広告業界は、常に最新のトレンドに追われています。マーケターとその代理店は、一日の大半をその創造に費やしているのだから、これは驚くことではない。しかし、広告業界でここ数カ月、プログラマティック・バイイングほど話題を呼んだものはないだろう。テクノロジーを駆使した自動購入にルールを適用することで、広告在庫をより効率的に購入できるため、マーケティング担当者は垂涎の的となっています。プランニング 世界最大の広告主の中には、今後1年間でデジタル広告費の75%をプログラマティック・バイイングに移行させると報じられているところもあり、彼らは口先だけでお金をつぎ込んでいる。
それは、プログラマティックに購入されたブランド広告の効果をどのように測定するかという問題です。ダイレクトレスポンス広告の場合、これはかなり簡単です。長年採用されてきた活動ベースの測定(例えば、クリックスルー、ビュー)がまだ適用でき、プログラマティックプラットフォームとトレーディングデスクは、それらをマーケターのワークフローにシームレスに統合する素晴らしい仕事をしました。しかし、ブランド広告はより複雑で、従来の効果測定(キャンペーンの到達範囲-誰が広告を見たか、共鳴-どれだけ効果的に関与したか、反応-何を反応したか)には、結果の確立と解釈においてより多くの手作業が必要で、これらはすべて、プログラマティックバイイングがそもそももたらす効率性を打ち消す可能性があるからです。
プログラマティック・バイイングを行うブランド広告主は、アルゴリズムに任せて、より定期的な効果測定の事後チェックにシフトしたいという強い誘惑に駆られる。結局のところ、プラットフォームやトレーディングデスクのアルゴリズムによって、マーケティング担当者が購買決定時に適切なオーディエンスにリーチできるのであれば、購買後の測定はどれほど重要なのでしょうか?例えるなら、もしあなたが100万台目の自動運転車を与えられたとして、それ以前の車が1台もクラッシュしなかったとしたら、あなたは本当にずっとバックミラーを見つめ、目的地まで乗せてくれるその車がどれだけうまく機能しているかを評価するだろうか?
なぜなら、プログラマティック・バイイングは、メディア・バイイングの効率を高め、その有効性を事後的に確認するために多くの投資をする必要がなくなるからです。しかし、これは欠陥のある考え方であり、マーケティング担当者のキャンペーンの成功を危うくする可能性があります。中核となるブランド目標に焦点を当てた、健全で独立した測定は、プログラマティックな購入環境において、プログラマティックではない環境と同じぐらい重要です。
これにはいくつかの理由がある。
第一に、高度な視聴者識別が購入後の測定のリーチ要素を多少重複させることに同意するとしても、上記の理由から、プログラマティック購入は、キャンペーンの「共鳴」と「反応」の側面を確認することはできません。これは、ブランド広告とダイレクトレスポンス広告の違いが如実に現れるところです。広告に接触した人は、その広告を覚えているのでしょうか?広告そのものは覚えていても、そのメッセージは覚えているのか?それは彼らが別の方法で広告の製品やブランドを考えるニールセンについて に影響を与えるか?彼らは最終的に購入する可能性が高いですか?彼らは、その製品の市場にいる人のプロファイルに適合しているかもしれませんが、一度露出した後にそれを購入したのでしょうか?共鳴や反応に関する質問を無視することは、瓶に入った(バーチャルな)メッセージを送るようなものです。おそらく、あなたは意図した受信者の方向にそれを投げていますが、あなたのメッセージが実際にどのような効果をもたらしているのかを知る術はないのです。
第二に、リーチ目標の達成におけるプログラマティック・バイイングの高い有効性を示すニールセンについて の主張が、一様に信頼できるものであるとは到底言い切れない。プログラマティック・バイイングは、その初期の有望性から、それ以前の多くのホットな広告トレンドと同様に、テクノロジー企業、代理店、広告ネットワーク、優位性を求める出版社など、多くのプレイヤーを引きつけている。これは、プログラマティックモデルを、単に広告をアルゴリズムで指示するためではなく、スケールを構築するために作成するという事実の、避けられない問題です。そうすると、必然的にある程度の精度を犠牲にすることになります。オンライン・キャンペーン・レーティング(OCR)の結果を分析すると、プログラマティックに購入したインベントリーの中には、希望するオーディエンスの配信率が業界の標準を下回るものがあることがわかります(トランザクション後のインフライトで、キャンペーンのオーディエンスの人口統計グループごとの測定)。この場合、測定は、そのモデルが十分な精度を持ち、それに見合うだけの価格を支払っているかどうかを判断する基準になります。
第三に、広告在庫や視聴者データの集計には、多くの場合、複雑な企業チェーンが関わっています。このため、マーケティング担当者やその他の担当者は、プログラマティック・バイイングのパフォーマンスを向上させるために弱いつながりを特定することが難しくなっています。私たちは、多くのプラットフォームやトレーディングデスクがOCRを使用して、異なるプロバイダーやベンダーを評価する診断を実行し、その結果、パフォーマンスを最適化するために行動を起こすことを発見してきました。測定は、プログラマティック・バイイングを向上させるための重要な手段であり、測定によって無意味になるものではないことがわかります。
第四に、プログラマティック・バイイングの自動化された性質が、透明性と説明責任を非常に重要なものにしている。カルト映画の傑作「オフィス・スペース」では、怠け者の一団が、イニテックが処理する各取引から1ペニーをデジタルで吸い上げるコードを書き、小金を「稼ぐ」シーンがある。これは、コンピュータの世界でしかできないことである。この方法は、現実の世界に適用されたという噂がたくさんある。1つは、アルゴリズムで作られたプロトコルの中で、チェックされずに放置されたものは、一般的に何度も繰り返され、小さな問題をあっという間に大きな問題にしてしまうということです。オンライン広告検証のパイオニアであるIntegral Ad Science社の分析によると、今日、業界レベルでの不正行為とビューアビリティは、従来のバイイングよりもプログラマティック・バイイングの領域で悪化しています(ただし、パフォーマンスはプロバイダによって大きく異なります)。
これらの理由から、独立した第三者による視聴者測定は、従来の種類と同様に、プログラマティックバイイングによって推進されるキャンペーンにとって非常に重要です。
プログラマティック・バイイングの環境では、測定はどのような意味を持つのでしょうか?明らかに、プログラマティック・バイイングは、従来の広告バイイングとは全く異なるプロセスです。そのため、従来の測定プロセスを単純にプログラマティック・バイイングに取り込んでも成功しないでしょう。必要なのは、この新しいプロセスのワークフローに適合した測定です。
しかし、プログラム環境における実用的な測定は、そうでなければなりません。
そもそもプログラムバイに使用したモデリングよりも正確で安定したものであること。すべての測定システムには誤差がある。そのため、測定がマーケターにとって有用であるためには、プログラマティック・スキームの事前取引で提供される情報よりも信頼できる情報源である必要があります。
キャンペーン期間中にアクションを起こすことができるよう、十分なスピード感を持つこと。キャンペーン後に測定結果から結論を出すだけでは十分ではない。キャンペーンの投資収益率(ROI)を向上させるためには、機内でのレポート作成とアクションが可能であることが最も重要である。つまり、マーケティング担当者が行動を起こし、介入の結果を確認できるようにするには、キャンペーンのパフォーマンスに関するレポートを開始するまでのリードタイムを最小限に抑え、その後も継続的にレポートを作成する必要があります。
対策を講じるべき具体的な領域を特定するために、十分に粒度を細かくすること。キャンペーンのパフォーマンスを大まかなレベルで報告するだけでは十分ではありません。そのような報告は、メディアの買い手と売り手の間でパフォーマンスの有益な議論につながるかもしれませんが、進行中のキャンペーンに利益をもたらすことはありません。 マーケティング担当者が何が効果的で何が効果的でないかを特定できるようにするには、異なるオーディエンス、プレースメント、クリエイティブの「切れ目」を示すレポーティングが必要です。
マーケターが達成しようとしている基本的な目標に対処する。ブランド広告の場合、キャンペーンのリーチ、反響、反応といった観点からマーケティングROIを評価するのに役立つ指標は、他のケースと同様に、プログラマティックでもすべての測定作業の中心となる必要があります。
簡単にアクセスできること。測定レポートを手動で確認できるような、おしゃれなユーザーインターフェイスがあるだけでは十分ではありません。測定結果をキャンペーン全体に拡張し、個々のキャンペーンにフィードバックして最適化するためには、信頼性の高い堅牢なAPIが不可欠です。
独立した公平な立場であること。上述のように、プログラマティックは自動化されているため、システムの不正利用が常に懸念されます。大多数のプレーヤーが善良に振る舞っていることは間違いない。すべての人がそうであることを保証する唯一の方法は、独立した第三者による測定です。
測定は、マーケティング活動を阻害するのではなく、強化することを目的としています。信頼できる測定によって、プログラマティック・プレーヤーは、現在のインプットとモデルを評価し、より良いものを構築できるようになり、その結果、あらゆるプログラマティック戦略の中心にある基本的な資産を改善することができます。また、測定は、ダイレクトレスポンスだけでなくブランドエンゲージメントを促進することにも焦点を当て始めているプログラマティックモデルの、ブランドエンゲージメントに関する有効性を業界が評価するのに役立ちます。(現在、プレミアム動画コンテンツの「プログラマティック化」に伴う在庫の増加には、ブランド・エンゲージメントの低下を招く可能性が大きなハードルとなっています)。最終的に、信頼性の高い測定は、プログラマティック・バイイングの可能性を最大限に引き出し、それを追求する企業が大きな優位性を築くのに役立ちます。