3 oplossingen voor het meten van online gedrag

In het afgelopen decennium heeft digitaal adverteren om een aantal redenen aan populariteit gewonnen. Misschien wel de belangrijkste redenen hiervoor zijn de ruime beschikbaarheid en meetbare verantwoording van de uitgaven. Door de introductie van moderne smartphones vijftien jaar geleden nam het aantal inkoopmogelijkheden dat adverteerders hadden om potentiële klanten te bereiken drastisch toe.

Het kunnen volgen en meten van consumenten en hun gedrag betekende dat adverteerders precies konden uitzoeken welke digitale kanalen werkten, waardoor het rendement op investering aanzienlijk verbeterde. Deze twee factoren creëerden een vliegwieleffect dat zo'n aanzienlijke groei heeft veroorzaakt dat digitaal nu het dominante kanaal is in termen van reclame-uitgaven.

Uitdagingen voor de toekomst

In de afgelopen tien jaar is het meten echter steeds moeilijker geworden. Enkele jaren geleden beseften marketeers dat het moeilijk was om consumentengedrag op verschillende apparaten vast te leggen en dat het ‘last-click’-meetmodel dat zij gebruikten enigszins gebrekkig was. Meer recentelijk hebben technologische en wettelijke veranderingen het gebruik van identificatiemiddelen voor online metingen aanzienlijk beperkt.

Door de combinatie van deze factoren is de traditionele 1-op-1 meting niet langer geschikt voor het beoogde doel. Dit klinkt verontrustend en hoewel er geen legitieme manieren zijn om deze technologische en wettelijke veranderingen te omzeilen, zijn er weldegelijk opties voor marketeers die de waarde van hun digitale investering willen blijven begrijpen, namelijk:

• Privacy Preserving Measurements (PPM)
• Marketing Mix Modelling (MMM)
• Brand/Sales Lift Measurement

Privacy Preserving Measurements

Privacy Preserving Measurements verwijst naar de praktijk van het verzamelen en gebruiken van gegevens voor advertentiemetingen op een manier die prioriteit geeft aan de privacy van individuen. Google, Apple en Facebook hebben allemaal hun eigen kijk op de manier waarop dit moet gebeuren. Maar de meest ingrijpende is Google's Attribution Reporting API (ARA), waarmee conversiegebeurtenissen geaggregeerd kunnen worden gemeten.

PPM's zoals ARA hebben de neiging bestaande meetmethoden te kopiëren, dus hoewel ze in de toekomst zeer nuttig zullen zijn, kunnen ze geen antwoord geven op belangrijke vragen zoals of iemand eerder geneigd is een product te kopen dat hij offline of op een ander apparaat ziet.

Marketing Mix Modeling

Marketing Mix Modeling (MMM) is een statistische techniek die wordt gebruikt om de doeltreffendheid van verschillende marketingmix variabelen (zoals reclame, promotie, prijs en product) op verkoop en marktaandeel te bepalen. Het wordt vaak gebruikt door marketeers om inzicht te krijgen in de bijdrage van elk kanaal dat zij gebruiken aan het resultaat.

MMM is niet nieuw, maar de hierboven geschetste meetproblemen zetten marketeers die het vanwege de inherente complexiteit ervan hebben vermeden, ertoe aan het gebruik ervan opnieuw te evalueren. Daarnaast brengen bedrijven als Meta nieuwe MMM-tools zoals Robyn op de markt, die MMM voor meer bedrijven toegankelijk maken. Ondanks deze inspanningen is het onwaarschijnlijk dat deze aanpak campagnespecifieke metingen zal vervangen en eerder een aanvulling zal zijn op andere meetmethoden.

Brand/Sales Lift Measurement

Brand Lift Measurement wordt steeds populairder om indirect de doeltreffendheid van campagnes te meten. Deze studies helpen adverteerders te begrijpen of een potentiële klant die aan hun reclame is blootgesteld:

1. Meer bewust is van hun merk
2. Een grotere overweging heeft het te kopen
3. Het merk verkiest boven andere merken
4. Meer geneigd is hun product of dienst te kopen

Deze inzichten zijn van onschatbare waarde voor marketeers in een wereld waarin zij niet nauwkeurig kunnen meten met traditionele middelen. De vooruitgang van de technologie op dit gebied betekent dat adverteerders niet langer met controle- en exposed steekproeven hoeven te werken om verschillen te meten. In plaats daarvan kunnen zij statistische technieken zoals logistische regressie gebruiken om het effect van elke reclame blootstelling nauwkeurig te voorspellen.

Brandfacts

DPG Media heeft onlangs een service gelanceerd genaamd Brandfacts. Deze service respecteert de privacy van de gebruiker, werkt op alle apparaten en wordt niet beïnvloed door veranderingen in cookies van derden. In een vervolg gaan we dieper in op deze service en de mogelijkheden ervan. Wil je nu alvast meer weten?

Laat hier je gegevens achter en wij nemen contact met je op.