Come i data scientist possono migliorare la pubblicità sui social media

La scienza dei dati sta esplodendo, il che è naturale, data la nostra cultura in continua evoluzione e la capacità di apprendere qualsiasi cosa alla portata delle nostre dita in rapido movimento.

Si consideri, ad esempio, che entro il prossimo anno Internet raggiungerà il suo 5 miliardesimo utente. Nel frattempo, le persone eseguiranno circa 1,2 trilioni di ricerche su Google all'anno per accedere a oltre 1 miliardo di siti Web di Internet.

Con ogni ricerca su Google (e altre attività simili su Internet), viene creata un'impronta di dati, piena di informazioni sugli interessi, i comportamenti e i dati demografici dell'utente. Ciò significa che il mondo sta nuotando nei dati. Pertanto, molte aziende di martech, Strike Social incluso, devono fare affidamento sulle capacità intellettuali dei data scientist per capire quali informazioni sono utili e quali dovrebbero essere scartate.

Ripensare l'impossibile con la scienza dei dati

I data scientist sono spesso quelli che pongono le grandi domande a cui può sembrare impossibile rispondere. La loro curiosità consente loro anche di sviluppare nuovi modelli all'avanguardia della tecnologia. Raggiungono questo obiettivo attraverso una sperimentazione strutturata, come la ristrutturazione dei parametri o la combinazione di diversi set di dati.

Non sorprende quindi che molti data scientist provengano da ambienti accademici, con titoli di studio avanzati in campi come la biologia o la fisica.

^{I data scientist di Strike Bing Bu, Dmitry Bandurin e Jeongku Lim lavorano presso la sede dell'azienda a Chicago.}

Quest'ultimo è precisamente il caso del trio di data scientist di Strike Social - Dmitry Bandurin, Bing Bu e Jeongku Lim - che hanno tutti un dottorato di ricerca in fisica sperimentale o elementare (ovvero lo studio dei mattoni fondamentali della materia e dei loro interazioni). Prima di unirsi a Strike, Bandurin, Bu e Lim erano scienziati ricercatori che si concentravano sulla distruzione di particelle elementari all'interno di grandi collisori per dare un senso all'universo.

Ora stanno affrontando il mondo dei social a pagamento.

In qualità di Senior Data Scientist di Strike, Bandurin attribuisce al suo background di ricerca la capacità di ripensare a ciò che è possibile fare con i big data. Ed è abituato a lavorare con dati sperimentali reali per produrre nuovi risultati.

"Non è mai lo stesso e cambia sempre", dice.

Bandurin, Bu e Lim concordano tutti sul fatto che i data scientist hanno bisogno di forti capacità matematiche e analitiche, nonché di capacità di programmazione per avere successo nello sfruttare il potere dell'IA per i social a pagamento.

Quindi com'è esattamente una giornata media per loro? Bandurin stima che le riunioni richiedano circa il 25-30% del suo tempo, con un altro 10% dedicato al lavoro con gli sviluppatori o alla discussione di nuove scoperte con il team di data science. Il resto del tempo, questi data scientist si concentrano sul test e sullo sviluppo di modelli, per poi implementarli in codici prototipo.

Bu dice che gli piace anche riassumere il lavoro di ogni giorno e pianificare il suo programma per il giorno, la settimana o anche il mese successivo nel caso in cui gli capiti un progetto a lungo termine.

Come i data scientist possono migliorare i social a pagamento

I cluster creati attraverso modelli complessi aiutano i data scientist a testare i loro risultati nelle campagne pubblicitarie gestite. I data scientist e i media team di Strike lavorano insieme per sviluppare micro-campagne che consentono test discreti delle combinazioni di dati. Quando una combinazione funziona o soddisfa gli indicatori chiave di prestazione, la spesa pubblicitaria viene riassegnata dalle serie di inserzioni meno performanti a quelle più in linea con il target.

I risultati della campagna vengono quindi inseriti nuovamente nel mix di dati, dove gli scienziati di Strike continuano a perfezionare i modelli statistici per migliorare le prestazioni più e più volte.

Il processo continuo di indagine, modellazione e test non si ferma mai nel mondo dell'analisi dei dati, né può fermarsi, perché i dati sono in continua evoluzione. Quando le persone crescono, acquisiscono interessi e abbandonano le vecchie abitudini. Anche la cultura si evolve, come evidenziato dai migliori metodi di comunicazione.

Con la tecnologia, le tecniche perfezionate nel corso degli anni vengono ora eclissate nel giro di pochi mesi, come il ritmo accelerato di apprendimento disponibile con l'IA.

"Dato l'aumento esponenziale dell'utilizzo di smartphone, smart TV e altri dispositivi elettronici avanzati, è possibile raccogliere informazioni personalizzate, il che consentirà la pubblicazione dedicata di annunci personalizzati", afferma Bu. "Andando avanti, la rete sarà più economica e la copertura dell'utilizzo diventerà più ampia, quindi il pubblico per gli annunci video crescerà rapidamente."

Senza le menti curiose dei data scientist di Strike - e il loro impavido impegno nella sperimentazione dei dati - i progressi tecnologici dell'IA non sarebbero possibili.

Ecco come il loro lavoro sta cambiando la pubblicità sui social media.

^{I data scientist di Strike, Jeongku Lim, Dmitry Bandurin e Bing Bu, sono tutti laureati in fisica sperimentale o elementare.}

Scienza dei dati per una migliore gestione del pubblico

Con le enormi quantità di dati che vengono create ogni secondo, i professionisti del marketing devono evitare risultati errati dovuti a pregiudizi intrinseci, set di dati incompleti o campioni troppo piccoli.

Uno scienziato dei dati comprende che il pubblico non è costruito esclusivamente sui dati demografici, ma è composto da persone con comportamenti, punti deboli e interessi diversi.

L'analisi dei dati di qualità incorpora indizi comportamentali da cookie, analisi web, contenuti generati dagli utenti e altre fonti di big data. Per costruire un pubblico dettagliato e utile, i data scientist uniscono grandi set di dati per consentire ai big data di formare segmenti che offrono una visione reale dei comportamenti dei loro clienti.

I segmenti di pubblico di qualità vengono verificati mediante test nelle campagne pubblicitarie e dipendono dall'attualità, dalla frequenza e dalla profondità dei dati.

Ricorda, la creazione del pubblico inizia con un'ipotesi basata su variabili e obiettivi noti. Ad esempio, il presupposto iniziale di una compagnia assicurativa potrebbe essere: individui che cercano un'assicurazione auto online, di età compresa tra 18 e 50 anni, che possiedono almeno un'auto. Un'ipotesi ben formulata restringe sufficientemente la tua analisi producendo risultati sufficienti per scoprire intuizioni comportamentali e motivazionali.

Scienza dei dati per una corretta modellazione dell'attribuzione

La corretta attribuzione del marketing, o la scienza per determinare quale messaggio ha guidato un acquisto, si basa sui dati sia di chi ha convertito sia di chi non ha convertito. Poiché questi dati possono essere molto grandi, è necessaria una modellazione avanzata per identificare e accreditare correttamente l'evento che ha portato alla conversione dell'utente.

Grazie a una tecnologia migliorata, come l'intelligenza artificiale, i marchi ora comprendono meglio il percorso di acquisto del consumatore. Con dati sufficienti, gli scienziati possono esaminare canali e dispositivi di marketing per migliorare i punti di contatto e potenziare la messaggistica.

Scienza dei dati per migliori offerte in tempo reale

I progressi nella segmentazione del pubblico e una più profonda comprensione degli eventi di conversione hanno portato alla pratica di RTB, un metodo per acquistare e vendere annunci. RTB consente di acquistare una singola impressione dell'annuncio contemporaneamente alla visita di un utente a un sito web.

Se hai mai guardato un prodotto su un sito Web, quindi sei passato a controllare il tuo feed sui social media, solo per vedere un annuncio per lo stesso prodotto, probabilmente hai sperimentato RTB attraverso un annuncio mirato.

Oppure, diciamo che hai comprato la tua prima casa e sei stanco di mangiare con piatti di plastica. Decidi di visitare Macy's online per cercare nuove posate. Non sei ancora pronto per l'acquisto, decidi di visitare Facebook per vedere cosa sta succedendo con la tua famiglia e i tuoi amici. Mentre scorri il tuo feed, vedi un annuncio con l'immagine esatta del piatto che stavi guardando.

RTB aumenta il processo di acquisto e consente il targeting diretto di singoli utenti. Per partecipare al processo, i data scientist devono avere accesso a grandi quantità di dati e possedere le giuste competenze per ordinare e recuperare informazioni utili per approfondimenti fruibili.

Dove è diretta la scienza dei dati

A volte, il campo della scienza dei dati sembra espandersi tanto rapidamente quanto l'universo che Bandurin, Bu e Lim hanno trascorso così tanti anni ad esplorare.

"La scienza dei dati continuerà ad aiutare diverse aziende a risolvere i problemi, rendendo le cose più automatizzate", afferma Bandurin. "Lo sviluppo di auto a guida autonoma è un esempio, ma anche l'automazione di altri veicoli, compresi gli aerei, giocare a scacchi, aiutare le persone con disabilità e veri androidi in tutte le sfere della vita umana".

Il risultato sarà un mondo completamente nuovo come lo conosciamo.