Le audience comportamentali stanno determinando la fine dei target socio-demo? Il tema è stato affrontato da Beintoo – Mobile Data Company che opera su scala globale, con sedi a Milano, Roma, Londra, New York e Shanghai – in occasione di Iab Forum, nel corso di una tavola rotonda che ha coinvolto Roberto Dragone, Head of Programmatic and Data per Mediamond, Adriana Ripandelli, Chief Operating Officer di Mindshare e Marco Storti, Head of Digital Marketing & Sales di Sky Italia. Dal confronto sono emersi in particolare vantaggi e nuove sfide in termini di disponibilità, sorgenti, qualità, pricing e strumenti di post valutazione.
Un’analisi sul comportamento di acquisto del panel di utenti Beintoo su due case history concrete (automotive e fashion), ha permesso di capire come, affidandosi ai soli dati socio-demografici, si corra il rischio di perdere fette importanti di audience che, analizzando dati geocomportamentali, risultano invece interessati al brand (e viceversa, come si finisca per colpire segmenti, individuati per età o genere, che non lo sono per niente).
La scelta di Audience profilate, rispetto il target socio-demo, permette una migliore ottimizzazione delle campagne? Beintoo ha analizzato oltre 50.000 device ID all’interno del panel BeAudience al fine di rispondere alle seguenti domande:
– Le caratteristiche dei clienti di un brand sono demograficamente più sofisticate di una divisione M/F + 6 fasce d’età?
– Gli utenti con caratteristiche rientranti nel target di un brand sono sempre realmente interessati ai loro prodotti durante un dato arco di tempo?
Partendo da una case history nel comparto automotive, in cui il target definito dal cliente corrisponde a un pubblico maschile di età compresa tra i 30 e i 54 anni, è emerso come, in realtà, il brand abbia un’importante fetta (28%) di potenziali clienti interessati ai propri prodotti anche nelle fasce di età escluse – in particolare: l’8% delle persone interessate al brand ha tra i 18 e i 24 anni, il 16% è nel range 55-64 anni e il 4% ha più di 65 anni. Lo stesso succede considerano la suddivisione di genere, dove emerge che tra gli utenti interessati al brand, ben il 32% sono donne.
Inoltre, solo il 20% degli utenti in target conserva un reale interesse per l’acquisto dopo 60 gg dalla prima associazione, recandosi effettivamente in concessionaria: da questo dato emerge come la profilazione dell’audience non possa prescindere dal considerare dati in tempo reale e non solo dati socio-demo statici (è evidente che un utente nel target definito dal cliente non può essere sempre interessato a un prodotto automotive, soprattutto se ad esempio, ha da poco effettuato un acquisto).
La seconda case history ha analizzato una campagna per un cliente fashion, con l’obiettivo di colpire un pubblico femminile tra i 25 e i 44 anni. Anche in questo caso è emersa una porzione importante (50%) di clienti interessati al brand esclusi dalla sola profilazione socio-demo, tra cui un 12% appartenente alla fascia 18-24, un 23% tra i 45 e 54 anni, un 10% nella fascia 55-64 e un 5% tra gli over 65. Sul piano della profilazione di genere, un sorprendente 44% degli utenti interessati, ma esclusi dal target, sono uomini – probabilmente partner che cercano un regalo o che accompagnano mogli o fidanzate nel punto vendita.
“I dati socio-demo non sono più un parametro sufficiente se considerato a sé stante. La tecnologia ha spinto l’utilizzo dei dati per permettere agli advertiser di tracciare meglio il customer journey e proporre un’offerta più profilata in base ai comportamenti dell’utente. Se fino a poco tempo fa convivevano tre tipi differenti di dati – socio-demo, geocomportamentali e dati su intenzioni di acquisto – oggi è possibile e necessario integrare sempre meglio queste informazioni, per arrivare a veicolare il messaggio in modo sempre più rilevante, riducendo al minimo le dispersioni di budget, in un’ottica di crossmedialità.”, ha dichiarato Andrea Campana, CEO di Beintoo.
Il dibattito con agenzie e clienti ha permesso di evidenziare anche alcuni aspetti legati ai dati comportamentali che rappresenteranno le prossime sfide per il 2018 e per gli anni a venire.
Dal momento che ogni individuo non è inquadrabile in un preciso profilo, ma possiede caratteristiche molto fluide e mutabili da un giorno all’altro, i dati non-sociodemo non sono standardizzabili e quindi non è semplice realizzare benchmark da proporre al mercato.
I dati più affidabili sono quelli di prima parte, ma non tutti i player hanno sviluppato internamente un propria tecnologia per raccogliere e fornire questo importante asset: questo finisce inevitabilmente con l’avvantaggiare i “big” (Facebook, Google, ecc) generando un problema di concorrenza e quindi di prezzi
La trasparenza del dato è un parametro fondamentale e certificarne provenienza e freschezza ha un costo, ma sarà necessario per differenziarsi dai grandi player, che offrono dati di qualità e in grande quantità
La qualità del dato si rifletterà necessariamente sul pricing, vista la crescente importanza che questo sta acquisendo e alle sue caratteristiche di maggiore trasparenza e misurabilità, anche in termini di ROI. In un futuro prossimo il “costo per outcome” potrà sostituire la logica del CPM
