Три мифа о цифровом маркетинге

Некоторые распространенные мифы о цифровом маркетинге повторяются так часто и так много людей, что в конце концов мы склонны предполагать, что они верны. Как и в популярной культуре, это всегда было и всегда будет.

Однако иногда есть способ остановиться и более внимательно поразмыслить над этими мифами, и то, что появляется, часто позволяет вам поднять планку ваших маркетинговых стратегий на новый уровень.

Итак, вот три мифа о цифровом маркетинге, которые мы должны развенчать в этом году …

Миф 1: Производство видео медленное и дорогостоящее

Эксперты по маркетингу понимают, что они должны адаптировать и оптимизировать креативные ресурсы к конкретным характеристикам платформы, на которой будут использоваться видеоролики.

Миф отрасли заключается в том, что создание видеороликов таким способом является дорогостоящим и трудоемким. Вы должны нанять режиссера и отличную команду, которые должны снимать какое-нибудь гламурное место, принося с собой свое дорогое оборудование. Прежде чем перейти к постпродакшну, потребуется много месяцев и много денег. Итоговая работа, какой бы красивой она ни была, должна транслироваться повсюду – в формате, подходящем для всех каналов, – без времени или ресурсов для какой-либо адаптации или настройки.

На самом деле, создание видео не обязательно должно быть таким. Вместо этого можно создавать цифровые видеоролики быстрее, дешевле и эффективнее.

Например, для запуска Google Home Hub мы взяли базовое видео и запустили его с помощью инструмента под названием Directors Mix, который позволяет создавать персонализированные видеоролики в больших масштабах. В итоге мы создали 80 версий рекламы, каждая из которых адаптирована к разному контексту.

Миф 2: чем больше у вас данных, тем лучше!

В цифровом маркетинге мы собираем все типы данных, чтобы понять, будут ли работать наши творческие и мультимедийные стратегии. Мы можем видеть, сколько времени кто-то потратил на просмотр видео, как далеко кто-то прокрутил страницу вниз или сколько посетителей покинули наш сайт. И этот список можно продолжать и продолжать.

Но на самом деле только потому, что вы можете что-то измерить, означает ли это, что вы должны это сделать? Мы поняли, что даже когда дело доходит до данных, “меньше значит больше”.

Когда мы проверили анализы, которыми поделились с нашим руководством маркетинговые команды Google, мы обнаружили, что вместе мы сообщаем о 70 различных показателях по всему миру. Как мы ожидали, что наши руководители и вице-президенты будут принимать согласованные решения, сравнивая одну кампанию или стратегию с другой, когда наши команды не говорят на одном языке?

Мы сократили все эти данные до шести релевантных показателей. Почему это число? Потому что мы проводим два типа кампаний: бренд и производительность. Во всех этих кампаниях мы беспокоимся о трех вещах: привлекаем ли мы внимание людей, как они ведут себя в ответ и каков результат.

Итак, теперь, вместо того, чтобы тонуть в показателях, у нас есть только один для каждого из результатов, которые мы заинтересованы в измерении.

Миф 3: людей заменяют машины

“Рекламодателям в эпоху машинного обучения и искусственного интеллекта легко представить себя в эпическом противостоянии с машинами”, — написал Бен Джонс в прошлогодней статье Think with Google.

Эти мифы о цифровом маркетинге, порождающие страх, что машины заменят нас, являются нормальными и, конечно, не ограничиваются сектором маркетинга. Но страх необоснован. Вместо этого, как мы обнаружили в ходе наших экспериментов в прошлом году, необходимо понять, какие задачи машины выполняют лучше, чем мы, и позволить им работать, тем самым предоставляя людям свободу делать то, что они действительно умеют делать уникальным способом: интуитивно, вдохновлять и проявлять творческий подход.

Любому, кто не является математиком, потребовалась бы буквально целая жизнь, чтобы понять, что это значит. Но даже самым аналитичным людям потребуется некоторое время, чтобы решить эту проблему вручную, поэтому CLV обычно рассчитывается только каждые шесть месяцев.

Чтобы выполнить эту операцию намного быстрее, мы обратились к машинному обучению и использовали инструмент под названием TensorFlow. Мы перешли от доступа к CLV каждые шесть месяцев к прогнозируемой потребительской ценности 2000 (pLV) в день. Это позволило нам регулярно оптимизировать и обновлять нашу стратегию показа рекламы.

Машины также могут сэкономить нам время в области рекламного творчества. Например, мы смогли использовать интеллектуальную креативную технологию для оптимизации показа и поиска рекламы в режиме реального времени на основе того, как на них реагируют люди.

Формат значительно превзошел устаревшие статические показы и поисковые объявления, которые мы используем уже более десяти лет.

Компьютеры хорошо спроектированы для принятия таких ручных решений. Так что пусть они выполняют эту работу, оставляя нам возможность сосредоточиться на том, что машины не могут сделать.

Яндекс.Метрика