Det är inte längre en nyhet att vår data är till salu. Datamäklare använder ofta webbläsarposter för att skapa digitala konsumentprofiler som sedan säljs till marknadsförare som fördefinierade målgrupper för riktad reklam.
Det antas ofta att verktygen som används för att analysera och kategorisera kunddata är så sofistikerade att marknadsförare på ett tillförlitligt sätt kan finjustera meddelanden och inriktning. Men ny forskning från tidskriften INFORMS Marknadsvetenskap har avslöjat att processen för att skapa dessa digitala profiler kanske inte är så tillförlitlig som många kan anta.
Studien, kommer att publiceras i novemberupplagan av tidskriften INFORMS Marknadsvetenskap , har titeln "Frontiers:How Effective Is Third-Party Consumer Profiling? Bevis från fältstudier." Den är författad av Nico Neumann från Melbourne Business School, Catherine Tucker från MIT och National Bureau of Economic Research, och Timothy Whitfield från Burst SMS i Australien.
Forskarna undersökte två grundläggande demografiska attribut (ålder och kön), och tre distinkta intresseområden för internetanvändare (sport, resor och fitness). De analyserade data från mer än 19 olika datamäklare, vilket resulterade i mer än 90 validerade digitala publiker av internetanvändare. Och de genomförde tre distinkta fälttester.
"I allmänhet, processen som ligger till grund för skapandet av användarprofiler och segment för inriktning är en "svart låda, ' vilket skapar utmaningar för att förstå tillförlitligheten och noggrannheten hos digitala profiler", sa Tucker. "Dessutom, annonsörer har liten chans att bedöma hur korrekta profilerna de köper är.
"I vårt första fälttest, vi körde en onlinekampanj på ungefär samma sätt som en annonsör kör en kampanj och bedömde om annonsen sågs av det efterfrågade demografiska segmentet, " sade Tim Whitfield. "I vårt andra fälttest, vi minskade vårt fokus och tittade direkt på om datamäklare kan exakt bestämma ålder och kön på ett specifikt par ögonglober. Och i vårt tredje fälttest, vi utökade vår datakvalitetsbedömning från demografi till segment med målgruppsintresse."
"I vårt första fälttest, fann vi att vår annons visades för det rätta demografiska segmentet 59 procent av tiden, " sade Neumann. "I vårt andra fälttest, vi fann att datamäklare i princip kunde identifiera kön på ungefär samma sätt som slumpmässig slump. Det tredje fälttestet avslöjade att träffsäkerheten för intressebaserade publik är högre (72,8 -87,4 procent i genomsnitt). Dock, denna högre klassificeringsprocent verkade snarare kopplas till det faktum att de testade attributen förekommer mycket ofta i befolkningen – till exempel finns det många människor som gillar sport i Australien och USA, så att identifiera någon som är intresserad av sport är inte så svårt. "Den relativa förbättringen av att använda publikdata jämfört med att slumpmässigt välja personer är fortfarande överlag en besvikelse över alla våra tester", tillade Neumann.
De tre studierna tillsammans visar att det är viktigt att överväga kostnaderna och fördelarna med att använda målgruppsdata för annonsinriktning. Eftersom publikdata leder till stora extrakostnader, det kanske inte ger ett användbart affärscase för varje situation i förhållande till oriktad reklam. Till exempel, de genomsnittliga extrakostnaderna för inriktning på visningsannonser baserat på köpta målgruppsdata är cirka 151 %. Dock, i bästa fall var den relativa förbättringen för att hitta rätt kund endast 123 % (när man jämför målgruppsinriktning kontra slumpmässigt urval av personer).
Dock, affärsfallet beror på den enskilda organisationens expertis och teknikkostnader, de valda datamäklare och media som används. Särskilt, dyrare media (t.ex. videoannonsering) är mycket mer sannolikt att resultera i positiva fördelar-kostnadsavvägningar för användningen av publikinformation köpt från datamäklare.
