Ajattelin kirjoittaa muutaman postauksen verran markkinoinnin mittaamisesta. Tarkemmin sanottuna siitä, miten markkinoinnin tekemistä voitaisiin rakentaa asiakaspolun ympärille ja miten sen vaikuttavuutta liiketoimintaan voitaisiin mitata?
Aloitetaan kuitenkin nykyisen mallin ongelmista, sillä viime aikoina on poristu siitä, että mainonnan mittaamiseen ja kohdentamiseen käytetyt evästeet ovat katomassa ja jo nyt muuttuneet epäluotettaviksi.
Tämä aiheuttaa ongelmia mainosalustoille, kuten mediataloille, Googlelle tai Facebookille, joiden liiketoiminta perustuu mainonnan kohdeyleisöjen myymiseen.
Mainostavien yritysten näkökulmasta evästeiden katoaminen ei kuitenkaan ole kovin iso ongelma. Se voi olla jopa hyvä asia, sillä evästeisiin perustuvan mainonnan mittaamisen taustalla olevat oletukset ovat usein vääriä.
Digimainonnassa evästeisiin perustuva mittaaminen perustuu seuraavaan malliin: Käyttäjä näkee mainoksen. Tämän jälkeen käyttäjä päätyy suorittamaan oston. Tämän perusteella nähdyille mainokselle jaetaan ansiona toteutunut osto.
Mallin taustaoletus on seuraava: käyttäjän ostotodennäköisyys ennen ensimmäistä mainosnäyttöä on ollut nolla. Kaikki mitä tapahtunut mainoksen jälkeen on mainoksen ansiota, eikä mainos voi oston todennäköisyyttä laskea. Vaikka kertoisit mainoksessa olevasi tuomittu rikollinen, joka myy varastettua tavaraa, ostotodennäköisyys voi vain kasvaa.
Taustaoletus on lähellä todellisuutta, jos mainostava yritys on vasta toimintansa aloittanut startup, jolla ei ole olemassa olevia asiakkaita. Voidaan turvallisesti olettaa, että satunnaisen henkilön ostotodennäköisyys on nolla.
Jos mainostavalla yrityksellä on valmiiksi miljoona asiakasta, niin satunnainen henkilön ostotodennäköisyys ei ole nolla. Se voi olla esimerkiksi 0.05% seuraavan 7 päivän tai 14 päivän aikana.
Jos nyt kerrot mainoksessa olevasi tuomittu rikollinen, ostotodennäköisyys voi laskea 50%. Silti mainonnan raportointi kertoo bannerisi tuoneen kauppaa 0.025% konversiosuhteella.
Kohdistettu markkinointi pahentaa mallin ongelmia. Mitä tapahtuu, jos valitset kohderyhmäksi ostoskorin hylänneet, joiden ostotodennäköisyys on vaikkapa 10%, ja kohdistat heille mainoksia, jossa kerrot rikoshistoriastasi?
Vaikka ostotodennäköisyys laskee taas 50%, kampanjan konversiosuhde on kuitenkin vaikuttava 5%. Mainonnan raportointijärjestelmä kertoo sen olevan yksi parhaita kampanjoitasi.
Mitä tapahtuu, kun laitat tämän kyseenalaisen mainoksen pyörimään Googleen ja Facebookiin? Ja asetat Googlen ja Facebookin autopilotille niin, että koneoppimismalli saa maksimoida tuloksesi?
Jos koneoppimismalli ajattelisi liiketoimintasi etua, se laskuttaisi sinulta mainoskulut mutta ei näyttäisi mainosta kenellekään. Tai minimoisi vahingon näyttämällä mainoksia käyttäjille, joiden ostotodennäköisyys olisi lähtökohtaisesti nolla.
Se ei kuitenkaan tee niin. Se yrittää maksimoida kampanjan raporttien tulosrivin etsimällä ne käyttäjät, jotka todennäköisimmin olivat ostamassa sinulta. Jos mainoksesi vaikutus liiketoimintaan on negatiivinen, koneoppimismalli pitää huolen että parhaimmat asiakkaasi näkevät mainoksen ja negatiivinen efekti on mahdollisimman suuri.
Poimisto Oy © 2022