Technology

Scoring – Wie man TV Visitors präzise identifizieren kann

  • Home
  • »
  • Scoring – Wie man TV Visitors präzise identifizieren kann

Was ist Scoring? Eine Definition

Scoring bei Realytics ist die Analyse der Sitzungen einer Kohorte (in den Minuten, die einer Spotausstrahlung folgen) mit dem Ziel, einen Algorithmus zu konstruieren, der es erlaubt die Sitzungen zu finden, die am wahrscheinlichsten einem TV-Spot ausgesetzt waren.

Das klingt jetzt wirklich viel komplizierter als es ist. Lassen Sie uns erklären, was genau mir damit meinen.

Wie wir in unserem Artikel über die Realytics Baseline erklärt haben, öffnet sich bei Ausstrahlung eines TV-Spots ein automatisches Analysefenster von wenigen Minuten. Innerhalb dieses Fensters lässt sich der direkte Impakt eines Spots messen. Diese Minuten nennen wir „Kohorte“, innerhalb welcher wir alle Webbesuche auf einer Seite identifizieren (bzw. die Anrufe in einem Call-Center oder Downloads einer App).

Als nächster Schritt folgt unser Scoring-Algorithmus. Jeder identifizierten Sitzung innerhalb des Analyse-Fensters wird ein Score zugeordnet und so wird entschieden welcher Webbesucher vom TV kommt oder welcher nicht.

 

Realytics Scoring für TV Visitors

1 zu 0 fürs Fernsehen!

Allen identifizierten Personen nennen wir „TV scored“ und jeder von ihnen erhält eine von zwei „Noten“: entweder eine „Null“ oder eine „Eins“.

Die mit „0“ benoteten Personen sind die Sitzungen, die zur Baseline gehören, d.h. die Besucher, die auf die Website gehen (oder die App herunterladen etc.) ohne einen TV-Spot gesehen zu haben. Die mit „1“ benoteten Sitzungen sind die, die wirklich von Fernsehen kommen.

Wie kann man so etwas denn unterscheiden?

Der intelligente Algorithmus von Realytics berücksichtigt verschiedenste Faktoren: Das Betriebssystem (Windows, iOs …), der Gerätetyp (Mobiltelefon, Desktop, Tablet…), den Webbrowser, das Land, den Moment des Öffnen der Sitzung im Bezug auf die Zeit der Spot-Ausstrahlung, den Channel-Typ (direkt, SEO, SEA), das Zugriffssystem (App, Website…) und so weiter. Viele Kriterien werden analysiert um eine genaue Qualifizierung zu gewährleisten.

Die mit „1“ benoteten „TV scored“ sind also qualifiziert, weil sie besonders viele Kriterien mit den Webseiten Besuchern gemein haben, d.h. ihr Verhalten lässt am ehesten auf das Fernsehen hindeuten.

Wo befinden sich, Ihrer Meinung nach, die Besucher, die am wahrscheinlichsten vom Fernsehen kommen?

Man vergleicht den Rest der Kohorte mit diesem Segment (das am wahrscheinlichsten auf Grund eines TV-Spots auf die Website kommt) aus „TV scored“ mit der Note „1“.

 

Der sportliche Algorithmus

Unser Scoring-Algorithmus ist wie ein Sportler. Er entwickelt sich ständig weiter und wird auf allen Segmenten der Sitzungen trainiert, die einen gleichen Eintrittspunkt (Web, App, App Installation, SMS) und den gleichen Gerätetyp (Smartphone, Computer ...) aufweisen.

Im Allgemeinen wird jedes Scoring-Modell (personalisiert für jeden Kunden) erst alle 5, dann 25, 125, 625 ... Tage überarbeitet, um die genausten Daten zu liefern. Durch Machine learning betrachtet Algorithmus die besten Sitzungen und lernt zu wieder zu erkennen, wenn er eine Kohorte analysiert.

 

Wieso verwenden wir einen Scoring-Algorithmus?

Warum qualifizieren wir die Benutzer und vergeben einen Score? Einige Gründe:

Digital Follow-Up

Digital Follow-Up ermöglicht es Ihnen unter anderem, die Kundenerfahrung ihres TV-Publikums auf den digitalen Kanälen zu verlängern.

Retargeting & Scoring

Retargeting wird verwendet, um die identifizierten engagierten TV-Zuschauer Online-Werbung des Werbetreibenden auszusetzen. Es ist beispielsweise möglich ein TV-Segment auf Facebook anzusprechen. Der Lieferdienst AlloResto hat durch diese Methode eine Konversions-Steigerung von 200% verzeichnet.

Bei der Lösung Digital Follow-Up verwenden wir Retargeting nur auf die mit „1“ benoteten „TV scored“.

Die Kohorten & Scoring

Wir verfolgen über 30 Tage die durch das Scoring bearbeiteten Kohorten und differenzieren zwischen denen mit der Note „1“ oder „0“, abhängig von denen vom Werbetreibenden gewählten Metriken.

Nach dem 30 Tagen vergleicht das Realytics Team die Resultate der kontrollierten Metriken der zwei Gruppen. Das erlaubt es uns zu definieren ob die von TV kommenden Besucher reaktiver als der Durchschnitt der zur Baseline zählenden Besucher sind.

Look alike & Scoring

Wir wissen jetzt, dass wir mit Hilfe des Scoring-Algorithmus‘ den Benutzern, die innerhalb des Analysefensters auf eine Website kommen (die Kohorte), eine „Note“ geben können. Und wenn man diese Benutzer mit all denen, die außerhalb der Kohorte kamen, vergleicht, dann kann man doch auch die von der Werbung erreichte TV-Zielgruppe erweitern, oder?

Dazu reicht es aus, die Customer Journey im Web, die Länge der Sitzungen, das Device und andere Kriterien zu vergleichen, um Profile zu finden, die den mit „1“ benoteten Benutzern der Kohorte ähneln. Danach wird eine bestimmte Ähnlichkeitswahrscheinlichkeit festlegen, um die ähnlichen Benutzer zur finden. Zum Beispiel, kann man entscheiden, nur die Profile zu nehmen, die den mit „1“ Benoteten zu 70% ähneln.

 

Erfahren Sie mehr über Digital Follow-up!

 

Brand Effect

Brand Effect zielt auch die Markenbekanntheit ab und erlaubt es den Werbetreibenden, den globalen Impakt ihrer TV-Kampagne zu messen, um festzustellen wie sehr sie sich auf die Marke auswirkt. In dieser Strategie wird die Marke also in den Fokus genommen und das spiegelt sich in den Branding KPIs wieder.

Brand Effect ist dazu da, verschiedene Indikatoren (Geolokalisierung, Sozio-Demografie, Suchanfragen in den Suchmaschinen) zu berücksichtigen und die Mediaplanung danach auszulegen und anzupassen.

Wo finden wir hier den Scoring-Algorithmus?

Scoring erlaubt es uns nicht nur die Geolokalisierung der mit „1“ benoteten „TV scored“ zu bestimmen, aber auch sie nach Region zu unterscheiden.

Im Bereich Sozia-Demografie lassen sich das Alter, das Geschlecht und die Interessensfelder der mit „1“ und „0“ benoteten Benutzer vergleichen.

 

Unser Scoring-Algorithmus ist von daher extrem wichtig für diese beiden Lösungen und hilft die vom TV kommenden Besucher genauer zu identifizieren. So müssen wir uns weniger auf Wahrscheinlichkeiten stützen und liefern eine zuverlässigere Statistik.

Mots clés : Technology