Público parecido

Um público semelhante, também chamado de público similar em algumas plataformas, é um método de segmentação no qual uma plataforma de publicidade identifica pessoas que se assemelham a um grupo fornecido pelo anunciante. O anunciante fornece um público inicial, geralmente uma lista de clientes ou um conjunto de pessoas que realizaram uma ação valiosa, e o modelo da plataforma encontra outros usuários em sua base que compartilham características e padrões de comportamento semelhantes.

O atrativo reside no fato de que essa abordagem resolve o problema mais difícil na aquisição de clientes: encontrar pessoas que ainda não conhecem a empresa, mas que a valorizariam. A segmentação manual depende da tentativa do anunciante de adivinhar quais dados demográficos, interesses e comportamentos predizem um bom cliente, e essas tentativas frequentemente falham. Um modelo treinado com clientes reais pode identificar sinais preditivos que nenhum profissional de marketing teria especificado, incluindo combinações que não fazem sentido intuitivamente, mas que se comprovam empiricamente.

A qualidade da semente determina tudo sobre o resultado, e é aqui que a maioria das implementações falha. Um modelo treinado com todos os compradores anteriores encontrará pessoas semelhantes ao cliente médio, incluindo aqueles de baixo valor e que cancelam rapidamente. Um modelo treinado com os clientes mais valiosos, definidos por valor vitalício do cliente, recompra ou margem, encontrará pessoas semelhantes a esses. A diferença no desempenho subsequente entre essas duas sementes é frequentemente maior do que a diferença entre quaisquer duas estratégias de segmentação.

O tamanho da amostra inicial envolve uma verdadeira compensação. As plataformas geralmente exigem um mínimo, frequentemente em torno de mil indivíduos correspondentes, e os modelos geralmente melhoram com mais dados até certo ponto. Mas uma amostra inicial maior geralmente significa uma definição menos precisa de um bom cliente, então a escolha é entre um modelo preciso construído com menos exemplos e um mais abrangente construído com mais exemplos. Testar várias amostras iniciais, definidas por diferentes limites de valor, é mais informativo do que simplesmente tentar adivinhar qual delas funcionaria.

A porcentagem de similaridade controla o equilíbrio entre alcance e precisão. Um público-alvo bem definido, que corresponde ao 1% superior em similaridade, é menor e geralmente apresenta melhor desempenho por impressão, enquanto definições mais amplas alcançam mais pessoas com uma qualidade média inferior. A configuração ideal depende se a restrição é eficiência ou volume, e executar vários níveis como campanhas separadas, em vez de combiná-las, é o que torna a diferença mensurável.

A atualização constante é mais importante do que a maioria dos anunciantes imagina. Os públicos-alvo iniciais, criados a partir de uma lista de clientes, tornam-se obsoletos à medida que a base de clientes muda, e os modelos construídos com base nos clientes de uma empresa de dois anos atrás encontrarão pessoas que se assemelham a um negócio que a empresa já superou. Atualizar os públicos-alvo iniciais regularmente e reconstruir os modelos quando o posicionamento ou o mix de produtos mudam significativamente mantém o público-alvo alinhado com o negócio atual.

As obrigações de proteção de dados aplicam-se diretamente, uma vez que o carregamento de uma lista de clientes para uma plataforma de publicidade é uma atividade de processamento que exige uma base legal, divulgação adequada e respeito por qualquer objeção ou retratação. As plataformas oferecem recursos de hashing para evitar a transmissão de identificadores em formato não criptografado, mas o hashing não elimina a obrigação, e a criação de públicos-alvo a partir de dados coletados para uma finalidade não relacionada representa uma lacuna comum de conformidade.

Como o método depende inteiramente de saber quais clientes são realmente valiosos, ele falha silenciosamente em organizações que não conseguem distingui-los. Na prática, a definição inicial baseia-se na análise de valor do cliente mantida por meio de análise de dados, a execução da campanha fica a cargo de serviços de marketinge a estratégia de público-alvo resultante é analisada dentro de gestão do crescimento Sempre que a empresa muda o segmento em que está tentando crescer.