Hakumainonnan sisäinen toiminta evästeettömässä maailmassa

Digimarkkinoijat ovat olleet jo vuosien ajan hemmoteltuja kolmannen osapuolen evästeillä ja kyvyllä seurata sitoutumista tarkasti – se on tehnyt elämästä yksinkertaista ja kampanjan toiminnasta raportoiminen helppoa. Tällainen lähestymistapa on antanut meille mahdollisuuden nähdä helposti, kuinka moneen konversioon Meta, Criteo tai vaikuttaja on osallistunut pienellä vaivalla. Kolmannen osapuolen evästeiden mahdollinen häviäminen vaatii kuitenkin tarkat tiedot sitoutumisesta, jotta voidaan varmistaa, että siirtyminen uusiin tunnisteisiin on mahdollisimman selkeä. Joko tietämättömyydestä tai mukavuudesta johtuen monet mainostajat pitävät kuitenkin liian positiivisia ja sokeasti optimistisia mittareita totuutena.

Kanojen laskeminen ennen kuin ne ovat muuttuneet

Jos otamme esimerkiksi Facebookin, he eivät voi tietää, missä määrin heidän palvelunsa vaikuttivat konversioon. On monia tapoja tuottaa hurjasti paisutettuja lukuja, kuten useiden kosketuspisteiden ja yhden tuloksen yhdistäminen useisiin kanaviin tai jopa epätarkkuuksia vääristä positiivisista tuloksista. Tämä on erityisen huolestuttavaa niille, jotka harjoittavat voimakasta uudelleenmarkkinointia, joka perustuu aikaisempiin käyttäjiin, jotka ovat jo vierailleet sivustolla tai olleet vuorovaikutuksessa sen kanssa. On esitettävä kysymys – kun työskennellään epätarkkojen mittareiden kanssa, lisääkö uudelleenmarkkinointi todella lisää tuloksia vai lukeeko se vain virheelliset napsautukset kampanjoiden ansioksi, jotka eivät lisää tuloja?

Me ihmiset rakastamme asioiden, erityisesti monimutkaisten kuvioiden, liiallista yksinkertaistamista. Kuvittele, kuinka monimutkainen vierailu verkkosivullasi on – saat istunnon, joka on yhteydessä käyttäjään ja joka ottaa huomioon erilaisia ​​ominaisuuksia, kuten iän, sukupuolen, sijainnin, kiinnostuksen kohteet sekä hänen nykyisen toiminnan sivustollasi. Käyttäjätiedot lähetetään sitten esimerkiksi Google Adsiin uudelleenmarkkinointiluettelossa.

Jopa uudelleenmarkkinointiluettelo tarjoaa merkittävän muuttujan konversioiden ymmärtämisessä. Facebookin ja Googlen käyttäjät eivät ole 1:1, sillä yksi Google-käyttäjä on usein yhteydessä useampaan laitteeseen ja selaimeen kuin keskimääräinen Facebook-käyttäjä. Saatat saada konversion laitteelta, jonka Google on yhdistänyt samaan käyttäjään, kun taas Facebookilla ei välttämättä ole tietoa.

Kun jokainen käyttäjä vierailee verkkosivustollasi, täytät uudelleenmarkkinointiluettelot. Uudelleenmarkkinointiluettelot muodostavat “kaltaisia” Facebookissa ja “samankaltaisia” Googlessa. Nämä “samankaltaiset” voivat olla erittäin hyödyllisiä, sillä vaikka yhdeltä kanavalta tulevan liikenteen ansioksi voidaan katsoa, ​​että konversioita on nolla tai ei, ne voivat itse asiassa auttaa luomaan tehokkaimmat “samankaltaiset” Google Adsissa, jotka voivat saada aikaan suuren määrän halpoja konversioita.

Tunnista tiedot, jotka auttavat sinua välttämään liiallista vaikuttavuutta

Kaikki automaattiset optimointitoimenpiteet, olivatpa ne sitten kampanjan budjetin optimointia (CBO) tai CPA-tavoitetta, ovat riippuvaisia ​​tiedoista. Mitä enemmän tietoja syötät koneille, sitä parempia tuloksia saat. Mitä suuremmat uudelleenmarkkinointiluettelosi ovat, sitä tehokkaampia automaattiset/älykkäät kampanjasi ovat Googlessa. Tämä tekee käyttäjän arvosta niin monitahoisen ja uskomattoman monimutkaisen, vaikka et otetakaan huomioon mainoksen toimintaa.

Tämän uskomattoman monimutkaisuuden vuoksi tarvitsemme attribuutiomallin, joka voi esittää sitouttamistiedot aidosti ilman, että kampanjan konversioita kasvatetaan tai alitetaan. Vaikka monet mallit sopivatkin tuottamaan tarkimpia tuloksia, on kuitenkin muistettava, että attribuutio itsessään on virheellinen. Kuluttajina ymmärrämme, että toimet, jotka johtavat meidät tuloksiin henkilökohtaisessa elämässämme, ovat erilaisia, ja niin monia asioita ei voida seurata tarpeeksi ansioksi luettavaksi. Vaikka attribuutio ei voi olla täydellinen, se on pohjimmiltaan paras käytettävissä oleva työkalu ja siitä voi tulla paljon hyödyllisempi, kun sitä käytetään muiden datapisteiden rinnalla.

Viimeinen epäsuora napsautusten attribuutiomalli

Kun yrität välttää liioiteltuja tietoja, helpoin attribuutiomalli on viimeinen epäsuora klikkaus. Tässä mallissa kaikki suora liikenne jätetään huomiotta, ja kaikki konversion ansiot menevät viimeksi asiakkaan napsauttamalle kanavalle, mikä estää viime kädessä tulosten liittämisen virheellisesti useisiin kosketuspisteisiin. Se on yksinkertainen malli, joka ottaa huomioon vain minimin, joka silti onnistuu ratkaisemaan yliattribuutio-ongelmat olemalla suora. Tällä tavalla markkinoijat voivat mitata vaikutusta sen sijaan, että he liittävät konversion osia eri kampanjoihin tai kanaviin. Se on todella suoraviivainen lähestymistapa; pohjimmiltaan, “Jos teemme tämän x:lle, lisääkö se y:tä?”. Tietysti, kuten kaikilla attribuutiomalleilla, viimeisellä ei-suoralla klikkauksella on myös haittapuolensa. Ensinnäkin se ei ole täydellinen ratkaisu yli-/alipanokseen, mutta se on helposti toistettava ja strategisesti järkevä lähestymistapa, joka tarjoaa luotettavaa dataa, jonka avulla voit mitata kaiken yhdestä paikasta.

Joka tapauksessa kolmannen osapuolen evästeen viivästynyt kuolema saa monet varmasti arvioimaan uudelleen digitaalisen mainonnan menetelmiään. Toistaiseksi ennakoivat markkinoijat jatkavat yksityisyyttä suojaavien tunnisteiden etsimistä, jotka voivat tarjota vaihtoehtoisia ratkaisuja. Ensimmäisen osapuolen tiedoilla voi olla suurempi rooli, jos käyttäjien suostumus voidaan saada luotettavasti. Kun odotamme siirtymää, tietojesi saaminen järjestykseen ja tarkkojen, luotettavien attribuutiomenetelmien löytäminen on oltava etusijalla.

Näiden tietojen tarkkuuden varmistaminen on siksi välttämätöntä. Tämä voidaan saavuttaa varmistamalla, että napsautusten ja istuntojen välillä ei ole eroja, kun kaikkia verkkosivuja seurataan tarkasti. Automaattisen seurannan puuttuessa kaikkien kampanjoiden seuraamiseen tulisi käyttää myös UTM:itä, ja jos mahdollista, seurannan tulisi olla palvelinpuolista. Lopuksi markkinoijien tulee testata seurantaansa Tag Assistantilla ja varmistaa, etteivät he luo päällekkäisiä istuntoja tai menetä parametreja istunnon aikana. Kun kolmannen osapuolen eväste on kokonaan vanhentunut, markkinoijat päättävät viime kädessä tietojen perusteella, joiden on oltava mahdollisimman tarkkoja.

Torkel Öhman on teknologiajohtaja ja Amanda AI:n perustaja. Amanda AI:n rakentamisesta vastaava Torkel, jolla on kokemusta datasta/analytiikasta, valvoo kaikkia tuotteen teknisiä näkökohtia, jotta kaikki mainostilit toimivat moitteettomasti.

Tilaa Search Engine Watch -uutiskirje saadaksesi oivalluksia hakukoneoptimoinnista, hakumaailmasta, hakumarkkinoinnista, digitaalisesta markkinoinnista, johtajuudesta, podcasteista ja muusta.

Liity keskusteluun kanssamme LinkedIn ja Viserrys.