DMP, quali tipologie di dati elabora
DMP, integrazione, segmentazione e attivazione cluster
DMP, quali tipologie di dati elabora
I dati costituiscono un universo complesso e composito, si articolano tra di loro in un labirinto di connessioni e correlazioni all’interno dei quali è necessario orientarsi per ottenere un’analisi dell’utente il più precisa possibile. Esistono fondamentali distinzioni tra le tipologie di dati collezionabili e proprio per questo esiste una classificazione multi livello che ne indica provenienza e utilità.
Una prima distinzione consta tra riferiti e inferiti: i primi sono dichiarati dall’utente, i secondi sono dedotti con sistemi automatizzati (sistemi di inferenza statica) e non (ricerche interne ed esterne) e più la costruzione del dato così ottenuto è scientifica, maggiore è il suo valore.
Ulteriore distinguo è tra dati online e offline. I primi sono costituiti da tutte le fonti dati provenienti da attività pubblicitarie digitali e/o sistemi di data collection terzi web based, integrabili direttamente coi DMP (Data Management Platform). Quelli offline provengono da sistemi CRM (Costumer Relationship Manager) e/o fonti dati che abbiano almeno un campo che possa essere messo in relazione con altre fonti.
Si possono anche identificare tre sottoinsiemi del dato.
- I dati di prima parte, estremamente importanti, descrivono la relazione che l’utente ha con la marca, dalla prima interazione all’acquisto, e permettono di creare profili di audience di alto valore.
- I dati di seconda parte vengono dedotti dalle attività pubblicitarie dell’azienda. Congiunti ai precedenti danno un feedback sulla qualità della comunicazione pubblicitaria in termini di reach in target e delle interazioni rispetto al prodotto. In generale, sono la chiave di lettura del comportamento dell’utente all’esterno dell’universo del brand.
- I dati di terza parte provengono da terzi che mettono a disposizione le proprie property al fine dell’analisi del comportamento degli utenti.
L’integrazione dei tre bacini permette la più completa visione sul comportamento del cliente o del prospect all’esterno del brand. Per garantire la corretta interpretazione di dati così complessi e articolati, si utilizza la Data Management Platform. Le tre fasi che portano alla conoscenza approfondita della clientela sono: la data integration, la data segmentation e la data activation.
DMP, integrazione, segmentazione e attivazione cluster
Durante la data integration le fonti vengono normalizzate, riconducendo tutti i dati ad un’unica entità affinché vengano identificati dei cluster di utenti con caratteristiche similari e dunque da sincronizzare con strumenti tecnologici di pianificazione programmatica.
È possibile integrare un dato CRM in DMP tramite tracciamento DEM e integrazione area clienti. Oltre alla collezione del dato, è essenziale che un utente CRM venga collegato a un utente DMP attraverso una chiave primaria comune a entrambi i sistemi. Allo stesso modo, è necessario applicare un processo di cookie matching per ricondurre interessi e comportamenti dello stesso utente su device diversi a un’unica entità.
La segmentazione delle fonti è necessaria all’identificazione delle correlazioni di segmenti con caratteristiche comuni. Il processo si svolge in due fasi: una automatica e una manuale.
La DMP dispone di un motore socio demografico e semantico che permette la segmentazione automatica in engine quali sesso, età, interesse, device, geolocation e dati di navigazione. Il risultato di questo primo passaggio è sufficiente per i KPI qualitativi, ma nel caso si vogliano dei cluster tailor made che rispondano meglio ai KPI quantitativi si devono incrociare i dati sociodemografico comportamentali con attributi specifici. Per aumentare la numerosità del cluster viene, poi, utilizzato un meccanismo lookalike, che permette la creazione di custer di utenti con comportamenti simili a quello di partenza. Questa soluzione permette l’ottimizzazione delle performance di campagna, evitando la dispersione e incrementando le performance.
Il cluster viene poi sincronizzato con una o più DSP (Demand-Side Platform), elemento che agevola il loro utilizzo nella pianificazione digitale. Così collegato, il cluster viene inserito in una linea d’acquisto in cui la DSP comprerà (data activation) lo spazio solo se l’impression è su un sito su cui è presente un utente del cluster che al momento della vendita sta visualizzando la pagina.
Quando si parla di DMP si intende una piattaforma tecnologica unificata che raccoglie molteplici serie di dati, sia proprietari sia forniti da seconde e terze parti, li normalizza e li segmenta, e consente all’utente di agire sulla segmentazione che ne risulta in ambienti live interattivi.
È verità universale che a nessuno piaccia essere definito da uno stereotipo, l’esigenza è sempre quella di non essere semplificati: l’individuo è unico e pretende di essere visto come tale. Ne consegue la necessità di adottare mezzi che permettano di rispettare l’esigenza di singolarità; pena il decadimento dell’intento comunicativo a cui corrisponde la dispersione del messaggio.
Ma se è vero che gli stereotipi perdono il loro potere quando vince la prospettiva per cui la complessità del mondo supera su quella dello stigma della realtà, come è possibile per i collezionisti di dati superare un approccio di tipo lookalike?
La risposta coincide con il Data Management Platform, perché riesce a delineare l’identità della persona, andando in profondità e comprendendo chi c’è dietro il profilo. La peculiarità di questa piattaforma consiste nella capacità di incrociare tutti i dati a disposizione con intelligenza (artificiale), combinando gli attributi socio-demografici agli interessi dell’utenza. In condizioni perfette, al DMP arrivano informazioni di composita origine: i Third Party Cookie Data, i First Party Website/Email Click Data e i First Party Offline Data (CRM).
Dall’incrocio dei contenuti di questi tre grandi serbatoi si raggiungono risultati sofisticati, che meglio rispecchiano le esigenze e i desideri dei consumer e che sono più performanti per chi utilizza questa piattaforma per identificare il lead tra i miliardi di utenti che popolano il web. Questa tecnologia non si limita a una piatta applicazione di modelli statici individuando gruppi di utenti con caratteristiche e comportamenti simili e con analoghe risposte agli stimoli. Il vantaggio del DMP è nel riuscire a incrociare un volume di dati molto elevato, non dovendo sacrificare il dettaglio in favore del gruppo di appartenenza, processo in cui si possono perdere dettagli sensibili e caratterizzanti.
L’intelligenza di cui è stato dotato il DMP lo rende paragonabile a cervello particolarmente dotato, geniale perché capace di gestire tutti i canali di informazione; è quasi onnisciente basando le sue competenze discrezionali sulla praticamente perfetta gestione di interazioni tra i vari segmenti e dei contenuti. Inoltre, è volto a creare un loop positivo e di accumulazione dell’informazione sul lead.
È l’inizio di una rivoluzione di ampia portata in cui l’intelligenza artificiale è primo motore. Gli effetti di questo cambiamento sono ormai tangibili e hanno già travolto i Big Data e i consumer. Ignorare l’integrazione dell’intelligenza artificiale e delle tecnologie cognitive a questa piattaforma sarebbe un impedimento alle opportunità che il futuro presenta. Altrettanto indispensabile è, però, la collezione dei dati da tutti i canali a disposizione perché il DMP, pur rendendo il cloud più potente, è fortemente vincolato alla costruzione di un database completo, che implementa con valori incrociati, ma di cui si deve essere consapevoli per contenuto e allocazione.
Questa formula pone il DMP al centro, tra l’azione conoscitiva dei lead e il Marketing Automation Platform, ovvero alla base delle strategie aziendali cambiando il paradigma consolidato: l’analisi retrospettiva delle risposte su azione viene sostituita da quella predittiva.
Author
