsumenta jest coraz częściej wielokanałowa – może on poszukiwać produktu na służbowym komputerze, w sklepie na komórce porównać jego ceny, aby wieczorem zakupić go w domu za pomocą tabletu. Dla systemów ciasteczkowych to jedna osoba czy trzy? Jak śledzić, identyfikować użytkownika, zachować spersonalizowaną komunikację bez ciasteczek?
#6 Soft Floor
W tradycyjnej aukcji licytację wygrywa ten reklamodawca, który zaoferowała najwyższą stawkę za powierzchnię reklamową – płaci on kwotę drugiego licytującego powiększoną o 1 grosz. Jeżeli drugiego licytującego nie było, płacimy stawkę minimalną określoną przez wydawcę (floor price) powiększoną o 1 grosz.
Platformy służące do komercjalizacji treści (SSP) w modelu RTB zaczęły jednak proponować wydawcom ustalenie dodatkowego pułapu, jakim jest tzw. soft floor. Służy on wydawcy do ustalenia dodatkowej ceny minimalnej w przypadku, gdy występuje duża różnica między wygrywającym aukcję a drugim licytującym lub kwotą minimalną. Przykładowo, wydawca ustalił cenę minimalną na 10 gr za odsłonę oraz dodał soft floor na poziomie 50 gr. Jeśli reklamodawca zaproponuje 90 gr, to system aukcyjny nie kupi dla niego reklamy za 11 gr, ale za 51 gr. Przyznacie, że nie jest to najoptymalniejszy sposób na wydawanie budżetu reklamowego, prawda?
#7 I know IT all
Może znacie mapki rynków i narzędzi marketingu online, które tworzy Terrence Kawaja z Luma Partners. Warto rzucić na nie okiem. Pokazują one tysiące firm operujących na dziesiątkach obszarów. Konia z rzędem temu, kto będzie w stanie odróżnić unique selling point jednego rozwiązania DSP od drugiego, czy wskazać różnice pomiędzy systemami klasy bid management tools. Tych rozwiązań są setki, a każde z nich jest „black boxem” oferującym, zdaniem sprzedawców, unikalne możliwości w przystępnej cenie. Systemy na różne sposoby współpracują ze sobą („daisy chain”), wymieniają dane, wchodzą w interakcje mające wpływ na finalny wynik kampanii reklamowych.
W obliczu tak ogromnego i zróżnicowanego rynku nikt nie może założyć, że wie o nim wszystko i zna każdy system.
Programmatic is not automatic
Musimy korzystać z automatów, bo nie jesteśmy wystarczająco szybcy w obliczeniach i reakcjach, ale to nadal człowiek z odpowiednią wiedzą powinien programować algorytmy, nadzorować ich wykonywanie oraz wyciągać wnioski. Mimo postępującej automatyzacji, systemy wciąż nie są w stanie działać tylko „na autopilocie”. Niezbędny i kluczowy pozostaje czynnik ludzki: negocjacje umów w private marketplace, weryfikowanie emisji i konwersji, ustawianie warunków wstępnych i brzegowych, programowanie algorytmów, rozliczenia, akceptacje przelewów, czy w końcu analizowanie wyników. W filmie „Iron Man” zbroja Tony’ego Starka mogła działać samodzielnie, znacznie lepiej jednak działała z żywym człowiekiem w środku.
Marcin Olszewski, head of client service, AMNET Polska, Dentsu Aegis Network
Od października 2012 roku związany z AMNET Polska na stanowisku Head of Client Service. Wcześniej pomysłodawca i współtwórca V2Media – pierwszej w Polsce sieci internetowej reklamy wideo. Od 2006 roku związany był z grupą ARBOmedia, gdzie piastował stanowisko m.in. Agency Sales Managera w sieci ARBOnetwork. Współpracował przy kampaniach dla takich klientów jak: Reebok, adidas, Opel czy Samsung. W latach 2008-2012 członek grupy roboczej w IAB Polska, poświęconej tematyce wideo online. Absolwent Uniwersytetu Warszawskiego na wydziale zarządzania o specjalizacji marketingowej. Prywatnie pasjonat wspinaczki wysokogórskiej, Muay Thai oraz biegania.
Michał Kreczmar, managing director, iProspect Polska, Dentsu Aegis Network
Absolwent Instytutu Bibliotekoznawstwa i Informacji Naukowej Uniwersytetu Warszawskiego. W IDG Poland pracował 14 lat. Zaczynał od pracy dziennikarza Computerworld. Był redaktorem naczelnym Cybera, kierował działem internetowym wydawnictwa. Zarządzał kilkunastoma redakcjami, działami sprzedaży i marketingu, community & audience managementu, webdevelopmetu i webmasteringu, kategoryzacji oraz administracji infrastrukturą. Jest na bieżąco z tym, co dzieje się na szeroko pojętym rynku IT. Wiceprezes rady nadzorczej IAB Polska (z ramienia IDG). W latach 2008-2012 pracował w Agorze jako dyrektor wydawniczy ds. serwisów biznesowych i technologicznych Gazeta.pl, dyrektor wydawniczy ds. ecommerce i direct marketing oraz dyrektor do spraw rozwoju produktu reklamowego. Obecnie Managing Director iProspect Polska, agencji marketingu efektywnościowego grupy Dentsu Aegis Network.