Cum cercetătorii de date pot îmbunătăți publicitatea pe rețelele sociale

Știința datelor explodează – ceea ce este natural, având în vedere cultura noastră în continuă schimbare și capacitatea de a învăța orice în mâna degetelor noastre care se mișcă rapid.

Luați în considerare, de exemplu, că în următorul an sau cam așa ceva, internetul va fi atins cel de-al 5-lea utilizator. Între timp, oamenii vor efectua aproximativ 1,2 trilioane de căutări pe Google pe an pentru a accesa cele peste 1 miliard de site-uri web de pe internet.

Cu fiecare căutare pe Google (și cu alte astfel de activități pe internet), este creată o amprentă de date, plină cu informații despre interesele, comportamentele și datele demografice ale utilizatorului. Asta înseamnă că lumea înoată în date. Prin urmare, multe firme de martech, inclusiv Strike Social, trebuie să se bazeze pe inteligența cercetătorilor de date pentru a identifica ce informații sunt utile și ce ar trebui aruncate.

Regândirea imposibilului cu știința datelor

Oamenii de știință de date sunt adesea cei care pun întrebările mari la care pot părea imposibil de răspuns. Curiozitatea lor le permite, de asemenea, să dezvolte noi modele în fruntea tehnologiei. Ei realizează acest lucru prin experimente structurate, cum ar fi restructurarea parametrilor sau combinarea diferitelor seturi de date.

Nu este de mirare că mulți cercetători de date provin din medii academice, cu diplome avansate în domenii precum biologia sau fizica.

^{Oamenii de știință de date de la Strike Bing Bu, Dmitry Bandurin și Jeongku Lim lucrează la sediul companiei din Chicago.}

Acesta din urmă este exact cazul trio-ului de cercetători ai datelor de la Strike Social - Dmitry Bandurin, Bing Bu și Jeongku Lim - care dețin toți doctori în fizică experimentală sau elementară (adică studiul blocurilor de bază ale materiei și ale acestora). interacțiuni). Înainte de a se alătura Strike, Bandurin, Bu și Lim au fost oameni de știință care s-au concentrat pe spargerea particulelor elementare din interiorul marilor ciocnitori pentru a înțelege universul.

Acum, ei preiau lumea rețelelor sociale plătite.

În calitate de Senior Data Scientist al Strike, Bandurin își atribuie experiența de cercetare abilitatea de a regândi ceea ce este posibil cu datele mari. Și este obișnuit să lucreze cu date reale, experimentale, pentru a produce rezultate noi.

„Nu este niciodată la fel și se schimbă mereu”, spune el.

Bandurin, Bu și Lim sunt toți de acord că oamenii de știință din date au nevoie de abilități matematice și analitice puternice, precum și de abilități de programare pentru a avea succes în valorificarea puterii AI pentru rețele sociale plătite.

Deci, cum arată exact o zi medie pentru ei? Bandurin estimează că întâlnirile îi ocupă aproximativ 25-30% din timp, iar alte 10% lucrează cu dezvoltatorii sau discută despre noi descoperiri cu echipa de știință a datelor. În restul timpului, acești oameni de știință se concentrează pe testarea și dezvoltarea modelelor, apoi implementându-le în coduri prototip.

Bu spune că îi place, de asemenea, să rezumă munca din fiecare zi și să-și planifice programul pentru următoarea zi, săptămâna sau chiar o lună în cazul în care îi iese un proiect pe termen lung.

Cum pot oamenii de știință de date să îmbunătățească rețelele sociale plătite

Clusterele create prin modelare complexă îi ajută pe oamenii de știință de date să își testeze rezultatele în campanii de publicitate gestionate. Oamenii de știință de date și echipele media de la Strike lucrează împreună pentru a dezvolta micro-campanii care permit testarea discretă a combinațiilor de date. Atunci când o combinație îndeplinește sau îndeplinește indicatorii cheie de performanță, cheltuielile publicitare sunt realocate de la seturi de anunțuri cu performanțe slabe către cele mai mult vizate.

Rezultatele campaniei sunt apoi reintroduse în mixul de date, unde oamenii de știință de la Strike continuă să perfecționeze modelele statistice pentru a îmbunătăți performanța în mod repetat.

Procesul continuu de cercetare, modelare și testare nu se oprește niciodată în lumea analizei datelor – și nici nu se poate opri, deoarece datele sunt în continuă schimbare. Când oamenii cresc, își câștigă interese și renunță la vechile obiceiuri. Cultura evoluează și ea, așa cum o demonstrează metodele de comunicare îmbunătățite.

Cu tehnologia, tehnicile perfecționate de-a lungul anilor sunt acum eclipsate în câteva luni, cum ar fi ritmul accelerat de învățare disponibil cu AI.

„Având în vedere creșterea exponențială a utilizării smartphone-ului, smart TV-ului și a altor dispozitive electronice avansate, colectarea de informații individualizate este realizabilă, ceea ce va permite livrarea dedicată a reclamelor individualizate”, spune Bu. „În viitor, rețeaua va fi mai ieftină, iar acoperirea utilizării va deveni mai largă, astfel încât publicul pentru anunțurile video va crește rapid.”

Fără mințile curioase ale cercetătorilor de date de la Strike – și angajamentul lor neînfricat față de experimentarea datelor – progresele tehnologice ale AI nu ar fi posibile.

Iată cum munca lor schimbă publicitatea pe rețelele sociale.

^{Oamenii de știință de date de la Strike, Jeongku Lim, Dmitry Bandurin și Bing Bu, dețin toți doctori în fizică experimentală sau elementară.}

Știința datelor pentru o mai bună gestionare a audienței

Având în vedere cantitățile masive de date create în fiecare secundă, agenții de marketing trebuie să controleze rezultatele greșite din părtiniri inerente, seturi de date incomplete sau eșantioane prea mici.

Un om de știință de date înțelege că publicul nu este construit doar pe criterii demografice, ci este compus din persoane cu comportamente, puncte de durere și interese diferite.

Analiza datelor de calitate încorporează indicii comportamentale din cookie-uri, analize web, conținut generat de utilizatori și alte surse de date mari. Pentru a construi audiențe detaliate și utile, oamenii de știință din date combină seturi mari de date pentru a permite datelor mari să formeze segmente care oferă o perspectivă reală asupra comportamentelor clienților lor.

Segmentele de public de calitate sunt verificate prin testare în campaniile publicitare și depind de recentitatea, frecvența și profunzimea datelor.

Amintiți-vă, crearea publicului începe cu o ipoteză bazată pe variabile și obiective cunoscute. De exemplu, ipoteza inițială a unui transportator de asigurări ar putea fi: persoane care caută asigurare auto online, cu vârsta cuprinsă între 18 și 50 de ani, care dețin cel puțin o mașină. O ipoteză bine formulată vă restrânge suficient analiza, oferind în același timp suficiente rezultate pentru a descoperi perspective comportamentale și motivaționale.

Știința datelor pentru modelarea corectă a atribuirii

Atribuirea corectă de marketing, sau știința de a determina ce mesaj a determinat o achiziție, se bazează pe datele atât de la cei care convertesc, cât și de la cei care nu fac conversie. Deoarece aceste date pot fi foarte mari, este necesară modelarea avansată pentru a identifica și credita corect evenimentul care a dus la conversia utilizatorului.

Datorită tehnologiei îmbunătățite, cum ar fi AI, mărcile înțeleg acum mai bine calea consumatorului de a cumpăra. Cu suficiente date, oamenii de știință pot căuta canalele și dispozitivele de marketing pentru a îmbunătăți punctele de contact și a îmbunătăți mesajele.

Știința datelor pentru o licitare mai bună în timp real

Progresele în segmentarea publicului și o înțelegere mai profundă a evenimentelor de conversie au condus la practicarea RTB, o metodă de cumpărare și vânzare de anunțuri. RTB permite achiziționarea unei afișări individuale de anunț simultan cu vizita unui utilizator pe un site web.

Dacă v-ați uitat vreodată la un produs de pe un site web, apoi ați făcut tranziția pentru a verifica fluxul de rețele sociale, numai pentru a vedea un anunț pentru același produs, probabil că ați experimentat RTB printr-un anunț direcționat.

Sau să zicem că ți-ai cumpărat prima casă și te-ai săturat să mănânci din farfurii de plastic. Decizi să vizitezi online Macy's pentru a căuta noi tacâmuri. Nu sunteți încă gata să cumpărați, vă decideți să vizitați Facebook pentru a vedea ce se întâmplă cu familia și prietenii dvs. În timp ce parcurgeți feedul dvs., vedeți un anunț cu imaginea exactă a farfurii pe care tocmai o vizualizați.

RTB mărește procesul de cumpărare și permite direcționarea directă a utilizatorilor individuali. Pentru a participa la proces, oamenii de știință în domeniul datelor trebuie să aibă acces la cantități mari de date și să dețină expertiza potrivită pentru a sorta și a prelua informații utile pentru a obține informații utile.

Unde se îndreaptă știința datelor

Uneori, domeniul științei datelor pare să se extindă la fel de repede ca universul pe care Bandurin, Bu și Lim l-au explorat atâția ani.

„Știința datelor va continua să ajute diferite companii să rezolve probleme, făcând lucrurile mai automatizate”, spune Bandurin. „Dezvoltarea mașinilor cu conducere autonomă este un exemplu, dar și automatizarea altor vehicule, inclusiv avioane, jocul de șah, ajutorarea persoanelor cu dizabilități și adevărații androizi în toate sferele vieții umane.”

Rezultatul va fi o lume complet nouă așa cum o cunoaștem.