Presentacion - Ponencia Diego Duchowney
Descargar como PPTX, PDF0 recomendaciones863 vistas
El documento aborda la evolución y tendencias en la publicidad digital, enfatizando la importancia del branded content, el video online y la publicidad nativa. Se destaca la necesidad de crear un modelo centrado en el usuario, utilizando datos para mejorar la calidad de los impactos publicitarios y adaptarse a diferentes contextos y dispositivos. Además, se menciona el papel del big data en la optimización y segmentación de audiencias para alcanzar los objetivos de los anunciantes.
Presentacion - Ponencia Diego Duchowney
- 2. Lo que está por venir O ya ha llegado….. INTRO
- 5. Explosión del Branded Content Todo se dirige al Video Online | Interactivo Generación de Marca Calidad frente a Cantidad Consolidación de la Publicidad Nativa
- 6. Crecimiento del RTB - +20% SOS Consolidación de las Private Market Places Pasos en firme del RTB Mobile, Video, Rich Media
- 7. Menos decir, Más hacer. Más Branding, Cuidar la Marca. Explorar la Eco.Colaborativa. Arriesgar un 5% del Budget. Ganar Velocidad de Respuesta. Aumentar Visibilidad Personal.
- 8. VELOCIDAD ADAPTACIÓN TECNOLOGÍA NUEVOS PERFILES Diego Duchowney Schibsted Classified Media Advertising Technology Manager User-centric data & Omnichannel presence
- 9. • 29 países, 36 sites, 1500 empleados, mas de 200M de UU • En España: 110M Visitas/mes • Contenido local, user-generated Red Global, en el Top10 en España
- 10. WEB WEB MÓVIL APP • Acceso multicanal: web, móvil y app • La mitad del tráfico desde móviles y tablets • Capa de datos unificada 50%
- 11. • Big Data -> Ecosystem data • Global + Local -> Data models • Plataforma Digital para el mundo real Web server Analytics AdServer AppServer Marketplace /Media platform SPiD: • Sistema de pago Data Analytics: • B2C • Adhoc • Targeted Tech Development: • Innovación • Plataforma común Common Data Layer SSP Foundation Platforms Digital Transformation Transformación Digital Databases Automation
- 12. Third-party Data Customer Journey Model = Reach Model per Profile Contextual Data Profiles Interaction Data Placement KCTTaxonomies Awareness Consideration Loyalty Purchase Clicks Impressions Leads Dwellling Delay to Sale... etc Ej: Copy data Desde la visión del anunciante: en búsqueda de clientes en diferentes canales, a partir del conocimiento que tiene de éstos. ...cuando sigues a alguien desde un mapa, tienes que saber exactamente donde está, y el contexto del lugar para interpretar los datos
- 13. User-centric Model = Direct Segment Model Desde el publisher: en búsqueda del conocimiento de sus propios usuarios, a partir de la información que tiene de éstos, y de las necesidades de los anunciantes. ...cuando sigues a alguien a 3 metros, tienes que saber exactamente como es, para interpretar sus acciones de acuerdo al contexto, que compartes con el. No importa donde está SCM User Intereses Clicks Pageviews Compras SociodemoShare ratio Return ratio Segment ratio (QS) Time on site
- 14. Me he comprado un coche! Me he comprado una mascota! Me he comprado una bici! Me he comprado una casa! He conseguido un trabajo! Nuestra Data: sobre todo actitudinal (quiero un coche, un trabajo, una casa, una mascota…) y demográfica (tengo mas de 34 años, tengo permiso para conducir, soy hombre, etc..:) y muy cerca de la decisión de compra de algo o de un cambio de estilo de vida -> Segmentos Behavioural y Adhoc
- 15. Desde el punto de vista del usuario, en su "Jornada", atraviesa distintos contextos, muchas veces con la misma intención. Por ejemplo: buscar un piso donde mudarse. El contenido debe ser multiplataforma, y contener una capa de datos consistente. Esto es aún más importante en contenidos user-generated (UGC) ... Multichannel Customer Journey
- 16. User-centric Model = Direct Segment Model Un ejemplo de modelo de Datos basado en inteligencia "local" + Atribución "global" = Big Data SCM User Intereses Clicks Pageviews Compras SociodemoShare ratio Return ratio Segment ratio (QS) Time on site Partnership Awareness Consideration Loyalty Purchase Attribution Modelling
- 17. VS. Data points comparison Demographics Interests Social Intention Status/wealth User data: en nuestro ecosistema, tenemos elementos diferenciadores como "intención" (vs. "interés")
- 18. Aplicaciones del Big Data para Advertising
- 22. Experimentation and A/B Testing
- 24. Impactar al usuario con contenidos relevantes para éste En resumen: para mejorar la calidad de los impactos publicitarios, mejorar el contexto de contenidos del usuario, mejorar la performance general Acompañar al usuario en su navegación multidispositivo y multiportal Adaptar creatividades al contexto del usuario Alcanzar los targets solicitados por los anunciantes Finalmente, usamos Data para:
- 25. GRACIAS!!