Loading
Andrea Bovarini

Idee e Pensieri

La mossa del 2017. Marketing vs. Advertising

Gennaio è il momento in cui fare le previsioni di cosa sarà importante per l’anno, quali saranno i trend di maggiore interesse e dove saranno investiti i budget marketing delle aziende. Ci sono aziende che cercano di anticipare i tempi e ci sono quelle che fanno fatica a stare al passo; c’è la concorrenza internazionale e c’è sicuramente la voglia (e la necessità) di guardare ai mercati esteri. Ognuno deve ora mettere in pratica le azioni pianificate a fine anno scorso.

Dopo aver esaurito l’era “Customer Centric” siamo ormai nell’era “Relationship Centric”, poniamo l’asticella sempre più in alto, non basta “allineare i prodotti e i servizi di un’azienda ai bisogni dei suoi clienti” (Peter Fader – Wharton University) ma è giunto il momento di intrattenere una relazione duratura e di valore con il cliente (o prospect), basata sulla conoscenza degli interessi dei singoli utenti e sulla creazione di contenuti (divulgativi o pubblicitari) che vadano a colpire gli interessi degli utenti. Lo scopo ovviamente è quello di riuscire ad incrementare la lifetime value dei clienti e ad attirare nuovi utenti attraverso una strategia che generi valore per il cliente e che di conseguenza consolidi la loyalty verso il brand.

La tecnologia è a disposizione delle aziende, le soluzioni big data possono aiutare a trovare i giusti parametri per la comprensione degli utenti ma uno dei punti critici rimane l’attitudine ad approcciare questo tema. Ci sono aziende che si limitano ad usare le DMP esclusivamente per il programmatic, altre acquistano dati di 3a parte senza avere la conoscenza dei propri dati di 1a parte; uno scenario che vede l’adozione di queste soluzioni solo in maniera parziale, e parziali saranno i risultati che si otterranno.

Quale potrebbe essere la prima mossa del 2017 per guadagnare competitività?

Bisogna ripensare alla relazione tra marketing e advertising. I due mondi sono ancora troppo lontani, gestiti da team separati, tanto che misurano il successo delle loro azioni in maniera differente, spesso senza considerare l’obiettivo dell’azienda, ma fermandosi alle proprie competenze. É necessario che marketing e advertising possano parlare la “stessa lingua” quando si tratta di capire come l’azienda sta interagendo con i propri utenti. L’utente è lo stesso, sia che arrivi da un adv che da traffico organico, perché trattarlo in maniera differente in base alla sua provenienza? Se si vuole capire e conoscere l’audience è necessario avere un modello unico di analisi che possa ritornare un’immagine dell’utente che sia la più concreta e reale possibile.

Io partirei da qui per costruire una relazione duratura con gli utenti, basata sulla loro conoscenza.

La tecnologia, per quanto sofisticata sia, non può portare risultati di valore se non si parte dall’impostazione di una strategia comune e con un obiettivo condiviso.

Avere una DMP non è avere una strategia

Pensare che costruire una DMP sia equivalente ad adottare una strategia è sbagliato.

Le DMP sono elementi tecnologici che possono dare una mano sostanziale al lavoro del marketers, ma devono essere intese come uno degli elementi della strategia di business.

Non ha senso scegliere una DMP e poi decidere che strategia di ingaggio o di advertising implementare. Il processo dovrebbe essere l’opposto.

Se voglio implementare una strategia che sia centrica sui miei utenti, devo ragionare innanzitutto sugli obiettivi che voglio raggiungere e considerare il mezzo con cui raggiungerli.

Incrementare l’engagement con gli utenti prevede una strategia di contenuti personalizzati in base agli interessi del proprio target. Bisogna quindi capire quali siano gli interessi di chi ha sviluppato un alto engagement con il proprio brand per poter andare a scovare gli utenti che hanno le stesse tendenze e creare dei segmenti target a cui destinare i contenuti personalizzati

La DMP è sicuramente un elemento centrale di questa attività, ma l’adozione ha senso solo se supportata da tutte le attività di realizzazione della strategia, in questo caso:  analisi, preparazione ed erogazione di contenuti e, una volta creato l’engagement con l’utente la capacità di creare nurturing e di inserire l’utente nel funnel di conversione.

La DMP va quindi scelta in  base a quello che vogliamo ottenere, tenendo sempre in mente i propri obiettivi, gli utenti e le possibilità di ingaggio che vogliamo creare.

Il dato del vicino è sempre più verde…? Forse anche no!

Acquistare dati di terza parte per attivare i cookies dei propri segmenti di riferimento al fine di erogare campagne programmatic è sempre più comune e con un trend a crescere. A volte però questa può essere una scorciatoia per trovare una nuova audience esterna senza sforzarsi di conoscere realmente i propri utenti.

I brand hanno un asset ricchissimo di dati di 1° parte che molto spesso non viene utilizzato, per mancanza di tecnologia, per mancanza di risorse, perché a volte è più comodo cercare fuori che comprendere ed analizzare al proprio interno.

I dati di 1° parte si presentano in diverse aree che spesso non dialogano tra loro. Sono nel CRM, nel sistema di eCommerce, risiedono nell’analisi di navigazione web ( nella stessa azienda può capitare che il reparto SEO e il reparto SEM siano in compartimenti stagni), di utilizzo dell’app mobile, ecc, ecc…

Sono delle fonti di dati che esprimono tantissime informazioni sugli utenti del brand, informazioni però che prese singolarmente mostrano solo un lato dell’utente e non danno una figura completa.

Potendo correlare tutte queste informazioni in un unico punti di accesso, incrociarle e ricongiungerle sugli utenti, si crea un asset di conoscenza capace di dare una visione arricchita dei propri utenti.

Un punto di partenza per poter allargare la propria audience verso gli utenti anonimi (sempre di 1° parte) su basi oggettive e tangibili e raggiungere i segmenti target che possono far incrementare i profitti.

Ci sono altri due elementi da considerare:

 

  1.    Proprietà del dato

I dati di 1° parte hanno anche un’altro vantaggio: sono di proprietà del brand che li possiede e non vengono scambiati con nessuno. Ricordiamo che quando si acquistano dati di terze parti, si allarga l’audience ma allo stesso tempo si permette di utilizzare i propri dati anche per allargare l’audience di altri brand, inclusi i concorrenti

  1.    Freschezza del dato

Avere una dato che esprime una categoria di interessi “fresco”, vuol dire poter raggiungere il proprio target il più vicino possibile temporalmente al momento decisionale dell’acquisto. Che controllo ha il brand sulla freschezza del dato di terze parti?  Il controllo è ovviamente massimo per i dati di 1° parte.

Sembra banale, ma conoscere i propri utenti dovrebbe essere una priorità! Gli utenti anonimi di 1° parte hanno già dimostrato un certo interesse per il brand, perché non considerarli e guardare solo fuori i propri ambiti?

Personalizziamo?

Personalizzare i contenuti è ormai un mantra per i marketing manager. Ricerche, articoli, studi asseriscono che è una parte fondamentale della strategia di marketing poter erogare contenuti in base agli interessi dei propri utenti. Negli ultimi anni sono nate attività che si occupano di fornire tools di ogni tipo per poter raggiungere questo obiettivo. Quindi sembra tutto a posto, esiste una necessità conclamata, sono stati creati dei tools tecnologici appositi che possono coprire qualsiasi esigenza di personalizzazione e i marketers devono solo pensare a creare contenuti di valore per il loro business e la personalizzazione è fatta!

Ma la realtà dei fatti è questa? Pare di no.

Da una ricerca di quest’anno infatti risulta che la maggior parte dei marketers (negli Stati Uniti più del 59%) non personalizza i contenuti per queste ragioni:

  1. Non hanno la tecnologia necessaria
  2. Non hanno risorse e/o tempo a disposizione
  3. Non hanno i dati a disposizione

Qualsiasi sia la dimensione del proprio business, per iniziare un’attività di personalizzazione dei contenuti bisogna considerare tre (semplici) passi:

  1. Conoscere i propri utenti
  2. Poter segmentare gli utenti in base ai loro interessi reali e quotidiani
  3. Misurare e innovare in tempi brevissimi

Conoscere i propri utenti

I Marketers hanno a disposizioni una mole di dati da diverse sorgenti, difficile capire quale siano le metodologie ideali per comprendere le caratteristiche specifiche degli utenti. Il CRM fornisce una visione, i comportamenti di navigazione ne danno un’altra, poi ci sono le interazioni con l’adv e poi tanto altro…

Ci sono diversi contenitori (silos) di dati, indipendenti tra loro, bisogna, per prima cosa, correlarli e analizzarli nel loro insieme. Altrimenti non sarà possibile avere una visione completa dell’identità degli utenti.

Inoltre la maggior parte degli utenti digital sono anonimi, non abbiamo informazione sulle loro caratteristiche. Che contenuti erogare a questi ultimi, che risultano essere la maggioranza?

Poter segmentare gli utenti in base ai loro interessi reali e quotidiani

Attraverso l’utilizzo di una Data Management Platform si analizzano i dati destrutturati per rilevare una visione dell’utento arricchita ed è possibile allargare l’audience di riferimento, assegnando attributi (interessi, gender, età) ad utenti anonimi attraverso funzioni di AI. Si possono ora segmentare gli utenti in base ai loro interessi e al loro comportamento, usando i segmenti target per advertising e per contenuti,

Misurare e innovare in tempi brevissimi

Per ottenere dei risultati tangibili dagli effort spesi per conoscere e per segmentare gli utenti, è necessario poter misurare i KPI in tempi brevi e poter riadattare la strategia per ottimizzare il lavoro di engagement. Ogni evento registrato fornisce una visione più accurata e approfondita dei propri utenti, con la possibilità di personalizzare sempre meglio i contenuti e di raggiungere i propri risultati di business

Quindi, personalizziamo?

Personalizzare le proprie properties è un lavoro non banale e che richiede un’attenzione costante, ma porta i suoi risultati, a patto che si frutto dell’esecuzione di una strategia  ben definita di marketing.

L’Hype della DMP si è esaurito, per fortuna.

Da una recente analisi di Gartner, la DMP viene considerata una tecnologia che ha esaurito la sua fase Hype e entra ora nella fase di disillusion.

dm-hype-gartner

Dopo l’abbondante scorpacciata di soluzioni DMP, le aziende iniziano a capire quali sono i reali vantaggi, e se ci sono stati, nell’adozione di queste soluzioni. Si sfoltiscono i fornitori, rimangono quelli che hanno soluzioni più flessibili e che hanno fatto piani a lungo termine. Alcuni vengono acquistati da grandi gruppi (vedi Blukai e Krux), altri spariranno, e altri troveranno il loro spazio nel mercato se avranno la capacità di evolversi e di anticipare i trend futuri.

É il momento che le aziende capiscano quali sono gli elementi da considerare per avere un vantaggio reale nel dotarsi di queste soluzioni e soprattutto per tenere la competizione dei concorrenti che hanno fatto delle scelte consapevoli.

Credo che ci siano tre elementi (tra i tanti) che debbano essere considerati attentamente per poter affrontare questo tema:

  1. Non si può pensare che un progetto di questo tipo dia i suoi frutti in breve tempo e che porti un ritorno immediato. Bisogna considerarlo un progetto strategico e non un tatticismo di mercato e dedicargli il giusto tempo.
  2. Condivisione di tutti ii dati per tutti. Inteso come integrare più fonti dati proprietarie per poter avere il quadro più preciso possibile del proprio posizionamento e della propria audience e condividere questa visione con tutti i reparti, ognuno potrà prendere le sue decisione strategiche (e magari tattiche) sulla base di un set di informazioni completo

La proprietà del dato. Le aziende hanno un asset incredibile di dati 1st party che probabilmente vengono ancora poco correlati tra loro. Qual’è il valore nel comprare dati di terze parti quando ancora non si utilizzano i propri dati? Che valore hanno i dati di altri che spesso ha senso usare entro i primi giorni dalla raccolta e poi “scadono”?

Oggi le aziende possono raccogliere e utilizzare praticamente in real time i loro dati, possono allargare i loro segmenti di audience partendo dal “core” dei loro utenti, senza condividerli con altri, come spesso succede quando si utilizzano dati di terze parti (non vorrete che un vostro concorrente utilizzi i vostri segmenti per fare campagne, vero?)

Le DMP si preparano ad entrare nel main-stream del mercato e le aziende che le adotteranno facendo le giuste valutazioni, imparando dalle esperienze passate e scegliendo le soluzioni più stabili, avranno il loro vantaggio competitivo, le altre inseguiranno….

DMP: chi ha detto che serva solo per il programmatic advertising?

In queste ultime settimane ho discusso con diversi brand in merito al loro grado di interesse all’utilizzo di una DMP all’interno della loro struttura digitale. A seconda del mercato in cui operano e a seconda di come sono strutturati, le risposte sono state diverse. Chi ha un team capace di gestire i dati sicuramente trova un valore nell’adottare un sistema internamente, chi invece non ha risorse, lo farebbe gestire dalla sua agenzia media.

Ho però trovato un fattore comune che più o meno emerge nelle discussioni. Dato per assodato l’utilizzo delle DMP per fare programmatic, e anche qui ci sono pareri parecchio discordanti sull’efficacia di questa metodologia, il vero valore viene riconosciuto nella capacità dello strumento nell’essere parte di una strategia evoluta di content marketing.

A volte, non è detto che l’investimento in targeting advertising porti più risultati di campagne su audience più generaliste (ovvio, non è lo stesso per tutte le industries), mentre, quando si parla di contenuti proprietari del brand, l’effetto della targetizzazione ha un peso notevole, sempre a patto di essere in grado di raggiungere una massa critica di utenti.

Partendo dalla propria base clienti e dai dati di analisi comportamentali sulle properties digitali, si possono riconoscere delle caratteristiche comuni capaci di individuare il profilo del cliente tipo. Il problema è che la base conosciuta di utenti è sempre una percentuale minima di tutti gli utenti che riusciamo a raggiungere con le azioni di marketing. Gli utenti anonimi rimangono una maggioranza di cui poco si sa.

Una DMP capace di mettere in relazione i propri clienti (dati di CRM) con gli utenti anonimi (dati provenienti da sorgenti paid e owned media) e di poter così allargare l’audience target è sicuramente una buona partenza. È possibile includere poi la possibilità di assegnare categorie di interessi agli utenti anonimi attraverso l’analisi semantica dei contenuti da cui derivano le impression delle campagne display/retargeting, tracciare le azioni delle DEM e ovviamente qualsiasi interazione/evento che vengono proposti agli utenti.

L’intelligenza artificiale ci permette di inferire agli utenti anonimi i valori che sono di nostro interesse, come genere (maschio/femmina), fascia di età e – appunto – interessi.

Con tutti questi elementi a disposizione è possibile segmentare con granularità l’audience, in base agli attributi e al comportamento ed è possibile dargli una dimensione. Per esempio, segmento degli utenti maschi, di fascia 35-44 anni, con interesse Sport e che abbiano inserito nel carrello almeno 2 items tecnologici negli ultimi 3 mesi…, pari a nK utenti.

Le DMP ovviamente sincronizzano i cookies dei segmenti con le varie DSP/SSP per le campagne tradizionali di advertising, ma l’analisi dei segmenti e la loro attivazione sui contenuti sono la base per creare una strategia di content marketing realmente efficace.

È possibile infatti costruire una strategia di comunicazione avendo a disposizione i dati visti qui sopra, in base alla conoscenza approfondita degli utenti e alla possibilità di sincronizzarli per attivare una gestione dinamica dei contenuti, andando a questo punto ad aumentare le reach, e di conseguenza i KPI di business (vendite, marginalità, disponibilità prodotti, ecc.).

La prossima frontiera?

Mettere in relazione i dati di ascolto per utente della televisone con l’attività online e i dati di CRM. Ma di questo parleremo prossimamente.

eCommerce, non abbassare i prezzi per vincere (eCommerce – Dropping prices is not a win)

English version below

La fidelizzazione del cliente che acquista sul web è merce rara, solo pochi brands hanno questo tipo di legame con gli utenti, come per esempio Apple. Generalmente l’utente che sa cosa acquistare (un elettrodomestico, un capo di brand fashion, ecc.), guarda per prima cosa il prezzo navigando su vari siti o direttamente sui portali di comparazione, per poi acquistare da chi applica le condizioni migliori. Ovviamente non è sano intraprendere una guerra al ribasso per battere i competitors su ogni articolo.

I retailers più accorti sanno individuare le categorie e gli items di valore, che generalmente gli utenti usano per fare le comparazioni tra siti di eCommerce. Adottando una politica di prezzi aggressiva su queste categorie, si possono gestire i prezzi degli altri articoli mantenendo una marginalità maggiori.

Per esempio i retailers potrebbero fare una politica di sconti visibili in homepage per attirare i clienti che sono più sensibili a comparare articoli a prezzi scontati sui vari siti, per poi vendere gli altri items mantenendo una marginalità maggiore.

Molti si affidano al “naso” dei loro  “category managers”, altri combinano i pesi dei dati di frequenza di acquisto e percezione del brand per  definire su quali prodotti applicare la strategia.

Ma al giorno d’oggi i retailers hanno a disposizione tantissimi dati per individuare i prodotti e le categorie su cui agire. Dati transazionali, carte fedeltà, ricerche online. Il vero problema è come unire le sorgenti di dati differenti e di avere la capacità di analizzare questa mole di BigData per capire la percezione dei prezzi e poter incrementare i margini per rimanere competitivi sul mercato.

Una soluzione di BigData può tracciare il comportamento degli utenti sui siti dei retailer o esposti a campagne display, le DEM, le transazioni a livello di singolo item nel carrello e può importare dati del CRM e delle carte fedeltà, con la possibilità di ricongiungere i comportamenti online e offline.

Non solo il retailer ha la possibilità di segmentare gli utenti in base al loro canale di acquisto preferito, verificare eventuali correlazioni tra la tipologia di prodotto acquistato e il canale prescelto, la sorgente da cui arriva  e tutti i dati tracciabili. Il valore più importante è dato dalla possibilità di utilizzare le informazioni acquisite sugli utenti conosciuti per alimentare gli algoritmi di intelligenza artificiale che, individuando comportamenti di navigazione similari tra gli utenti anonimi, possono associare a questi ultimi caratteristiche di profilazione (genere, età, interessi) già acquisite per gli utenti registrati.

Il retailer avrà a disposizione tutti gli attributi per poter creare dei cluster di utenti su cui  poter targettizzare le proprie strategie, e comprendere per esempio che articoli mostrare ai segmenti di utenti per farli acquistare sul proprio sito sia i prodotti a basso prezzo che gli articoli a più alta marginalità.

L’adozione di una soluzione BigData di Data Management non deve essere vista solo come funzionale all’analisi del traffico o al targeting per l’advertising, come le tradizionali DMP, ma deve essere capace di integrare algoritmi di analisi concepiti, sviluppati e testati per individuare ed attivare i segmenti di maggiore profittabilità, oltre che per l’advertising, soprattutto per l’esposizione a contenuti e, in caso di ecommerce, ai prodotti su cui sono state applicate strategie capaci di creare fidelizzazione con i clienti.

Per approfondire:

Articolo da McKinsey

exaudi DMP

eCommerce – Dropping prices is not a win

Italian version above

Only few brands (Apple overall) can count on a large loyal customer base. Normally users who already know what to buy look it up on the internet searching for the best purchasing options.

Entering a price dropping war with your competitors is a very unhealthy choice for your business.

The smarter retailers know that they have to find the value categories and value items that usually are taken as benchmark by users to understand which sites provide the best conditions. The retailer can adopt an aggressive price policy on those items or categories and can maintain higher margins on other items/categories.

For instance, retailers could set a discount policy in homepage to attract t price-sensitive users and keep full margins on other items.

Many retailers count on the intuition of their “category managers” in order to define the value items or categories; others try to weight the purchase frequency and brand perception data to identify the items to include into their aggressive pricing strategy. Today retailers have large amounts of data at their disposal to find the value items, such as transactional data, loyalty programs, online search. The real problem is managing the different data sources and analyzing the huge amount of data to understand price perception and have the possibility to increase margins and be competitive on in the market.

A BigData solution can track users’ behavior on digital properties, identifying those who have been exposed to adv campaigns or email marketing and those who have made a transaction. It can also import data from CRM and loyalty programs, allowing reconciliation of online and offline behavior.

Retailers can create user segments based on their preferred purchase channel, verify correlations between products bought and purchase channels, find out where those users came from and enrich their profiles with all trackable data..

The most important value is the possibility to use available data of known users to feed Artificial Intelligence algorithms by comparing navigation behavior of known and unknown users, unknown profiles can be enriched with inferred information, such as gender, age, interests.

The Data Management solution should not only be used for advertising targeting or for traffic analysis. It should rather integrate analytics algorithms that have been designed, developed and tested to identify and activate the most profitable segments. Applications should not only include advertising, but also content management, pricing strategies and customer loyalty programmes.

Learn more:

Articolo da McKinsey

exaudi DMP

“Movida”, piattaforma programmatic video, made in Italy (“Movida”, programmatic video platform, made in Italy)

English version below

Un’innovativa piattaforma di programmatic che analizza i contenuti video e incrocia i dati relativi al target di utente/spettatore al contenuto che questi sta guardando

“Movida”, tag semantici che descrivono i video

Horizon 2020 – Progetto “catanese”

Si chiama “Movida” e sarà un’innovativa piattaforma “programmatic” per orientare il mercato pubblicitario tenendo conto di due aspetti: il cliente e il contenuto video, sulla base dell’analisi semantica di quest’ultimo. L’innovazione parte proprio da Catania, visto che il progetto – presentato a un bando di Horizon 2020, i cui esiti si sapranno a gennaio 2017 – è stato ideato e presentato dalla catanese Neodata con Videobeet e con il contributo determinante dell’IPLab (Image Processing Laboratory) del Dipartimento di Matematica e Informatica dell’Università di Catania. L’IPLab, che ha per logo un vulcano che spara pixel, è nato una decina di anni fa su spinta del professore Sebastiano Battiato. “Il nostro gruppo si occupa di analisi di immagini video in termini semantici – spiega Battiato -. All’interno del progetto Movida il nostro compito sarà quello di estrarre dei “tag” semantici da flussi video di cui non si sa nulla. I tag ci dicono che tipo di scena c’è in quel momento, quante persone, che tipo di azione si svolge… Questo è possibile perché la tecnologia in questi ultimi anni ha fatto passi da gigante grazie all’evoluzione degli algoritmi di analisi. È quasi incredibile, perchè partendo dai pixel si riesce ad estrapolare la descrizione di una scena. Questa disciplina, la computer vision, “negli anni 80’ 90’ era solo teorica – aggiunge Battiato – mentre oggi è esplosa grazie alle tecnologie di cui disponiamo  e ci permette di fare una cosa che nessuna piattaforma “programmatic” fa ancora: riusciamo a incrociare i dati relativi al target di utente/spettatore al contenuto che questi sta guardando e, dunque, ad offrire all’inserzionista pubblicitario informazioni sempre più specifiche. Si potranno vendere spazi pubblicitari super targettizzati  su utente e contenuto. È questa una nuova frontiera. Nell’ambito di Movida partiamo dall’esperienza di Neodata su internet e noi aggiungiamo l’analisi semantica del contenuto video”.

Naturalmente, dipenderà dalle strategia di marketing dell’editore decidere come introdurre il messaggio, con la classica interruzione o in overlay e certamente ci sono tanti scenari verso i quali questa soluzione tecnologica può sfociare . “Per esempio – aggiunge Battiato – non è detto che il messaggio pubblicitario arrivi sullo stesso schermo su cui è trasmesso il contenuto, l’utente potrebbe interagire con la tv tramite un social network come Twitter dallo smartphone e magari il messaggio pubblicitario gli arriva proprio li”.

Il progetto prevede un investimento di circa un milione e mezzo di euro, poi una volta assemblata la “macchina” con tutti i pezzi di cui ciascuno degli attori coinvolti dispone, si dovrà affrontare il mercato. Mission impossible? No, secondo Battiato: “Neodata ha già dei partner importanti e l’innovazione che proponiamo è di peso”. Gli ingredienti per il successo ci sono tutti.

(Riproduzione: La Sicilia – Gianluca Reale)

________

Italian version above

An innovative programmatic platform that can combine target users/audience data with the content they’re watching

“Movida”, semantic tags describing video

Horizon 2020 – Project from Catania

Its name is “Movida” and it’ll be an innovative programmatic platform that will influence the video advertising market through the analysis of user behavior combined with the semantic analysis of video content.

Innovation begins in Catania: the project – presented in response to the Horizon 2020European tender, whose outcome is expected in January 2017 – was designed by the Catania-based Neodata together with Videobeet, with the contribution of IPLab(Image Processing Laboratory), a research laboratory operating by the IT and Mathematics Department of the University of Catania.

IPLab, whose logo is a volcano shooting up pixels, was born a decade ago through the support of Professor Sebastiano Battiato. “Our group specializes in the semantic analysis of video images – explains Battiato -. Our task will be to extract semantic tags from videos we know nothing of upfront. Tags tell us the type of scene we’re observing, how many actors are playing, the type of action which is taking place…This is now possible because technology has made giant strides thanks to the evolution of analysis algorithms. It’s almost incredible: starting from pixels you can extract the description of a scene. Computer vision was only theoretic in the 80’s-90’s. Now it’s become reality thanks to the technologies we have at our disposal and it allows us to do something no other programmatic platform does yet: we can combine target users/audience data with the content they’re watching, so we can offer increasingly detailed information to advertisers. It will be possible to sell super targeted advertising spaces. This is a new frontier. Within Movida project, we start from Neodataexperience on internet and we add the semantic analysis on video content”

Naturally, it will be up to the publisher to decide how to introduce advertising messages, so multiple scenarios will open up in conjunction with the adoption of this technology solution. “For example – adds Prof. Battiato – the advertising message might reach the user on a device which is not the same he’s using to watch the video content. Actually, the user might interact with a TV programme by posting on Twitter through his smartphone, so the advertising message might be delivered on a smartphone rather than on TV.”

Investments for this project amount to 1.5 million euros. Once the solution is assembled, partner companies will have to face the challenge to market the product. Mission impossible? Not at all, according to Prof. Battiato “Neodata can already count upon some key commercial partnerships with major players and the innovation we’re developing is certainly interesting for all of them.” Apparently, ingredients for success are already there.

(Source: La Sicilia – Gianluca Reale)

Come l’Intelligenza Artificiale aiuta a aumentare i profitti (How does Artificial Intelligence help to increase profits)

English version below

Come l’Intelligenza Artificiale ci aiuta a aumentare i profitti

L’Intelligenza Artificiale al servizio di una DMP è in grado di ottenere degli interessanti vantaggi in ambito profilazione utenti, per scoprire le caratteristiche e gli interessi degli utenti anonimi e di conseguenza poter arricchire i segmenti a cui vogliamo destinare le nostre campagne.

Investire in una DMP vuol dire definire delle aspettative di maggior ritorno economico della strategia di comunicazione ed advertising. Il motivo per cui ha senso adottare la DMP è quello di riuscire a comprendere e raggiungere il proprio target ideale, il più vasto possibile, con il minimo sforzo, per incrementare la generazione di revenue. L’utilizzo di processi basati sull’intelligenza artificiale incrementa maggiormente la dimensione e la qualità dei segmenti target

Se consideriamo tutti gli utenti che interagiscono con la presenza digital del brand, intesa come owned e paid media, sappiamo che conosciamo solo una minima parte delle loro caratteristiche. L’intelligenza artificiale ci aiuta ad assegnare degli attributi socio-demo come età e genere e soprattutto attributi che riguardano gli interessi degli utenti, basandosi su algoritmi di analisi di contenuti e di inferenza. Questa metodologia fornisce risultati decisamente più sofisticati di un semplice calcolo di look-a-like, il quale applicando modelli statistici, presume che utenti con caratteristiche simili e comportamento di navigazione simile rispondano agli stimoli di marketing con la medesima propensione.

exaudi, la DMP di Neodata, oltre ad avere le funzionalità di look-a-like, adotta un sistema di Intelligenza Artificiale derivante dall’esperienza più che decennale sulle interpolazioni di Big Data.

Sentiamoci se siete interessati ad approfondire l’argomento!

Italian version above

How does Artificial Intelligence help to increase profits

Using Artificial Intelligence (AI) in a DMP allows you to benefit from interesting advantages: by defining characteristics and interests of anonymous users you can enrich user profiling and, as a consequence, your knowledge of the audience. The segments you want to target with your campaigns are expanded and more precise at the same time.

Investing in a DMP means setting the expectation of increased economic return for your communication and advertising strategies. The main reason supporting the adoption of a DMP is the possibility to understand and reach the largest possible target, reducing the effort to the minimum while generating the maximum revenue increase. Adopting a solution equipped with AI helps companies increase the size and the quality of target segments.

When we consider all the users that are engaged with the brand digital presence, both paid and owned media, we know that we have insights for a small percentage of users only. AI helps to assign attributes such as age and gender, as well as overall user interests, based on content analysis algorithms and inferential processes. This methodology returns definitely more sophisticated results than a simple look-a-like, as look-alike only finds out users that have similar behaviour and characteristic applying a statistical model, assuming that these will respond to marketing solicitations in the same way.

In addition to the standard look-a-like functions, Neodata’s DMP exaudi is equipped with a built-in AI system, developed based on Neodata’s longstanding experience in Big Data interpolation.

Drop me a line if you are interested in this topic!

Una DMP alla portata di tutti, oggi c’è! (An affordable and easy-to-use DMP is not a dream)

English version below

Ho iniziato da poco una nuova esperienza con Neodata Group e mi occuperò dello sviluppo business di exaudi, la Digital Management Platform (DMP) di Neodata

Ho deciso di accettare questa opportunità perché sono appassionato di digital e del business che si può creare sulla rete. L’approccio data-driven alle strategie di mercato rappresenta in questo momento una necessità per le aziende ed un trend in crescita per il prossimo futuro

Conosco chi lavora in Neodata e ho piena fiducia nelle loro capacità.

Neodata è un’azienda con una vision consistente; stiamo parlando di una società tra i massimi esperti di Big Data a servizio dell’advertising e della comunicazione!

In tutto questo io vedo che un sistema DMP deve risolvere delle richieste ben precise:

  • Il mercato richiede sempre più capacità di comprensione dei propri utenti, il vero punto non è avere un sistema di Big Data ma sapere cosa tirarci fuori per trovare nuove aree di profittabilità. Facciamo contenti i CFO e facciamogli capire che ritorno hanno gli investimenti in comunicazione.
  • I brand, per poter avere l’ownership del mercato, devono sapere chi sono i propri utenti e come poterci comunicare, senza doversi appoggiare all’esterno per ogni decisione. I propri utenti sono un asset, perchè condividerlo con altri?
  • I punti chiave da considerare in una DMP sono la capacità di assegnare agli utenti diversi attributi (genere, età, interessi, ecc), la capacità di creare segmenti seguendo delle regole custom e la capacità di attivare gli utenti di un determinato segmentocon i modelli di advertising digitale. Una tecnologia di Intelligenza Artificiale per arricchire i profili e poter così aumentare l’efficacia delle proprie azioni di marketing.
  • La DMP non è solo per l’advertising e il programmatic, è uno strumento preciso e affidabile per dare valore alla Business Intelligence e poter prendere decisioni strategiche con efficacia
  • Partire piccoli e poter scalare senza problemi al crescere del business
  • Prerequisito per il punto sopra: avere un prezzo di ingresso proporzionale alla dimensione e all’utilizzo.

Mi farebbe piacere sapere da chi sta utilizzando una DMP o da chi ha intenzione di adottarne una, quali siano i punti cruciali che cerca nella soluzione e quali sono le aspettative di business. Ci confrontiamo sul tema?

Italian version above

An affordable and easy-to-use DMP is not a dream

I have just started a new challenge in Neodata Group and I will manage business development for exaudi, Neodata’s Data Management Platform (DMP).

I have decided to accept this opportunity because I am very passionate about digital and the business you can built around it. The data-driven approach to the market strategies is, at this moment, a need for the companies and a growing trend for the next future.

I know well who works for Neodata and they have my full trust in their skills. Neodata has a consistent vision, we are talking about one of the maximum experts in Big Data applied to marketing and advertising.

I foresee that a good DMP system must solve some key issues:

  • The market is demanding understanding of digital audiences, the real point is not to have a Big Data system, but to know how you can extract core insights in order to generate new profit opportunities. Let’ make CFO understand which is the real return on investment in the communication area!
  • The brands, to maintain or gain market leadership, need to know who their users are and how to talk with them, without relying on external partners for decision making. Users are definitely an asset, why should you share them with others?
  • The DMP keypoints are the ability to assign attributes to users (gender, age, interests, etc.), generate rule-based segments and the ability to activate specific segments with the digital advertising models. Artificial Intelligence technologyshould be used in order to generate richer user profiles and be able to increase the effectiveness of marketing decisions.
  • The DMP is not just for programmatic advertising, it is a trusted tool that gives value to Business Intelligence and to strategic decisions.
  • Start small and scale easily and quickly when the business grows.
  • Prerequisite: have an affordable entry price fit for the use you make of it.

If you have a DMP or if you have planned to have one, it would be interesting to know which are for you the crucial points that you are looking for and which are your business expectations. Let’s share ideas!

Utilizzando il sito, continuando la navigazione o facendo scroll accetti l'utilizzo dei cookie per fornire la migliore esperienza di navigazione possibile maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi