هدف راه اندازی هوش رسانه ای Guideline.ai حذف حدس و گمان از برنامه ریزی رسانه ای است

شما این کلیشه را در مورد “چه چیزی شما را در شب بیدار نگه می دارد” می دانید؟

برای خریداران آژانس، این اغلب یک سفارش است.

تیم های منبع یابی برند مسئول کنترل هزینه های مشتری و افزایش کارایی هزینه هستند. از دیدگاه خریدار، این معمولاً به معنای بودجه محدودتر و فضای کمتری برای دنبال کردن نوآوری است.

کلی ترین، معاون داده و اتحادهای استراتژیک در Guideline.ai، یک پلتفرم اطلاعاتی رسانه ای مبتنی بر هوش مصنوعی که در سال 2020 تأسیس شد، گفت: آژانس ها به جای تمرکز بر سریع تر و ارزان تر بودن، می توانند از بینش های مبتنی بر داده برای محافظت از برنامه های رسانه ای خود و بازیابی برخی زمینه های استراتژیک استفاده کنند.

بینش > غرایز

اما این فقط تدارکات عمومی نیست که آژانس‌ها را زیر پا می‌گذارد.

خود بازاریابان نیز می توانند در مورد اتخاذ فناوری ها و رویکردهای جدید کمی مردد باشند.

Train که قبل از پیوستن به Guideline در ماه مارس، مدتی را به عنوان مدیر سرمایه‌گذاری دیجیتال در گروه رسانه‌ای Omnicom متعلق به OMG و PHD Worldwide گذراند، گفت: «این به این است که آنها را وادار کنیم خارج از چارچوب فکر کنند، اما شما نمی‌دانید چه چیزی را نمی‌دانید.

ترین گفت: «به جای اینکه بپرسند، بسیاری از اوقات بازاریاب‌ها مانع از این کار می‌شوند.»

این شکافی است که Guideline سعی دارد با گردآوری داده‌های بازار، قیمت‌گذاری و معیارهای عملکرد پر کند تا آژانس‌ها بتوانند ارزش ایده‌های خود را تعیین کنند. این پلتفرم داده‌های معاملات واقعی را مستقیماً از سیستم‌های صورت‌حساب آژانس جمع‌آوری می‌کند، جزئیات شناسایی را حذف می‌کند و آن‌ها را در بینش‌های کل صنعت در مورد هزینه‌ها و روندهای مرتبط جمع‌آوری می‌کند.

آژانس‌ها می‌توانند از این اطلاعات برای اطلاع‌رسانی به برنامه‌ریزی، توجیه هزینه‌ها و تقویت مراجعات به مشتریان خود استفاده کنند.

Train گفت: «جایی که یک دسته هزینه می‌کند، ترکیب رسانه‌ها، توزیع، انواع واحدهایی که استفاده می‌کنند، در چه برنامه‌ها یا نمایش‌هایی هستند، در ابتدا چگونه خرج می‌کنند – وقتی این موارد را بدانید، می‌توانید بسیار بهتر نشان دهید.»

Train با AdExchanger صحبت کرد.

AdExchanger: آنچه دستورالعمل ها ارائه می دهند با برنامه ریزی رسانه های قدیمی یا سنتی چه تفاوتی دارد؟

KELLEY TRAIN: ما در حال دریافت داده های به روز شده از سیستم های شارژ هستیم. ما تحت تأثیر کارت‌های نرخ یا آنچه کسی فکر می‌کند باید پرداخت شود، نخواهیم شد.

ما از مدل‌های طرح‌ریزی، رویدادهای تبلیغاتی، نظرسنجی یا خراشیدن استفاده نمی‌کنیم، بنابراین می‌توانیم آنچه را که واقعاً اتفاق افتاده در مقابل آنچه فکر می‌کنیم رخ داده است، نشان دهیم. این به شما ساختار و فضای تنفسی می دهد زیرا می دانید در گذشته چه اتفاقی افتاده است و می توانید از آن برای ایجاد مذاکرات و حتی زمینه بازی با ناشران استفاده کنید.

اگر بتوانید قیمت‌های یک ناشر یا ایستگاه تلویزیونی و سهم هزینه آنها را بفهمید، بهتر می‌توانید مشخص کنید که مشتریان شما باید کجا باشند و چگونه باید در بازار حرکت کنند. این به شما این امکان را می دهد که داستانی را بگیرید و نه تنها اجازه دهید تکرار شود، بلکه از آن به نفع خود برای ساختار دادن به حرکت های خود استفاده کنید.

قرارداد به اشتراک گذاری داده های مشارکت کننده چگونه کار می کند؟

دادن برای گرفتن است. ما داده‌ها را از شرکت‌های هولدینگ و شرکت‌های مستقل بزرگ دریافت می‌کنیم و دائماً در تلاش هستیم تا با آوردن آژانس‌های تخصصی بیشتر و مشارکت‌کنندگان داده، این مجموعه را افزایش دهیم.

داده‌ها ناشناس، تجمیع و هماهنگ می‌شوند و ما آن‌ها را در داشبورد اجرایی به آن‌ها برمی‌گردانیم. به این ترتیب، این فقط یک ابزار دیگر و یک ورود دیگر نیست. قابل اجرا است و آنها می توانند قطعات منحصر به فرد خود را برش دهند.

هوش مصنوعی از کجا وارد می شود؟ پس از همه، نام شما Guideline.ai است.

ما از هوش مصنوعی برای جمع آوری داده ها استفاده می کنیم، بنابراین فرآیند ما به صورت دستی نیست. اما چیز هیجان انگیزی که ما روی آن کار می کنیم، عوامل هستند.

مردم می گویند که داده می خواهند، اما نمی خواهند در واقع آنها داده می خواهند آنها می خواهند بدانند که داده ها چه چیزی می تواند به آنها بگوید. آنها روندها را می خواهند. ما از عوامل هوش مصنوعی برای ارائه بینش بهتر به داده های کمی استفاده می کنیم. چرا.

به عنوان مثال، ما به خودروهای برقی نگاه کردیم و دیدیم که با تمام شدن اعتبار، تبلیغ‌کنندگان خودرو برای پاک کردن موجودی خود هزینه می‌کنند. ما در حال تماشای تأثیر صورت‌حساب‌های جدید بر Medicaid و نحوه هزینه‌های شرکت‌های بیمه و دارو هستیم. ما نگاه می کنیم که چگونه یکپارچگی در فضای تلویزیون محلی بر قیمت گذاری تأثیر می گذارد. ما رشد تبلیغات را در Reddit دنبال می کنیم.

موارد استفاده واقعاً بی پایان هستند.

آیا می توانید چند نمونه از نحوه استفاده آژانس ها و فروشندگان از این داده ها به من بدهید؟ آن را برای من واقعی کنید.

خریداران می‌توانند از داده‌ها برای مذاکره در فضای دیجیتال استفاده کنند، زیرا دقیقاً می‌دانند سال گذشته چه چیزی خرج شده است، از جمله با کدام ناشران و به چه قیمتی. این امر حدس و گمان را از این مذاکرات خارج می کند.

آن‌ها می‌توانند از داده‌ها برای درک قیمت‌های رقابتی و ارائه پیشنهادات هوشمندانه‌تر استفاده کنند، زیرا می‌توانند ببینند بازار گسترده‌تر چه می‌کند.

در سمت فروشنده، ما افرادی را داریم که حقوق محتوا را خریداری کرده‌اند، مانند NFL یا NHL، و سپس به داده‌های ما روی می‌آورند تا بفهمند چگونه موجودی موجودی را برای تبلیغ‌کنندگان قیمت گذاری کنیم. به عنوان مثال، اگر آنها متوجه شوند که 10 درصد از هزینه خودرو را دریافت می کنند و رقیب 40 درصد، می دانند که باید استراتژی های فروش و قیمت گذاری خود را دوباره تنظیم کنند.

از آنجایی که دلارهای بازاریابی در حال رشد نیستند، همه چیز به درک سهم کیف پول بستگی دارد. این در مورد ردیابی این است که پول کجاست و چگونه حرکت می کند.

این مصاحبه کمی ویرایش و فشرده شده است.