Маркетологи не используют легкодоступные данные

«Маркетологи не используют данные, которые легко доступны».

Согласно данным нового доклада, маркетологи не оптимизируют платные поисковые стратегии нужным образом, позволяющим получить выгоду от намерения потребителей приобрести продукт, которое может оказать влияние на ценовую политику и легко решить проблемы с подходом «попробуй и узнай».

Отчет, опубликованный 11 марта Boston Consulting Group, говорит, что бренды, которые вложились в платный поиск, часто не воздействуют повторно на тех потребителей, которые нажали на объявление, что приводит к потере данных, показывающих намерение потребителей приобрести товар.

Ретаргетинг (повторное воздействие), отображающий объявления от результатов поиска, может обеспечить сокращение стоимости за действие (CPA) на 40%, и эти данные могут быть получены из существующих кампаний, которые уже оплачены.

«Маркетологи, которые не используют имеющиеся данные из собственных кампаний, оставляют деньги на столе».

Доминик Филд, партнер и управляющий директор The Boston Consulting Group говорит, что это происходит в силу того, что маркетологи не используют «продвинутый поведенческий таргетинг».

«Эта форма таргетинга использует свежие данные, основанные на «кукиз», которые люди оставляют в Интернете, чтобы верно направить экранные объявления. Другая часть этого процесса заключается в использовании правильной технологии и людей, которые хорошо понимают эти технологии».

Одной из причин, по которой маркетологи не используют эти данные, имея доступ к технологии, является то, что они иногда не знают о методах, необходимых, чтобы определить правильные данные. Отчасти это связано с быстрыми темпами цифрового развития.

Но маркетологи могут преодолеть это с помощью «единой платформы», – унификации всех технологий, которые используются для получения исходных данных «из одного бассейна». Кроме того, маркетологи могут извлечь выгоду из подхода «попробуй и узнай».

Маркетологи, которые не используют модели многократной публикации, также рискуют потерей важных данных. Например, они могут получить огромное количество данных аудитории в начале покупательского пути, но они могут быть упущены теми, кто оценивает исполнительные модели использования, которые передают данные только о последних взаимодействиях до покупки, но этого может хватать лишь на то, чтобы оценить производительность.