A “Oportunidade de Visualização” indica: “Havia condições para que esse consumidor visse o anúncio.” A tela estava ligada, o consumidor estava na loja e o momento era oportuno.
A “Probabilidade de Visualização” vai além: “Com base nas evidências disponíveis, esse shopper provavelmente viu o anúncio.” Ela considera as condições e acrescenta indicadores comportamentais, tempo de permanência, proximidade, momento da transação e dados de posicionamento da tela para estimar a probabilidade de exposição real.
A OTS é binária: a oportunidade existiu ou não. A LTS é graduada: há 30% de chance, 60% de chance e 85% de chance de que aquele shopper tenha sido realmente exposto.
Por que essa distinção é importante
Nem todo OTS é igual. Um shopper que passou 45 minutos em um supermercado, passou pela tela da entrada três vezes e realizou uma transação durante o horário de pico teve uma probabilidade muito maior de ver o anúncio do que um shopper que fez uma compra rápida de 5 minutos durante um período de baixo movimento.
Ambos atendem ao limite de OTS. Mas a probabilidade de exposição real é muito diferente.
Tratá-los igualmente na medição superestima a exposição para o shopper que faz compras rápidas e a subestima para o shopper que fica olhando os produtos.
O LTS atribui uma probabilidade a cada evento de exposição. Essa probabilidade é calculada a partir de:
Tempo in-store. Visitas mais longas significam mais passagens pela tela, mais tempo parado perto dos displays e mais oportunidades para a mensagem ser percebida.
Proximidade da transação em relação à exibição na tela. Uma transação às 10h17, quando a tela exibiu o conteúdo às 10h14, é mais próxima do que uma transação às 10h45. Maior proximidade significa maior probabilidade.
Localização da tela e fluxo de shoppers. As telas na entrada têm passagem quase universal. Telas específicas de corredores só são relevantes se o shopper tiver visitado aquele corredor, e os dados de compra por categoria podem indicar se isso ocorreu.
Frequência de visitas. Um shopper que visitou a loja três vezes durante uma campanha semanal teve três eventos de LTS. A probabilidade acumulada de pelo menos uma exposição é maior.
LTS e qualidade da medição
Quando o LTS substitui o OTS binário no modelo de medição, a qualidade de todas as métricas subsequentes melhora.
O alcance torna-se probabilístico. Em vez de “X shoppers estavam na loja enquanto o anúncio era exibido” (OTS binário), obtém-se “X shoppers tiveram uma probabilidade média ponderada de 65% de exposição” (LTS). O alcance efetivo é X × 0,65, o que é mais preciso.
A atribuição passa a ser ponderada. Ao relacionar a exposição à compra, a atribuição ponderada pelo LTS dá mais crédito às exposições de alta probabilidade e menos às de baixa probabilidade. Isso reduz o ruído na medição e produz estimativas de aumento mais precisas.
A otimização se torna mais inteligente. Quando você sabe quais lojas, horários e posições na tela produzem o maior LTS, pode otimizar a veiculação para esses canais. O mesmo orçamento gera maior exposição efetiva.
O caso de investimento
O LTS requer mais infraestrutura de dados do que o OTS: modelos de fluxo de shoppers, mapeamento de posições na tela e análise temporal de padrões de transação. Sua implementação não é trivial.
Mas o investimento compensa por meio de: - Relatórios mais confiáveis (as marcas confiam mais em probabilidades ponderadas do que em indicadores binários) - Melhor otimização (o orçamento é direcionado para condições de alto LTS) - Preços mais competitivos (impressões verificadas pelo LTS geram CPMs mais altos do que as estimativas do OTS)
O OTS diz “pode ter sido visto”. O LTS diz “provavelmente foi visto”. E “provavelmente foi visto” vale dinheiro.
Conclusão
O LTS transforma a medição in-store de meras condições em evidências. Não é prova de atenção, nada menos do que o rastreamento ocular fornece isso. Mas é um passo significativo além do OTS, adicionando indicadores comportamentais que geram uma probabilidade em vez de um indicador binário.
Para as RMNs que buscam diferenciar a qualidade de suas medições e justificar preços premium, a LTS é o próximo degrau na escada. Ela utiliza os mesmos dados, transações, horários de exibição e layouts de loja, e extrai mais insights a partir deles.
A diferença entre “poderia ter visto” e “provavelmente viu” é onde reside a credibilidade da medição.
Pronto para ver como isso funciona na prática?
A Footprints AI ajuda marcas e varejistas a medir o que realmente importa. Confira nossas histórias de sucesso de clientes ou entre em contato para discutir sua estratégia de Retail Media.
