تبلیغات دیجیتال حباب بعدی اینترنت نیست – در اینجا دلیل آن چیست

هرچه چیزها بیشتر تغییر کنند ، بیشتر ثابت می مانند.

برای دهه ها ، بازاریابان در تلاش برای دستیابی به “جام مقدس” یا کمال بازاریابی بوده اند: رسیدن به یک فرد مناسب ، با یک پیام درست ، در زمان مناسب.

و در طول آن زمان ، نسل به نسل بازاریاب با همین درک به دست آمده اند.

آنچه از نظر تئوری ساده است در عمل به طرز دیوانه واری دشوار و از نظر مقیاس تقریباً غیرممکن است.

اما بعد از آنکه اکوسیستم تبلیغات راهپیمایی آهسته و تسلیم ناپذیری را به صورت آنلاین آغاز کرد ، همه چیز تغییر کرد (یا چیزی که فکر می کردیم).

به هر حال ، تبلیغات دیجیتال از محصولات قبلی برتر است.

این برنامه بر روی کوهی از داده های کاربر ساخته شده است ، بر همه جنبه های زندگی ما تسلط دارد و سطح کنترل دانه ای را برای هر تبلیغ دهنده فراهم می کند که نسل های قبلی فقط می توانستند رویای آن را ببینند.

تبلیغات رفتاری

هسته اصلی این انقلاب تبلیغات دیجیتال “تبلیغات رفتاری” است – روشی که در آن سیستم عامل های تبلیغاتی از هزاران (یا بیشتر) نقاط داده برای کاربران میکرو هدف استفاده می کنند ، و سپس می توانند پیام های فوق هدف و بیش از حد مرتبط را در ” “مهم است ،” برای گرفتن عبارتی از Google.

تبلیغات

ادامه مطلب را در زیر بخوانید

جام مقدس سرانجام در دسترس است.

تبلیغات رفتاری – فقط در چند سال اخیر – به عنوان اعتبار شناخته شده است:

  • تغییر نتیجه انتخابات ریاست جمهوری.
  • ساخت ده ها “تک شاخ”.
  • کمک به هزاران شرکت دیگر برای زنده ماندن از یک بیماری همه گیر نسل یک.

از آن بعنوان یک انقلاب تبلیغاتی یاد می شود – چیزی که برای همیشه تغییر در نگاه به تبلیغات و بازاریابی خواهد کرد.

اما، آیا این واقعا کار میکند؟

یا همه اینها فقط یک داستان است؟

تیم هوانگ (مدیر سیاست سابق گوگل) در کتاب پیش رو خود ، “بحران توجه فوق العاده” ، استدلال می کند که کل تجارت تبلیغات دیجیتال بر اساس یک سری تقلب ها بنا شده است ، که در صورت افشای آن می تواند اقتصاد دیجیتال را به زانو درآورد.

Wired اخیراً کتاب هوانگ را مرور کرده است – و این همان بررسی است که من این مقاله را بر اساس آن انجام می دهم.

همانطور که من آن را درک کردم ، بحث هوانگ چیزی شبیه به این است (همچنین ، این یک فرصت هیجان انگیز برای من است که می توانم آن دوره منطقی را از دانشگاه به خوبی استفاده کنم):

تبلیغات

ادامه مطلب را در زیر بخوانید

  1. تبلیغات دیجیتال به دلیل ترکیبی وحشتناک از داده های بد و اتلاف ، کلاهبرداری و سو abuse استفاده ، ارزش مورد ادعای خود را ارائه نمی دهد (به طور خاص: تبلیغات دیجیتال “کار نمی کند” و “بی ارزش” است).
  2. با این وجود ، مارک ها سالانه صدها میلیارد دلار برای تبلیغات دیجیتال سرمایه گذاری می کنند ، بنابراین قیمت تبلیغات علی رغم عدم افزایش متناظر در ارزش کلی کالای فروخته شده (تبلیغات دیجیتال) ، همچنان در حال افزایش است.
  3. سود حاصل از تبلیغات دیجیتال به رشد اقتصاد دیجیتال ، از محتوا / سایت های خبری گرفته تا تحقیقات پیشرفته در مورد هوش مصنوعی (AI) ، یادگیری ماشین و انرژی سبز دامن می زند.
  4. اقتصاد دیجیتال نقشی اساسی در سلامت کل اقتصاد دارد.
  5. اگر مارک ها متوجه (1) شوند ، تبلیغات آنلاین را متوقف می کنند.
  6. اگر (5) ، سپس (2) ، قیمت تبلیغات دیجیتال کاهش می یابد.
  7. اگر (6) ، پس سود ارجاع شده (3) دیگر وجود نخواهد داشت.
  8. بنابراین ، با (3) و (4) ، توقف تبلیغات دیجیتال می تواند تأثیرات گسترده و فاجعه باری بر اقتصاد جهانی گسترده داشته باشد.

استدلال هوانگ منطقی و منطقی به نظر می رسد.

اما (مثل همه چیز) همه چیز دقیقاً آنگونه که به نظر می رسد نیست.

بیایید هر مقدمه را بگیریم و بررسی کنیم – سپس به بحث کلی برگردیم.

آیا تبلیغات دیجیتال ارزشی را که ادعا می کند تحویل می دهد؟

یکی از مستاجران اصلی بحث هوانگ این مفهوم است که تبلیغات نمایش برنامه ای امروزی مانند وام های فرعی 2000 است که نقشی اساسی در رکود بزرگ 2008-2009 داشتند.

در حالی که شواهد زیادی وجود دارد که نشان می دهد تبلیغات دیجیتالی به اندازه ادعاهای گوگل ، فیس بوک ، توییتر ، مایکروسافت و آمازون موثر نیستند و انتساب (روند تقسیم “اعتبار” برای نتایج مثبت به کانال های کمک کننده) هنوز کدر است در بهترین حالت ، به راحتی نتیجه نمی گیرد که این تبلیغات “بی ارزش” هستند.

اما شاید این امر به دلیل یک سو mis تفاهم اساسی در مورد ارزش یک تبلیغ باشد ، برای شروع.

هوانگ ادعا می کند که ارزش یک تبلیغ “توجه قلمداد” کاربر است (که او ادعا می کند به اندازه امنیت سمی سال 2007 بی ارزش است) – من می گویم که تعریف ناقص است.

هنگام خرید یک تبلیغ دیجیتال ، این احتمال را دارید که تبلیغ به نتیجه مثبتی منجر شود که دارای ارزش (X) برای سازمان شما باشد.

به طور خلاصه: شما در حال خرید ارزش اقتصادی مورد انتظار (“EEV”) هستید.

با توجه به اینکه هر سازمان منحصر به فرد است ، نتایج مثبت مورد نظر بی نظیر هستند ، همچنین مقادیر اقتصادی ، تحمل ریسک و توابع چگالی احتمال مرتبط با آنها.

آیا همه تبلیغات یکسان هستند؟

قبل از ادامه کار ، بیایید مختصراً توضیح دهیم و یک نکته مهم را شرح دهیم: همه تبلیغات دیجیتال تبلیغات نمایش برنامه ای نیستند.

طبق آمار استاتیستا ، کل هزینه های تبلیغات برنامه ای در سال 2019 حدود 106 میلیارد دلار است.

اما این کمتر از یک سوم کل تبلیغات دیجیتال است که مبلغ 333.25 میلیارد دلار برای هر eMarketer است.

چه چیز دیگری آنجاست؟

همچنین وجود دارد:

  • جستجو در تبلیغات.
  • تبلیغات اجتماعی.
  • تبلیغات ویدیویی
  • معاملات بازار خصوصی.
  • تبلیغات خرید (آمازون ، والمارت ، کروگر و غیره).

تبلیغات

ادامه مطلب را در زیر بخوانید

هرکدام با چالش های خاص خود ، فرآیندهای هدف گذاری و پیشنهادات ، مجموعه اهرم های کنترل و سطح شفافیت / پاسخگویی همراه است.

اگر این خیلی فنی باشد ، نسخه ساده شده این است: تبلیغات (دیجیتال ، سنتی و غیره) مقادیر مختلفی برای سازمان های مختلف در زمان های مختلف ارزش دارند.

بنابراین ، ارزش یک تبلیغ چیست؟

و در اینجا تفاوت اساسی بین واحدهای آگهی و وامهای فرعی است – ارزش دارایی اساسی در هر مورد اساساً متفاوت است.

از یک طرف ، وام رهنی فرعی وام ، با ارزش تعیین شده (اصل اصل) ، بازده مورد انتظار (نرخ بهره) و ارزیابی شخص ثالث از ریسک (رتبه بندی) است.

Wired ، در مقاله های خود ، به همان اندازه یادداشت می کند – و نشان می دهد که مقایسه مناسب تر MBS با سهام گوگل و فیس بوک ، مقایسه مناسب تر است.

متأسفانه ، این مقایسه نیز کوتاه است – اگر دلیل دیگری غیر از قیمت سهام به ندرت (هرگز وجود داشته باشد) مبانی شرکت ها را در نحوه بازتاب قیمت MBS از ارزش دارایی های اساسی آنها (وام های رهنی که MBS تشکیل می دهند) منعکس می کند.

جایی که هوانگ درست است این است که کل اکوسیستم تبلیغات دیجیتال توسط زیرساخت گسترده و مات فن آوری پشتیبانی می شود ، که هزاران حراج در زمان واقعی را قادر می سازد تا تعیین کنند چه تبلیغاتی در چه صفحاتی به کدام کاربر نشان داده می شود ، همه در زمان واقعی نزدیک.

این (از بعضی جهات) شبیه چگونگی تسخیر تجارت الگوریتمی بر بخشهای بخش مالی است ، اما توجه به این نکته مهم است که فقط به این دلیل که چیزی الگوریتمی ، خودکار یا مات است لزوماً به معنای بد بودن آن است.

معنی این امر این است که برای اطمینان از عملکرد اتوماسیون مطابق آنچه انتظار می رود بررسی دقیق بیشتری لازم است.

این جنبه از اکوسیستم دیجیتال شایسته بررسی بیشتر است – به ویژه هنگامی که سیستم عامل ها با تهاجمی برای جلوگیری از شفافیت در این حراجی ها و نتایج آنها (از جمله آنچه نمایش داده می شود تبلیغات جستجو نشان داده می شود ، چه وب سایت هایی تبلیغات شبکه مخاطبان فیس بوک ارائه می شود ، و غیره). بسیاری از ما که در اکوسیستم تبلیغات دیجیتال و اطراف آن کار می کنیم ، از سیستم عامل ها خواسته ایم که شفافیت بیشتری داشته باشند ، نه کمتر – تماس هایی که سرانجام در مجلس و سنا ، و همچنین توسط نهادهای نظارتی در سراسر جهان تکرار می شود.

تبلیغات

ادامه مطلب را در زیر بخوانید

اما در مورد پسماند ، تقلب و سو Ab استفاده (WFA) چه باید کرد؟

شباهت دوم میان وامهای فرعی + تبلیغات دیجیتال که هوانگ به آن اشاره کرده است شیوع زباله ، کلاهبرداری و سو abuseاستفاده است – توسط سیستم عامل ها ، افراد متوسط ​​و سایر اشخاص ثالث (از جمله آژانس های تبلیغاتی).

نمونه های ذکر شده عبارتند از کلاهبرداری کلیک ، اتهامات مربوط به نمایش غیرقابل مشاهده ، علامت گذاری های ناشایست (بیش از 50٪) توسط آژانس ها. آگهی های تبلیغاتی که توسط آژانس ها از طریق هزینه مذاکره ای به صورت عمده خریداری می شوند ، سپس با اضافه هزینه های گزاف و بیشتر به مشتریان دوباره فروخته می شوند.

برای کسانی که با دنیای تبلیغات آشنا نیستند ، این موارد وحشتناک به نظر می رسند ، و موازی وهم انگیز “کوتاه بزرگ” به ذهن خطور می کند.

اما در حالی که هر یک از اینها (به نظر من) یک عمل تجاری غیربهینه است ، هیچ کدام جدید نیست.

کلاهبرداری کلیک مسئله رسمی است – و هوانگ درست است که این یک مشکل جدی است که اگر صنعت ما بخواهد به جلو حرکت کند باید آن را برطرف کند.

از زمان نگارش این مقاله ، معیارهای جهانی قابل قبولی برای شناسایی و حل تقلب در کلیک وجود دارد (و حتی وقتی مقررات یا پروتکل های جدیدی ارائه می شود ، به نظر می رسد بازیگران بدی مانند مزارع کلیک روش های جدیدی را برای دور زدن آنها کشف می کنند).

تبلیغات

ادامه مطلب را در زیر بخوانید

سیستم عامل ها ، از جمله گوگل و فیس بوک ، تلاش کرده اند تا این مسئله را حل کنند ، از جمله بازپرداخت هزینه تبلیغات تبلیغاتی برای تبلیغات تبلیغاتی کوچکتر ، به ویژه برای تبلیغ کنندگان کوچکتر.

فناوری تأیید کلیک طی چند سال گذشته به طور چشمگیری بهبود یافته است. با این حال تعداد بسیار کمی از آژانس ها آن را به طور پیش فرض ارائه می دهند و تعداد بسیار کمی از مارک ها نمی توانند آن را مطالبه کنند.

شکی نیست که تقلب در کلیک / تقلب در تبلیغات دیجیتال یک مشکل است ، اما به اندازه ای که هوانگ تصور می کند بزرگ نیست.

بر اساس eMarketer ، تأثیرات کلاهبرداری کلیک 6.5 تا 19 میلیارد پوند – یا 2 تا 6 درصد از کل اکوسیستم تبلیغات دیجیتال جهانی تخمین زده شده است.

در مورد برداشت های غیر مشاهده شده چطور؟

خوب ، این نیز نسخه جدیدی از یک مشکل قدیمی است. در نظر داشته باشید که تبلیغات تلویزیونی با استفاده از میزان بازدید تخمین زده شده (به عنوان مثال ، رتبه های Nielsen) با CPM خریداری یا به فروش می رسند.

در این رتبه بندی از داده های صفحه محاسبه شده برای تخمین تعداد افرادی که در یک زمان مشخص یک نمایش مشخص را تماشا می کنند استفاده می شود. اما همه آنها هستند. تخمین ها برآورد شده از داده های نمونه گرفته شده در یک زمان مشخص.

تبلیغات

ادامه مطلب را در زیر بخوانید

حتی اگر صحت کلی تخمین را نیز اعطا کنیم ، چه تعداد از ما در زمان تعطیلات تجاری ، و چشمان چسبیده به صفحه ، همچنان روی نیمکت نشسته ایم؟

آیا این وضعیت قابل مقایسه با تبلیغاتی نیست که هزینه آن پرداخت می شود ، اما هرگز دیده نشده است؟

به طور مشابه ، روزنامه ها تبلیغات را توسط خوانندگان قیمت گذاری می کنند ، اما اینها نیز تخمین می زند – و حتی اگر مشتری شما مقاله حاوی تبلیغات شما را باز کند ، احتمال اینکه فرد در واقع به صفحه A8 نگاه کند و آگهی خاص شما را بخواند ، چقدر است؟

همین امر در مورد بیلبوردها و تبلیغات رادیویی و تصرفات فرودگاه و حمایت های مالی استادیوم و بقیه موارد صدق می کند. به بیان ساده: برداشت های غیر مشاهده شده واقعیت هر شکل تبلیغات است. تنها تفاوت در این است که تبلیغات دیجیتال پتانسیل بهتر بودن را دارند – فقط هنوز آن را تحمل نکرده اند.

به همین ترتیب ، بسیاری از واحدهای تبلیغاتی سنتی با انواع مختلف قیمت گذاری “سایه” برای آژانس ها یا خریداران رسانه ارائه می شوند – از پورسانت های پرداخت شده به آژانس تا گسترش ناخالص / خالص تا بازپرداخت های مختلف (مجوزها ، اضافه سوارها ، عقب گردها ، معاملات حجم ، تخفیف ها ، و غیره.).

تبلیغات

ادامه مطلب را در زیر بخوانید

این عمل سالهاست که شناخته شده است و شناخته شده است.

و مانند موارد بالا ، آن را ناپسند می دانم.

لازم به ذکر است که توجه این موضوع بیشتر به شرکتهای هلدینگ و آژانسهای بزرگ معطوف می شود ، که در زمانی که سایر کارمزدها را تحت فشار قرار می دهند ، آن را به عنوان منبع درآمد جایگزین می دانند.

شرکت های هلدینگ آژانس برای چندین دهه در انواع مختلف آربیتراژ رسانه ای فعالیت داشته اند.

این جدید نیست

واحدهای آگهی تغییر کرده و ماهیت آربیتراژ تغییر کرده است (از “صفحات جلو” در روزهای تلویزیون به آربیتراژ فضای تبلیغاتی برنامه ای که امروز شاهد آن هستیم) اما اصول یکسان است.

من سالها استدلال کرده ام که این بخشهای تجارت تبلیغات نیاز مبرم به اصلاح دارند.

اما جدید نیستند

مارک ها بسیاری از این روش ها – از جمله CMO مارک های برجسته ای مانند Proctor & Gamble – را فرا گرفته اند که آنچه را که آموخته اند به صورت عمومی به اشتراک گذاشته اند.

مقاله پیشنهادی  تبلیغات Google Shopping در نتایج اصلی جستجو برای نمایش آزاد است

در حالی که این روشهای سایه در معرض دید قرار دارند و (امیدوارم) از رده خارج شوند ، لازم به یادآوری است که این معاملات تنها بخش کوچکی از خریدهای تبلیغاتی برنامه ای را تشکیل می دهد که خود بخش کوچکی از کل هزینه های رسانه را تشکیل می دهند.

تبلیغات

ادامه مطلب را در زیر بخوانید

هرچه چیزها بیشتر تغییر کنند ، بیشتر ثابت می مانند.

درباره داده های بد چه؟

هوانگ بار دیگر صحیح است که تبلیغات رفتاری به همان اندازه دقیق نیستند که بسیاری از فروشندگان + سیستم عامل ها به اعتقاد تبلیغ دهندگان دارند.

این برای هیچ کس در دنیای تبلیغات دیجیتال یا کسی که تبلیغاتی با هدف ضعیف دریافت کرده است تعجب آور نیست.

این امر به ویژه با توجه به کوههای داده ای که به الگوریتم های پیشنهادی پلتفرم تغذیه می شوند ، هر دو از این موارد صادق است.

  • ردیاب های دارای سیستم عامل (کوکی ها ، پیکسل ها ، برچسب ها ، داده های برنامه و موارد مشابه که فعالیت آنلاین را ضبط می کنند).
  • اشخاص ثالث و سایر تبلیغ کنندگان (داده ها از سیستم CRM برمی گردند + افزایش با سایر مجموعه های داده آفلاین و غیره).

این داده ها از نظر کیفیت ، دقت و ارتباط متفاوت هستند – و مخلوط کردن همه آنها با هم می تواند عواقب فاجعه باری برای صحت کلی داده ها به همراه داشته باشد.

به عنوان تشبیه ، در نظر بگیرید که اگر بخواهید عطر را با فضولات معطر مخلوط کنید چه اتفاقی می افتد – نتیجه این که هنوز است بسیار ناخوشایند خواهد بود.

همین اتفاق در داده های عالی با داده های ضعیف افزوده می شود.

تبلیغات

ادامه مطلب را در زیر بخوانید

و وقتی این داده های ضعیف وارد اکوسیستم های دیگر شود ، می تواند باعث آلودگی آن ها نیز شود.

پیچیده تر کردن واقعیت این واقعیت است که این فرآیند اغلب به صورت خودکار انجام می شود ، بسیاری از الگوریتم های یادگیری ماشین به اعتبار داده های وارد شده اعتماد می کنند و فرض می کنند که نمای کامل است (به عنوان مثال تمام داده های مربوطه در مجموعه قرار دارند).

هر دوی این موارد تقریباً هرگز درست نیستند – بنابراین بیشتر داده هایی که از طریق این الگوریتم ها عبور می کنند تا حدودی ناقص هستند.

به عنوان یک نتیجه عملی از این ، بسیاری از الگوریتم ها در هنگام افزایش هدف خرید کاربر کاملاً علامت گذاری می کنند ، اما در تعیین دقیق زمان سقوط آن وحشتناک هستند.

این امر منجر به شرایط ناخوشایندی می شود که در آن کاربر یک خرید مربوطه (به عنوان مثال کتری یا مایکروویو) را از طریق وب سایت انجام می دهد اما به طور مداوم برای روزها ، هفته ها یا ماه ها پس از خرید ، تبلیغات بیشتری برای کالاهای مشابه دنبال می شود.

گرچه این یک مثال خاص است ، اما نمایانگر مسئله گسترده تر است:

تبلیغات

ادامه مطلب را در زیر بخوانید

دلارهای تبلیغاتی در حال هدر رفتن (مستقیم یا غیرمستقیم) برای کاربرانی است که به سادگی دیگر با مارک مورد نظر ارتباطی ندارند و قصد خرید ندارند.

زن بدبین در من معتقد است که این کار عمدی است. به هر حال ، داشتن مخاطبان بیشتر “در بازار” مشارکت در حراج را گسترش می دهد و با این کار ، به نظر می رسد که سیستم عامل ها سود بیشتری کسب می کنند (پیشنهاد دهندگان بیشتر = پیشنهادات بالاتر = پول بیشتر برای سیستم عامل های تبلیغات).

این تکنسین در من معتقد است که: (i) تلفیق مجموعه داده های عظیم در زمان تقریباً واقعی ، که هر یک از آنها با کیفیت های مختلف تولید می شوند و (ii) سپس با تکیه بر آن مجموعه داده ها برای درک قصد و رفتار کاربر ، یک مشکل دیوانه وار دشوار است برای حل در خلا – – و در مقیاس و بدون اطلاعات کامل تقریباً غیرممکن است.

واقعیت احتمالاً جایی در این میان است ، برخی از سیستم عامل ها سعی در لعنتی خود دارند تا این معما را بشکنند و برخی دیگر راضی هستند که بی کار بنشینند و چک های مشتری / تبلیغ دهندگان را جمع کنند.

این روشی طولانی است که می توان گفت: بله ، برخی از داده های مورد استفاده برای هدف قرار دادن تبلیغات برنامه ای در درجه های مختلف پوسیدگی است – اما این لزوما مشکلی نیست.

تبلیغات

ادامه مطلب را در زیر بخوانید

همه داده ها خراب می شوند – از این هیچ گریزی نیست – س isال این است که سیستم عامل ها در حذف داده های پوسیده قبل از آلودگی بیشتر مجموعه داده ها چقدر موثر هستند.

از نظر من س relevantال مرتبط تر این است: آیا این مسئله واقعاً به همان اندازه که هوانگ پیشنهاد می کند مشکلی ایجاد می کند؟

از این گذشته ، در استدلال هوانگ ، داده های ناقص مانند انتقال مختصات بد به موشک تسلا است – فقط یک خطای کوچک برای ایجاد یک رونق بزرگ کافی است.

به نظر می رسد این اساساً نادرست است.

برای نشان دادن دلیل آن ، یک قیاس جایگزین را در نظر بگیرید: شرط بندی روی یک بازی رولت.

برای کسانی که با این بازی آشنایی ندارید ، قرار دادن یک دلار شرط مستقیم (شرط بندی روی توپ افتادن روی یک عدد مشخص – همه آنها 35: 1 پرداخت می کنند) در یک بازی رولت در ایالات متحده (38 فاصله – 18 قرمز ، 18 سیاه ، 2 سبز) با ارزش پیش بینی شده – 0.053 دلار (35 * (1/38) + (- 1 * (37/38)).

در کوتاه مدت ، می توانید یک دسته برنده شوید یا یک دسته پشت سر هم از دست دهید ، اما در بلند مدت ، هر بار که یک دلار روی یک عدد خاص شرط می گذارید ، احتمالاً حدود یک نیکل ضرر خواهید کرد.

تبلیغات

ادامه مطلب را در زیر بخوانید

از قضا ، نرخ برخورد با یک شرط مستقیم مستقیم تقریباً با نرخ متوسط ​​تبدیل آنلاین (2.6 ~)) برابر است ، و این تشبیه را مناسب تر می کند.

بنابراین ، داده ها از کجا وارد می شوند؟

داده ها – حتی داده هایی با کیفیت متوسط ​​- می توانند کمک کنند برداشتن با فیلتر کردن افراد غیر برنده ، از چرخ رولت فاصله بگیرید.

حتی حذف یک فضای واحد ، افت ارزش مورد انتظار را به نصف کاهش می دهد.

فقط یک چهارم تابلو را حذف کنید (9 فاصله) ، و از از دست دادن 0.053 دلار در هر بازی به سود 0.25 دلار در هر چرخش تبدیل شده اید.

داده های بد در حذف فضاهای بد کمتر قابل اعتماد هستند (و ممکن است برخی از برندگان را نیز حذف کند).

داده های عالی در از بین بردن فضاهای بد مخاطبان کارآمدتر و م effectiveثرتر هستند.

آیا تبلیغات دیجیتالی هرگز قادر خواهند بود چرخ رولت ما را فقط در یک فضای واحد که توپ قرار دارد ، محدود کنیم؟

مقاله پیشنهادی  "داستانهای برتر" Google برای نمایش بیشتر از فقط صفحات AMP است

نه

صرف نظر از آنچه هر بازاریاب به شما می گوید ، همیشه یک نتیجه خوب در یک نتیجه مثبت وجود دارد.

اما تا زمانی که داده های شما برای حذف حتی کسری از افراد غیر برنده به اندازه کافی خوب باشد ، شما ارزش پیش بینی شده تبلیغات خود را به نفع خود تغییر می دهید.

تبلیغات

ادامه مطلب را در زیر بخوانید

در مورد خانه کارت های ایجاد شده توسط سود تبلیغات دیجیتال چه می توان گفت؟

قسمت بعدی بحث هوانگ (و این قسمت انجام یک کار است بسیار کار) به این معناست که وقتی مارک ها متوجه می شوند که در مورد تبلیغات دیجیتال چه اتفاقی می افتد ، آنها هزینه های خود را صرف می کنند و یک واکنش زنجیره ای را شروع می کنند که خطوط اصلی نه تنها بخش فناوری تبلیغات ، بلکه اقتصاد دیجیتال گسترده را از بین می برد.

روزنامه ها بدون خونریزی یعنی درآمد آگهی سقوط می کنند.

شرکت های نوپا و سازندگان بدون توانایی کسب درآمد از محتوای خود از طریق تبلیغات بنری ، شکست خواهند خورد.

هیاهو عالی سلطنت می کند.

به نظر من ، این هم خنده آور است و هم آشکارا نادرست است.

برای اولین بار ، مارک ها تبلیغات را متوقف نمی کنند ، حتی اگر داده هایی به آنها نشان داده شود که انجام این کار منجر به بهبود قابل توجهی در خط مشی کسب و کار می شود.

برای دیگری ، بیشتر سیستم عامل های آنلاین ، سازندگان محتوا و شرکت های نوپا چندین روش برای کسب درآمد از مخاطب دارند – یکی از آنها تبلیغات است.

موارد دیگر عبارتند از:

  • خدمات اشتراک (روزنامه ها اخیراً این مورد را پذیرفته اند).
  • مدل های فریمیوم.
  • حمایت مالی مستقیم / معاملات خصوصی (به عنوان مثال ، قراردادهای تأثیرگذار ، معاملات بازار خصوصی ، معاملات مستقیم).
  • لینک های وابسته
  • تجارت الکترونیکی مستقیم

تبلیغات

ادامه مطلب را در زیر بخوانید

و اگر همه اینها را غیرقابل قبول می دانید ، همیشه یک تاریخ وجود دارد: هر زمان که یک پلتفرم به شهرت برسد (چه در دنیای واقعی و چه در دنیای مجازی) ، مشاغل مایل به پرداخت حق بیمه برای دستیابی به آن افراد هستند.

امروزه این سیستم عامل ها آنلاین هستند – و بیش از هر زمان دیگر ، مردم برای جستجوی همه چیز از تحقیق و کشف محصول گرفته تا خرید ، مدارس ، اشتغال و موارد دیگر به اینترنت روی می آورند.

طبق آمار اخیر:

  • به طور متوسط ​​بزرگسالان ایالات متحده حدود 451 دقیقه (تقریباً یک روز کاری کامل) با رسانه های دیجیتال می گذرانند.
  • کاربر عادی تلفن های هوشمند هر روز بیش از 2600 بار تلفن خود را لمس می کند.
  • 87٪ خریدها با جستجوی اینترنتی شروع می شود.

مرکز اینترنت در زندگی ما هر روز که می گذرد در حال افزایش است – و (مثل همیشه) ، مارک ها همچنان برای کسب فرصتی برای جلب توجه جزئی از توجه ما در حالی که آنجا هستیم ، به رقابت ادامه می دهند.

اما اگر هوانگ صحیح باشد چه باید کرد؟

حتی اگر هوانگ درست باشد و حتی اگر کل صنعت برنامه ریزی 106 میلیارد دلاری یک شبه به صفر برسد ، ضرر آن رکود اقتصادی بزرگ یا چیزی نزدیک به آن نخواهد داشت.

تبلیغات

ادامه مطلب را در زیر بخوانید

سهام غول های فناوری تبلیغاتی مانند Google و فیس بوک مطمئناً در کوتاه مدت احساس فشار خواهد کرد ، اما بلند مدت ، آنها آنچه را که همیشه انجام داده اند انجام می دهند: پیدا کردن راه هایی برای استفاده از داده های خود + مخاطبان برای درآمدزایی برای سهامداران خود.

در حالی که 106 میلیارد دلار به نظر می رسد یک رقم بزرگ است (و از نظر عینی یک است بسیار ) ، لازم به ذکر است که بانک ها از سال 2005-2007 5-10 برابر این تعداد وام مسکن اضافی را رزرو کرده اند (و مقدار زیادی قبل از آن) ، با اندازه بازار MBS که به 10 تریلیون دلار افزایش می یابد – حدود 40٪ از کل بازار اعتبار جهانی مصرف کننده – بین MBS ، CDO ، CDO مصنوعی ، CDO-Squared و اوراق بهادار مرتبط تا سال 2007.

صنعت برنامه نویسی یک افت در ضرب المثل نسبت به بازار اعتبار مصرف کننده است – و یکی با مرکزیت بسیار کمتر در سیستم مالی جهانی.

بنابراین ، این کجا ما را ترک می کند؟

با بازگشت به بحث اولیه ، کاملاً واضح است که هوانگ در مورد (1) ، (2) و (3) اشتباه می کند – و وقتی این مقدمات از کار می افتند ، نتیجه گیری دیگر منطقی نیست.

تبلیغات

ادامه مطلب را در زیر بخوانید

خبر خوب ، جلوگیری از بحران!

اما چیزهای دیگری در داستان وجود دارد که فقط یک پسر با تز ناقص است.

در حالی که فکر می کنم ادعای هوانگ مبنی بر اینکه بازار تبلیغات دیجیتال مشابه بازار مسکن فرعی است اساساً نادرست است + کاملاً غلط ، اما برهان هایی از حقیقت وجود دارد که شایسته بررسی ، بحث و گفتگو است.

همه داده های تبلیغات دیجیتال دقیق ، قابل اعتماد یا مفید نیستند.

بسیاری از سیستم عامل ها بیش از حد مات و خودکار هستند ، و مانع توانایی تبلیغات در کنترل هزینه های خود و محل ارائه تبلیغات می شود.

بعلاوه ، تبلیغات برنامه ای (و بطور کلی تبلیغات دیجیتال) از نقایص تبلیغات سنتی در امان نیستند – و حتی برخی از نقایص مربوط به خود را دارند (مانند کلاهبرداری کلیک).

برای هیچ یک از ما که در تبلیغات دیجیتال کار می کنیم ، پوشیده نیست که شفافیت لازم است – هم از طریق سیستم عامل ها و هم از طرف تبلیغ کنندگان.

برای بسیاری از خوانندگان مجله موتور جستجو ، من در این مورد گروه کر را تبلیغ می کنم – اما تکرار می شود.

تبلیغات

ادامه مطلب را در زیر بخوانید

من صمیمانه امیدوارم که کتاب آقای هوانگ توجه بیشتری به این موارد داشته باشد – و مارک های بیشتری را برای بررسی دقیق برنامه های رسانه های دیجیتال ، خرید و گزارش اثربخشی تحریک کند.

اما آیا هیچ یک از این موارد به این معنی است که فناوری تبلیغات دیجیتال حباب بعدی اینترنت است؟

به ندرت.

تبلیغات دیجیتال کامل نیست.

به طور کلی ، با گذشت زمان (بیشتر) در حال بهبود است – بیشتر به دلیل ایجاد بسترهای اطلاعاتی بزرگ ، دقیق تر و کاملتر در سیستم عامل های تبلیغاتی تبلیغاتی (که با مجموعه ای از موضوعات خاص خود ، که کرک ویلیامز در اینجا بحث کرد) همراه است.

در مسیر بهبود تبلیغات دست اندازهای زیادی وجود داشته است و موارد بیشتری وجود خواهد داشت.

تنها امید من این است که ، همانطور که از آنها عبور می کنید ، گودال Grand Canyon را اشتباه نگیرید ، همان کاری که آقای هوانگ در کتاب اخیر خود انجام داده است.

منابع بیشتر: