Wskaźnik „Opportunity to See” oznacza: „Istniały warunki, w których klient mógł zobaczyć reklamę”. Ekran był włączony, klient znajdował się w sklepie, a moment wyświetlenia był odpowiedni.
Wskaźnik „Likelihood to See” idzie o krok dalej: „Na podstawie dostępnych dowodów ten shopper prawdopodobnie zobaczył reklamę”. Uwzględnia on warunki i dodaje wskaźniki behawioralne, czas przebywania przed ekranem, odległość, moment transakcji oraz dane dotyczące umiejscowienia ekranu, aby oszacować prawdopodobieństwo faktycznego kontaktu z reklamą.
OTS ma charakter zero-jedynkowy: okazja istniała albo nie. LTS jest stopniowane: istnieje 30%, 60% lub 85% prawdopodobieństwa, że ten shopper faktycznie zobaczył reklamę.
Dlaczego to rozróżnienie ma znaczenie
Nie wszystkie przypadki OTS są takie same. Klient, który spędził 45 minut w supermarkecie, trzykrotnie minął ekran przy wejściu i dokonał zakupu w godzinach szczytu, miał znacznie większe prawdopodobieństwo obejrzenia reklamy niż klient, który w ciągu 5 minut zrobił szybkie zakupy w okresie mniejszego natężenia ruchu.
Obydwaj spełniają próg OTS. Jednak prawdopodobieństwo ich faktycznego kontaktu z reklamą jest bardzo różne.
Traktowanie ich jednakowo w pomiarach prowadzi do zawyżenia ekspozycji w przypadku klienta robiącego szybkie zakupy i zaniżenia jej w przypadku klienta przeglądającego asortyment.
LTS przypisuje prawdopodobieństwo do każdego zdarzenia ekspozycji. Prawdopodobieństwo to oblicza się na podstawie:
Czas spędzony w sklepie. Dłuższe wizyty oznaczają częstsze mijanie ekranu, dłuższe przebywanie w pobliżu ekspozycji i większą szansę na zapamiętanie przekazu.
Bliskość transakcji względem odtworzenia ekranu. Transakcja o godz. 10:17, gdy ekran wyświetlał się o godz. 10:14, jest bliższa niż transakcja o godz. 10:45. Mniejsza odległość oznacza większe prawdopodobieństwo.
Lokalizacja ekranu i przepływ klientów. Ekrany przy wejściu są oglądane niemal przez wszystkich przechodzących. Ekrany umieszczone w konkretnych alejkach mają znaczenie tylko wtedy, gdy klient odwiedził tę alejkę, a dane dotyczące zakupów w danej kategorii mogą wskazać, czy tak się stało.
Częstotliwość wizyt. Klient, który odwiedził sklep trzy razy w trakcie tygodniowej kampanii, miał trzy zdarzenia LTS. Łączne prawdopodobieństwo co najmniej jednej ekspozycji jest wyższe.
LTS a jakość pomiaru
Gdy LTS zastępuje binarny wskaźnik OTS w modelu pomiarowym, poprawia się jakość wszystkich wskaźników niższego rzędu.
Zasięg staje się probabilistyczny. Zamiast stwierdzenia „X klientów było w sklepie podczas wyświetlania reklamy” (binarny OTS) otrzymujemy informację, że „X klientów miało średnie ważone prawdopodobieństwo ekspozycji wynoszące 65%” (LTS). Efektywny zasięg wynosi X × 0,65, co jest bardziej rzetelnym wynikiem.
Atrybucja staje się ważona. Łącząc ekspozycję z zakupem, atrybucja ważona wskaźnikiem LTS przypisuje większą wagę ekspozycjom o wysokim prawdopodobieństwie, a mniejszą, tym o niskim. Zmniejsza to zakłócenia w pomiarze i zapewnia dokładniejsze szacunki wzrostu sprzedaży.
Optymalizacja staje się inteligentniejsza. Wiedząc, które sklepy, pory dnia i pozycje na ekranie generują najwyższy wskaźnik LTS, można zoptymalizować wyświetlanie reklam pod kątem tych elementów. Ten sam budżet zapewnia wyższą efektywną ekspozycję.
Argumenty przemawiające za inwestycją
LTS wymaga rozbudowanej infrastruktury danych w porównaniu z OTS, modeli przepływu klientów, mapowania pozycji na ekranie oraz analizy czasowej wzorców transakcji. Wdrożenie tego rozwiązania nie jest proste.
Jednak inwestycja ta się opłaca dzięki: - Bardziej wiarygodnym raportom (marki bardziej ufają prawdopodobieństwom ważonym niż dwuwartościowym oznaczeniom) - Lepszej optymalizacji (budżet kierowany jest do warunków o wysokim wskaźniku LTS) - Wyższym cenom (wyświetlenia zweryfikowane przez LTS osiągają wyższe stawki CPM niż szacunki OTS)
OTS mówi: „można było to zobaczyć”. LTS mówi: „prawdopodobnie to zobaczono”. A „prawdopodobnie zobaczono” jest warte pieniędzy.
Podsumowując
LTS przenosi pomiary in-store z poziomu przypuszczeń na poziom dowodów. Nie jest to dowód na uwagę, tego nie zapewni nic poza śledzeniem ruchu gałek ocznych. Jest to jednak znaczący krok naprzód w stosunku do OTS, dodający wskaźniki behawioralne, które generują prawdopodobieństwo zamiast binarnego wskaźnika.
Dla sieci RMN, które chcą wyróżnić się jakością pomiarów i uzasadnić wyższe ceny, LTS stanowi kolejny szczebel drabiny. Wykorzystuje te same dane, transakcje, harmonogramy wyświetlania, układy sklepów, i wydobywa z nich więcej informacji.
Różnica między „mógł zobaczyć” a „prawdopodobnie zobaczył” stanowi podstawę wiarygodności pomiaru.
Chcesz zobaczyć, jak to działa w praktyce?
Footprints AI pomaga markom i detalistom mierzyć to, co naprawdę ma znaczenie. Zapoznaj się z historiami sukcesów naszych klientów lub skontaktuj się z nami, aby omówić swoją strategię w zakresie Retail Media.
