3 ด้านของการโฆษณาดิจิทัลที่ยังคงมีปัญหาอยู่

ความหลงใหลในการโฆษณาดิจิทัลของฉันมาจากสิ่งหนึ่งโดยเฉพาะ นั่นคือ ข้อมูล ปริมาณข้อมูลที่เรามีโอกาสดูและวิเคราะห์นั้นน่าทึ่งมาก ตั้งแต่เมตริกพื้นฐาน เช่น การแสดงผลและการคลิก ไปจนถึงข้อมูลเชิงลึกที่น่าสนใจมากขึ้น เช่น เส้นทางการนำทางของเว็บไซต์หรือการเพิ่มในรถเข็น ดูเหมือนว่าทุกอย่างจะพร้อมสำหรับคำถามที่ซับซ้อนและปัญหาที่จะจัดการได้อย่างง่ายดาย

กระนั้น จากประสบการณ์ของฉันได้แสดงให้ฉันเห็นว่าบางพื้นที่ของการตลาดดิจิทัลยังคงต้องปรับปรุง โดยเฉพาะอย่างยิ่ง ปัญหาบางอย่างที่ฉันเคยคิดว่าแก้ไขได้โดยเทคโนโลยีที่เรามี ยังคงมีความเกี่ยวข้องและเกิดขึ้นซ้ำในงานที่ฉันทำ ต่อไปนี้คือ 3 ประเด็นที่ยังคงเป็นปัญหาในการโฆษณาดิจิทัล

1. การแสดงที่มา: คำถามล้านดอลลาร์

ลองนึกภาพการแสดงโฆษณาบนสถานีวิทยุหรือช่องโทรทัศน์
คุณมีเครื่องมืออะไรบ้างในการวัดการแสดงผล สตรีม หรือยอดดู
คุณรู้ได้อย่างไรว่าเวลาเฉลี่ยที่แต่ละคนฟังหรือดูโฆษณาของคุณใช้เวลาโดยเฉลี่ยเท่าไร

ไม่ว่าคุณจะเก่งเรื่องตัวเลขแค่ไหน การได้รับข้อมูลนั้นอาจไม่คุ้มกับเวลาที่ต้องใช้

การโฆษณาดิจิทัลทำให้เรามีข้อมูลมากมายจนบางครั้งเราไม่รู้ด้วยซ้ำว่าจะทำอย่างไรกับข้อมูลนั้น ที่กล่าวว่าเมื่อต้องพิจารณาว่าโฆษณามีอิทธิพลต่อการตัดสินใจซื้ออย่างไร โลกของสื่อที่ต้องจ่ายเงินยังคงต้องดิ้นรน ในหลายกรณี ฉันเคยได้ยินแบรนด์ต่างๆ พูดว่า:

• “ใช่ โฆษณาวิดีโอกำหนดเป้าหมายใหม่บน Facebook ของเรามียอดดู 10,000 ครั้ง แต่จะมี Conversion เกิดขึ้นกี่ครั้ง” หรือ…
• “ฉันไม่แน่ใจว่าโฆษณาแบบดิสเพลย์สร้างผลกระทบอย่างสำคัญจริง ๆ หรือไม่”

หลังจากหลายปีของการปรับปรุงทางเทคโนโลยี ยังคงประเมินผลกระทบของวิดีโอหรือโฆษณาแบบรูปภาพที่มีความแม่นยำเพียงเล็กน้อย

การทดสอบที่ออกแบบมาอย่างเข้มงวดสามารถให้ข้อมูลเชิงลึกเกี่ยวกับผลกระทบของช่องทางต่างๆ สิ่งนี้ต้องการการแยกกลุ่มเป้าหมายและเรียกใช้แคมเปญที่เตรียมไว้อย่างแข็งแกร่งเป็นระยะเวลาหนึ่งซึ่งนานพอที่ข้อมูลจะมีความเกี่ยวข้อง โฆษณาแบบดิสเพลย์ของคุณอาจไม่ส่งผลกระทบต่อผู้บริโภคในแง่ที่ตรงที่สุดของคำนี้ แต่ช่วยให้แบรนด์ของคุณเป็นที่หนึ่งในใจ ผลที่ตามมาของการนำมันออกจากโต๊ะอาจทำให้ความสนใจและการพิจารณาแบรนด์ลดลงช้าแต่สม่ำเสมอ หรืออาจจะไม่ ใครจะรู้?

2. การติดตาม: คำถามล้านดอลลาร์อื่น ๆ

นี่เป็นปัญหาทางเทคนิคที่อยู่เบื้องหลังปัญหาแรกที่กล่าวถึงข้างต้น บางครั้งไม่ใช่การตีความของตัวชี้วัดที่ทำให้ชีวิตของเรายากมาก แต่เป็นความจริงที่ว่าตัววัดเองนั้นไม่พร้อมใช้งาน

ผู้ใช้เห็นโฆษณาแบบรูปภาพบนโทรศัพท์ จากนั้นจึงค้นคว้าข้อมูลบนคอมพิวเตอร์เดสก์ท็อปในอีกสองสามวันต่อมา จากนั้นจึงทำ Conversion บนคอมพิวเตอร์แล็ปท็อป ในกรณีนี้ เป็นการยากที่จะติดตามและให้เครดิตอุปกรณ์และช่องทางอย่างเหมาะสม ใช่ มีการปรับปรุงด้วยแพลตฟอร์มขนาดใหญ่บางแพลตฟอร์ม เช่น Facebook ซึ่งสามารถใช้การติดตามทั้งบนเบราว์เซอร์และตามผู้ใช้ผสมกัน แต่สามารถสังเกตได้ง่ายว่าข้อมูลบางส่วนสูญหายในเส้นทางการแปลง บางครั้ง Google Analytics จะเรียกข้อมูลว่า "ไม่พร้อมใช้งาน" "ไม่ได้ตั้งค่า" หรือแอตทริบิวต์เพื่อ "โดยตรง" ซึ่งจริงๆ แล้วไม่ใช่การเข้าชมเว็บไซต์โดยตรงโดยไม่มีสิ่งจูงใจจากโฆษณา

ขณะที่เรากังวลมากขึ้นเรื่อยๆ เกี่ยวกับความเป็นส่วนตัวของเราบนอินเทอร์เน็ต และเมื่อมีการนำนโยบายที่เกี่ยวข้องมาใช้ เช่น CCPA หรือ GDPR ระบบติดตามจะเผชิญกับความท้าทายมากขึ้น ปัญหากับลูกค้ารายหนึ่งของเราที่เราสงสัยว่าเกิดจากข้อกังวลเรื่องความเป็นส่วนตัวก็คือ Google Analytics กำลังลงทะเบียนผู้ใช้ใหม่ในกรณีที่เราสามารถสรุปได้ว่าจริง ๆ แล้วซ้ำกับผู้ใช้ก่อนหน้านี้ เพื่อสรุปสั้น ๆ เกี่ยวกับประเด็นนี้ ในขณะที่เรามีข้อมูลเชิงลึกที่สำคัญเกี่ยวกับเส้นทางของลูกค้าโดยรวม การติดตามไม่ได้เต็มศักยภาพและมีสาเหตุที่จะไม่ไปถึงจุดนั้นในเร็วๆ นี้ สำหรับตอนนี้ สมมติว่าเราต้องการขอบคุณความจริงที่ว่าเรามีข้อมูลเพียงพอที่จะทำการตัดสินใจที่มีประสิทธิภาพในฐานะนักการตลาด แม้ว่าความแม่นยำจะยังไม่มีอยู่จริงก็ตาม

3. ระบบอัตโนมัติ: ฉันจะให้คุณระบุจำนวนเงิน

สิ่งที่ยุ่งยากเกี่ยวกับตัวเลขก็คือลักษณะทางคณิตศาสตร์ของพวกมันซ่อนการขาดความแม่นยำ เช่นเดียวกับอัลกอริธึมซึ่งมีชื่อที่ทรงพลังมาก แต่ในทางปฏิบัติ คุณสามารถรับรู้จุดอ่อนของมันได้ ระบบการเพิ่มประสิทธิภาพอัตโนมัติจะมีผลตราบเท่าที่สามารถติดตามพฤติกรรมของมนุษย์ได้อย่างมีเหตุผล

ระบบเพิ่มประสิทธิภาพอัตโนมัติทำสิ่งหนึ่งได้ดีมาก: ตรวจจับแนวโน้มที่นับได้ และทำได้เร็วมาก

แต่ถ้าลักษณะสำคัญของมนุษย์คือความสามารถในการคิดอย่างมีเหตุมีผล ลักษณะสำคัญอีกประการหนึ่งก็คือ ความสามารถในการหลุดพ้นจากแนวโน้มเชิงตรรกะ ในด้านการตลาด เราจัดการกับมนุษย์ กล่าวอีกนัยหนึ่ง เราควรระมัดระวังอย่างมากเกี่ยวกับการใช้เครื่องมือที่อาศัยตรรกะมากเกินไปจนกลายเป็นการต่อต้าน หากคุณเคยลองใช้กลยุทธ์อัตโนมัติที่ได้ผลในบัญชีหนึ่งและล้มเหลวโดยไม่คาดคิดกับอีกบัญชีหนึ่ง นั่นเป็นเพราะพวกเขายังไม่สมบูรณ์แบบและยังต้องการคำแนะนำเชิงกลยุทธ์ ซึ่งหมายถึงข้อมูลจากมนุษย์ที่เข้าใจมนุษย์คนอื่นๆ และความเป็นจริงของตลาด

ระบบการเสนอราคาอัตโนมัติบางระบบ เช่น ROAS เป้าหมายของ Google มีแนวโน้มที่จะล้มเหลวในการใช้จ่ายและกลายเป็นอนุรักษ์นิยมมากทันทีที่กำหนดเป้าหมาย ROAS สูงเกินไป

การทดสอบกับลูกค้าที่ฉันทำงานด้วยเป็นอันดับแรกในการกำหนดชุดของแคมเปญที่ ROAS จริงสำหรับแคมเปญนั้นสูงกว่า ROAS ที่ตั้งไว้มาก จากนั้นจึงลด ROAS เป้าหมายลง เพื่อให้แคมเปญสามารถดึงดูดการเข้าชมได้มากขึ้น สิ่งที่เราคาดหวังคือ ROAS ที่ต่ำกว่า แต่มีการใช้จ่ายที่สูงขึ้นและรายได้ก็สูงขึ้นอย่างแน่นอน ได้ผลสำหรับบางแคมเปญ และล้มเหลวสำหรับบางแคมเปญ สิ่งนี้แสดงให้เราเห็นว่าการลดเป้าหมาย ROAS ไม่ใช่กลยุทธ์ที่ปรับขนาดได้ ระบบอัตโนมัติไม่สมบูรณ์แบบ แต่...

ไม่มีเหตุผลที่จะสูญเสียความหวัง

เมื่อพิจารณาถึงเทคโนโลยีในปัจจุบันกับสิ่งที่มีเมื่อ 10 ปีที่แล้ว ไม่มีใครสามารถปฏิเสธการปรับปรุงได้ ไม่มีอะไรที่เป็นไปไม่ได้ และเป็นหน้าที่ของเราที่จะผลักดันทุกอย่างให้ถึงขีดจำกัดและบรรลุสิ่งที่เคยคิดว่าเป็นไปไม่ได้ มารักษาความทุ่มเทของเราและทำการทดสอบและค้นคว้าต่อไป

บางทีคุณอาจจะเป็นคนเดียวที่ตอบคำถามหลายล้านเหรียญที่กล่าวถึงข้างต้น เพียงอย่าลืมแบ่งปันกับฉัน!