Ouça o podcast em francês em

.

2021 foi um ano de transição marcado por um forte aumento na maturidade do data. Este podcast explora as tendências esperadas para os próximos meses no que diz respeito à aceleração da coleta de 1P data, à expansão dos CDPs das marcas e às abordagens cada vez mais probabilísticas da medição de desempenho.

2021 foi um ano de transição marcado por um forte aumento na maturidade do data para o senhor:

  • Empresas: A Data está se tornando absolutamente estratégica: 90% das empresas recrutaram na data, de acordo com uma pesquisa da “mission numérique gouvernementale des grands groupe” (missão digital governamental de grandes empresas)

  • Cidadãos e consumidores: Há uma conscientização cada vez maior sobre a importância da proteção data (vimos este ano uma grande divulgação reports sobre os perigos das notícias falsas e os efeitos das câmaras de eco)

  • Regulamentos e governos: O GDPR continua a causar impacto em todo o mundo, nos EUA com a CCPA na Virgínia (VCPA) e no Colorado (CPA), e até mesmo na China com a PIPL, em vigor desde 1º de novembro

As tendências que estamos observando fazem parte dessa série de mudanças, com avanços na tecnologia combinados com um maior respeito pela proteção data

A necessidade de controlar o primeiro partido data, O senhor deve ter em mente que é vital poder contar com um data limpo, consentido e controlado. Isso requer dois facilitadores: Programas de coleta de data e um ecossistema de ferramentas adequado

  • Acelerar a coleta do 1P data:

    1. O data de terceiros está em extinção: os três principais navegadores eliminaram ou eliminarão o uso do cookies de terceiros, portanto, esperamos mais esforços para coletar grandes quantidades de 1P data por meio de programas mais inovadores.
      • Por exemplo, o McDonald's na França transformou sua campanha anual do Monopólio em um programa digital 100%, exigindo a criação de uma conta no aplicativo McDonald's+, onde o usuário deve escanear seus adesivos para descobrir o prêmio.

  • O CDP (consumidor data platform):

    1. As marcas precisam de uma estrutura de CDP abrangente para coletar, armazenar e gerenciar audiences usando data do consumidor, tanto PII quanto não PII. Atualmente, nenhuma solução tecnológica no mercado pode cobrir 100% da ambição, portanto, temos que nos contentar com a montagem de várias ferramentas. Confiamos muito na pilha do Google e criamos uma oferta que se baseia na Google Marketing Platform como a pilha principal que completamos com tecnologias como Tealium, Treasure Data e muitas outras
    2. Sobre a coleta: Está se tornando essencial usar “salas limpas data” para ingerir e processar mídia data a fim de respeitar a privacidade e o consentimento: Google ADH, Amazon Marketing Cloud, FB Advanced Analytics...
    3. Último ponto: Acreditamos que algumas funcionalidades essenciais devem ser criadas internamente. Por exemplo, lançamos um método chamado Audience Engine, que permite que o senhor gerencie seus próprios audiences em cima do CDP para evitar depender exatamente dos mesmos modelos que seus concorrentes (fazemos isso para grandes marcas, como Reckitt ou Samsung)

Uma aplicação concreta dessas mudanças é a evolução da medição do desempenho:

Historicamente, dependemos muito da medição determinística baseada em identificadores (principalmente cookies de terceiros) para rastrear a jornada do consumidor do início ao fim on-line. O fim dos IDs de terceiros tornará rapidamente as abordagens tradicionais de atribuição menos relevantes. Elas continuarão a funcionar em um escopo reduzido, dentro de jardins murados (o senhor terá sua medição de desempenho do FB, atribuição para todo o ambiente do Google - entre dispositivos, graças ao GA4), mas serão menos eficazes para uma visão entre jardins murados.

Portanto, esperamos um aumento nas abordagens probabilísticas, que consistem em associar matematicamente o desempenho histórico para conectar as vendas às ações de marketing. Essas abordagens têm a imensa vantagem de serem exaustivas (levando em conta todas as vendas e todas as ações de marketing/vendas).

  • No entanto, a abordagem ainda não é perfeita:

    1. Problemas com a granularidade - é difícil ter insights relevantes em nível de campanha, por exemplo
    2. Problemas com a complexidade: os modelos dependem de conjuntos data tão grandes que leva de 3 a 6 meses para atualizá-los
    3. Explicabilidade: O principal desafio aqui é que esses modelos são amplamente baseados em correlações históricas entre vendas e despesas de marketing/mídia que não implicam em causalidade - há uma forte correlação entre o número de mortes anuais em piscinas nos EUA e o número de aparições de Nicolas Cage em um filme - mas é difícil encontrar uma ligação causal...

  • Para resolver esses problemas, o Artefact abriu um centro de pesquisa em parceria com o Google e a Universidade de Boston para trabalhar em novos modelos probabilísticos. Testamos algumas abordagens muito promissoras, em especial com a Reckitt Benckiser, usando redes bayesianas, que se baseiam em análise de probabilidade em vez de regressão linear, são capazes de lidar com data muito granulares, são rápidas de treinar e são muito compreensíveis por equipes de negócios sem conhecimento avançado em ciência data.

Convergência entre vendas e data

Depois de anos falando sobre isso, esta é a primeira vez que vemos efetivamente uma convergência dessas equipes. Isso já é muito verdadeiro na Ásia, onde temos clientes para os quais o canal E-com representa até 60% das vendas. A particularidade é que plataformas como a T-Mall e a JD.com incluem tanto a negociação tradicional de varejo (condições de vendas, investimentos promocionais, evolução do sortimento) quanto o investimento em mídia. Isso significa que as marcas devem integrar não apenas as equipes de VENDAS, mas também as equipes de MÍDIA/MARKETING e, cada vez mais, as habilidades de DADOS e TECNOLOGIA em suas discussões ao mesmo tempo, daí a necessidade de convergência

Os primeiros casos de uso por trás dessa convergência estão principalmente na mídia de varejo

  1. (usando o orçamento de mídia de uma marca no espaço de varejo para promover marcas com uso muito forte de data para atingir clientes ou clientes em potencial armazenados na base de dados do varejista) Também esperamos uma forte aceleração do marketing comercial on-line: Na verdade, os orçamentos de comércio e mídia são do mesmo tamanho, mas onde a digitalização é de 50% na mídia, ela mal chega a 10% no marketing comercial! Esperamos um forte ajuste nessa frente.
  2. Isso será possível graças a uma explosão de tecnologias “Retail Tech”: Links com o Carrefour (onde a Artefact é um dos parceiros oficiais e opera campanhas para as marcas da Unilever) que usa as tecnologias Liveramp e Google, Relevancy for Casino, Walmart Connect...
  3. Além da mídia de varejo, vemos outros casos de uso de colaboração entre marcas e varejistas muito interessantes surgindo, por exemplo, em torno do Gerenciamento de categorias, como promoção personalizada, gerenciamento (sortimento), controle de preços ou integração da cadeia de suprimentos com uma lógica de VMI, em que a marca pode operar parte da cadeia de suprimentos do varejista.

Conclusão

Gostaria de concluir sobre a cultura data nas empresas

  1. Hoje, vemos uma melhora significativa na maturidade das empresas em relação a esses assuntos. As equipes “principais” já estão formadas e é hora de treinar o restante da organização. Na Artefact, isso é o que chamamos de data Democratização
  2. De acordo com a APEC, a demanda por especialistas em data, especialistas em manipulação, compreensão e medição de data, está explodindo: +x2 para DS/DE , para DAs x4 entre 2020 e 2021
  3. Foi para atender a essa necessidade que criamos a Escola Artefact de Data, especialmente para ajudar as pessoas que estão em uma situação de reconversão profissional a encontrar oportunidades nos setores de data

Ouça o podcast em francês em

.