Non è più una notizia che i nostri dati siano in vendita. I broker di dati utilizzano spesso i record di navigazione online per creare profili di consumatori digitali che vengono poi venduti ai professionisti del marketing come segmenti di pubblico predefiniti per pubblicità mirata.
Si presume spesso che gli strumenti utilizzati per analizzare e classificare i dati dei clienti siano così sofisticati che i professionisti del marketing possono mettere a punto in modo affidabile messaggistica e targeting. Ma una nuova ricerca dalla rivista INFORMS Scienze del marketing ha rivelato che il processo per la creazione di quei profili digitali potrebbe non essere affidabile come molti potrebbero pensare.
Lo studio, in uscita nel numero di novembre della rivista INFORMS Scienze del marketing , è intitolato "Frontiere:quanto è efficace il profilo dei consumatori di terze parti? Evidenze da studi sul campo". È scritto da Nico Neumann della Melbourne Business School, Catherine Tucker del MIT e del National Bureau of Economic Research, e Timothy Whitfield di Burst SMS in Australia.
I ricercatori hanno esaminato due attributi demografici di base (età e sesso), e tre distinte aree di interesse degli utenti di Internet (sport, viaggi e fitness). Hanno analizzato i dati di più di 19 diversi broker di dati, che ha portato a più di 90 pubblici digitali convalidati degli utenti di Internet. E hanno condotto tre distinti test sul campo.
"Generalmente, il processo che sta alla base della creazione di profili utente e segmenti per il targeting è una `scatola nera, ' che crea sfide per comprendere l'affidabilità e l'accuratezza dei profili digitali", ha affermato Tucker. "Inoltre, gli inserzionisti hanno poche possibilità di valutare l'accuratezza dei profili che stanno acquistando.
"Nel nostro primo test sul campo, abbiamo gestito una campagna online più o meno allo stesso modo in cui un inserzionista avrebbe eseguito una campagna e valutato se l'annuncio fosse stato visto dal segmento demografico richiesto, " ha detto Tim Whitfield. "Nella nostra seconda prova sul campo, abbiamo ristretto la nostra attenzione e abbiamo esaminato direttamente se i broker di dati sono in grado di determinare con precisione l'età e il sesso di un paio di bulbi oculari specifici. E nel nostro terzo test sul campo, abbiamo esteso la nostra valutazione della qualità dei dati dai dati demografici ai segmenti di interesse del pubblico."
"Nel nostro primo test sul campo, abbiamo scoperto che il nostro annuncio è stato mostrato al segmento demografico giusto il 59% delle volte, " ha detto Neumann. "Nella nostra seconda prova sul campo, abbiamo scoperto che i data broker fondamentalmente erano in grado di identificare il genere all'incirca come la casualità. Il terzo test sul campo ha rivelato che l'accuratezza del pubblico basato sugli interessi è maggiore (72,8 -87,4% in media). Però, questa maggiore percentuale di classificazione sembrava piuttosto legata al fatto che gli attributi testati si verificano molto spesso nella popolazione, ad esempio ci sono molte persone che amano lo sport in Australia e negli Stati Uniti, quindi identificare qualcuno che è interessato allo sport non è così difficile. "Il relativo miglioramento nell'utilizzo dei dati sul pubblico rispetto alla scelta casuale delle persone è ancora complessivamente deludente in tutti i nostri test", ha aggiunto Neumann.
I tre studi combinati illustrano che è importante considerare i costi ei vantaggi dell'utilizzo dei dati sull'audience per il targeting degli annunci. Poiché i dati sul pubblico comportano grandi spese extra, potrebbe non fornire un business case utile per ogni situazione relativa alla pubblicità non mirata. Per esempio, i costi aggiuntivi medi per il targeting degli annunci display basati sui dati del pubblico acquistato sono circa il 151%. Però, nel migliore dei casi, il miglioramento relativo nel trovare il cliente giusto è stato solo del 123% (quando si confronta il targeting per pubblico con la selezione casuale di persone).
Però, il business case dipende dalle competenze e dai costi tecnologici della singola organizzazione, i broker di dati selezionati e i supporti utilizzati. In particolare, è molto più probabile che i media più costosi (ad esempio la pubblicità video) si traducano in compromessi positivi tra benefici e costi per l'uso delle informazioni sul pubblico acquistate dai broker di dati.
