Automatizované systémy na měření reklamy mohou být levnější, ale poskytují zkreslené výsledky, varují odborníci v otevřeném dopise zadavatelům.
Sedmnáct expertů na efektivní měření reklamy, v jejichž čele stojí Les Binet z adam&eveDDB, Grace Kite z Magic Numbers a Louise Cook z Holmes & Cook, varují zadavatele před využíváním automatizovaných systémů MMM (market mix modelling), které pro měření reklamy využívají umělé inteligence či strojového učení. Ty jsou zadavatelům čím dál tím častěji nabízeny jako levné a rychlé řešení problémů s měřením podle atribuce a končících cookies. Podle odborníků ale nejsou dost detailní na to, aby poskytly efektivní výsledky. O jejich otevřeném dopise informoval server WARC.
„Vaše podniky jsou jedinečné a mnohotvárné organizace, které fungují v souvislostech, jaké jiné firmy nezažívají. Dobré hodnocení, jež může opravdu rozplést tržby tažené reklamami, musí s touto komplexitou počítat,“ uvádí Binet a spol. s tím, že pro hodnocení se nedá používat pro všechny jednotný přístup. A dávají další příklady: „Ani AI nepozná, co ve vašich datasetech chybí. Nemůže s vaším týmem probrat, když jste omylem vytiskli špatné čárové kódy a pak inovovali využití dat, abyste zjistili, jaký to mělo dopad. Nezjistí, že jste spustili nezávislou rozhlasovou kampaň, o které jste nikomu neřekli.“
Ač experti přiznávají, že i v měření automatizace probíhá, ať už při sběru dat či produkci standardizovaných výstupů, vše se automaticky dělat nedá. Přístup člověka je vždy potřeba k tomu, aby se ujistil, že modely pro měření budou opravdu odrážet fungování konkrétního zadavatele. Experti se též omlouvají, že podobným způsobem nevarovali při měření podle atribuce, které také poskytují zavádějící výsledky. Když se o to snažili, byli podle otevřeného dopisu „za dinosaury“. Teď se raději rozhodli jednat.
„Na algoritmy automatizovaných systémů jsme se podívali a musíme říci, že jsou podstatně jednodušší, než by měly být. Když využíváte MMM měření, dostanete špatná čísla o efektech reklamy pokaždé, když vynecháte nějaký pro vás důležitý údaj. A některé automatizované systémy nepočítají dokonce ani s covidem nebo cenami,“ píše se v dopise.
Odborníci také připomínají, že za nimi chodí klienti, které do podobných systémů investovali, výsledná čísla jim nedávají smysl a devět až dvanáct měsíců pro nastavení systémů považují za ztracený čas. Co tedy odborníci radí zájemcům o MMM měření?
„Přistupujte k tomu jako k výběru nové kuchyně – poptejte se na doporučení, získejte alespoň tři nabídky a nebuďte příliš důvěřiví,“ radí Binet, Kite, Cook a další.
Přidávají také seznam otázek, které by měli zadavatelé položit dodavatelům systémů pro měření:
– Zahrnuje model faktory, jako jsou cena, ekonomika, sezónnost, covid? Budete reportovat, jak tyto okolnosti ovlivňují náš byznys?
– Obsahuje model alespoň dva roky dat, nebo ještě lépe tři?
– Měříte, jak reklamy z vyšší části marketingového trychtýře jako TV a YouTube, ovlivňují aktivity z nižší části trychtýře, jako je PPC?
– Budete sdílet křivky reklamních responzí s našimi mediálními plánovači?
– Co by se stalo, kdybychom nevěřili výsledkům měření, protože by například neodpovídaly datům, která máme?
– Pomůžete vysvětlit model měření našim lidem z financí? Budou se čísla shodovat s temi jejich?
– Mohou se naši analytici podívat „pod kapotu“ systému, na jeho testy a statistickou due dilligence?
– Můžete jim ukázat, jak dobré jsou vaše modely v predikcích?
