Spółdzielnia danych DMP (Data Management Platform) zgodnie ze swoją nazwą jest miejscem, w którym agregowane są informacje zebrane o użytkownikach internetu. W znaczeniu, o którym mówimy w kontekście wykorzystywania Big Data w działaniach marketingowych spółdzielnia pełni jednak jeszcze dodatkowe role. W uproszczeniu jest ona jednocześnie miejscem skupu baz danych od wydawców i przetwarzanie ich w bazy mailingowe, czy zagłębiając się w szczegóły, bazy profili behawioralnych. Jest również tym miejscem, w którym dzieje się cała “magia” pomiędzy powyższymi etapami - to właśnie spółdzielnia jest platformą, w której zebrane dane są ze sobą korelowane, po to żeby wyświetlić właściwy komunikat właściwemu odbiorcy, we właściwym momencie.

Jakie dane są agregowane ?

Spółdzielnie danych nie są wybredne jeśli chodzi o wybór danych. Cała trudność selekcji danych jest bowiem przeniesiona na późniejszy proces budowania profili behawioralnych. Tak naprawdę ciężko jest założyć, że jakaś mało znacząca z pozoru informacja nie przysłuży się za jakiś czas do większego uszczegółowienia danego profilu. I tak magazynowane są wszelkie informacje, które zostawiamy podczas online’owej aktywności – dane demograficzne takie jak płeć, wiek czy poziom dochodów, informacje o treściach, które czytamy w serwisach, to na jakich urządzeniach przeglądamy internet , dane z kampanii reklamowych na które zareagowaliśmy kliknięciem w baner, informacja czy otworzyliśmy mailing reklamowy, lokalizacja, dobowa aktywność, nasze wcześniejsze zakupy – dokonane i planowane i wszystkie informacje, które są w jakiś sposób zapisane w plikach cookies, bądź dane deklaratywne, które sami podajemy wypełniając formularze. Rzecz jasna, aby dane te mogły zostać wykorzystane, muszą być zdobyte w sposób zgodny z prawem oraz muszą pozostawać anonimowe.

Jak działa spółdzielnia danych ?

Dla bardziej przejrzystego zobrazowania zasad działania takiej spółdzielni wyobraźmy ją sobie jako inteligentną maszynę tworzącą z pojedynczych elementów określony profil behawioralny. Cykl tworzenia takiego profilu w spółdzielni możemy przedstawić następująco. Po pierwsze z ogólnego zbiornika naszej maszyny, gdzie są magazynowane dane są wyławiane te, które najlepiej określają wyobrażenie naszego klienta idealnego. W kolejnym etapie wybrane informacje są ze sobą łączone, uzupełniane oraz sprawdzane są zależności pomiędzy nimi, po to by wspólnie mogły stworzyć określony profil behawioralny. Skuteczne przeanalizowanie istniejących powiązań pomiędzy zgromadzonymi danymi daje maksymalne prawdopodobieństwo, że nasz przekaz trafi do zakładanej grupy docelowej i wywoła reakcję. Następnym etapem jest już wykorzystanie profilu w działaniach marketingowych i ocena skuteczności. Jeśli okaże się, że dane które stworzyły profil nie były idealnie wyselekcjonowane, to jest on automatycznie korygowany żeby w przyszłości skuteczność wyświetlanych treści reklamowych była wyższa. Tym sposobem algorytm odpowiedzialny za dobór informacji uczy się tych zależności i tworzy coraz bardziej złożone i dokładne profile konsumentów. Oczywiście w procesie nauki tego mechanizmu musi być też obecny nauczyciel - to analityk wskazuje i analizuje możliwe scenariusze aby zoptymalizować tworzenie profili pod kątem biznesowym.

Kto i jak wykorzystuje spółdzielnie danych?

Jeśli stawiamy na zautomatyzowane działania marketingowe napędzane danymi, to korzystanie ze spółdzielni danych jest bardzo istotne dla zoptymalizowania tych procesów. Marketerzy, reklamodawcy, agencje, wszyscy chcą osiągać jak najwyższe zaangażowanie odbiorców w wyświetlane treści, żeby przełożyło się to na ich zysk. Spółdzielnia danych pozwala ograniczyć koszty kampanii poprzez wyświetlanie reklam o mniejszym, za to dokładniejszym zasięgu. Oparcie kampanii marketingowej na zasobach platform takich jak Cyklopdata często pozwala wydawcom na zbudowanie całej omnichannelowej komunikacji. Kompleksowość działań jest dziś bowiem niezbędna ze względu na to, że użytkownicy korzystają z internetu na różnych urządzeniach i platformach. Posługując się przykładem e-mail marketingu, do wysyłki precyzyjnych reklam z użyciem Data Driven Mailing możemy dołożyć działania remarketingowe np. w modelu RTB również opartym o dane - zwiększamy tym samym szansę na korzystniejszy wskaźnik ROI bo oba komunikaty trafią precyzyjnie do odbiorcy, który został wytypowany na podstawie swojego profilu behawioralnego.