Debat: ”Der ligger et kæmpestort potentiale for annoncører”

Debat: ”Der ligger et kæmpestort potentiale for annoncører”

En annoncør kan typisk forbedre sit programmatic indkøb med 30 procent ved selv at definere sine algoritmer.


Skrevet af: Anders Munkesø Kjærbøll | Digital Strategy Lead | Business Science Nordic, 20. August 2020


KLUMME: Digitale algoritmer har været brugt til at optimere effekten af kampagner, siden det digitale medieindkøb blev programmatisk for cirka 10 år siden. I starten blev udviklingen drevet af teknologivirksomheder, der fokuserede på at skabe skalerbare standard-algoritmer, der let kunne bruges af annoncører.

Først i 2016 blev der for alvor åbnet op for muligheden for at udvikle ”custom algoritmer”, altså digitale algoritmer til programmatic indkøb bygget op fra bunden af annoncører.

Programmering af custom algoritmer er en teknisk tung disciplin, som kræver data scientists, data engineers, og digitale eksperter.

Selvom det har været muligt i snart fem år, er det de færreste annoncører i Danmark, der udnytter denne mulighed, da de mangler de nødvendige tekniske kompetencer og know-how.

Dog oplever vi en stigende interesse.

Der ligger et kæmpestort potentiale for annoncører, der er ”first movers” med custom algoritmer, da der er flere store fordele ved selv at udvikle koden bag sine digitale algoritmer til at opnå automatisering og bedre performance.

Her er de tre vigtigste:

1. Førstepartsdata skaber bedre ROI

En af de største begrænsninger ved standard algoritmer er, at de kun optimerer på den data, der er tilgængelig i platformen. De tager dermed ikke højde for annoncørens førstepartsdata, hvor der ofte er værdifuld information, der kan skabe yderligere effekt i en algoritme.

Et godt eksempel på dette er forretningsdata om hændelser der sker ”offline” på bagkant af medieindkøbet, for eksempel data på ”application approval”, ”out of stock” eller eftersalg.

Den aktuelle situation med tredjepartscookies betyder, at det bliver endnu vigtigere for annoncører at aktivere deres førstepartdata – custom algoritmer giver en konkret løsning på dette.

Som eksempel på sådan en løsning, har en annoncør forbundet data fra deres reservationssystem med geografisk budgetstyring på tværs af digitale medie kanaler, og opnået 20 procent flere salg for samme mediebudget.

2. Indsigter fra analyser kan aktiveres

Mange annoncører har vigtige indsigter om, hvornår det giver mest værdi at være til stede med deres medieinvestering, der forbliver i en PowerPoint præsentation.

Salgsmodeller er et godt eksempel på dette. De giver information om, hvilke faktorer der driver salgs-potentialet såsom promotions, lønningsdag eller andre vigtige salgs-drivers.

Mange af de bagvedliggende udregninger i en salgsmodel kan oversættes til custom algoritmer og på den måde gøre modellerne aktiverbare i medieindkøbet.

Helt grundlæggende skal man tænke i skalafordele og præcision, da der åbnes op for at styre medieindkøbet efter en hvilkensomhelst kombination – eksempelvis vil man kunne bygge en model med unikke bud på tværs af ”24 timer x syv dage x 1450 byer x 50 segmenter”.

Noget der ville være umuligt at opsætte og optimere for en programmatic specialist.

3. Højere transparens i medieindkøbet med aktivering af ”log-level data”

For at komme til bunds i, hvordan programmatic-indkøbet foregår, bliver man nødt til at analysere data på det mest granulære niveau (log-level data).

Her er der mulighed for at blive helt skarp på, hvordan algoritmer reelt set fungerer. Teknologivirksomhederne, der har hjulpet annoncører med indkøbsalgoritmer, har ligeledes hjulpet medierne med modsvarende algoritmer til at optimere indtjeningen per visning, der sælges gennem programmatic auktioner.

Der er opstået en interessekonflikt, som medfører en kompleks konkurrencesituation.

Dette blev senest understreget i rapporten ISBA programmatic supply chain transparency. som for nylig udkom i UK.

Custom algoritmer kan være en del af løsningen til bedre at kontrollere, hvordan hver mediekrone investeres, og dermed sikre at medie og annoncør handler på fair vilkår.

Som eksempel har en annoncør analyseret prisstrukturer for deres top 20 domæner, og opnået 35 procent lavere indkøbspris for helt samme kvalitet af visninger.

Opsummering:

Vores erfaringer fra mere end 1.000 A/B tests over de sidste fem år er, at man typisk kan forbedre sit programmatic indkøb med 30 procent ved at anvende custom algoritmer fremfor standardiserede digitale algoritmer – der er dermed en fornuftig grobund for at komme i gang med den første pilot test, hvis man ikke allerede har initiativer på området.

Har man dertil fokus på ”bedre udnyttelse af førstepartsdata”, ”tiden efter cookies” og ”transparens”, så kan custom algoritmer levere løsninger langt hen ad vejen.

Det er et nyt område for de fleste annoncører, og der er et knowledge gap i markedet, hvilket betyder, at der er mulighed for at skabe en signifikant konkurrencefordel.


Share this blog post!