p Já não é novidade que nossos dados estão à venda. Os corretores de dados costumam usar registros de navegação online para criar perfis de consumidores digitais que são então vendidos a profissionais de marketing como públicos predefinidos para publicidade direcionada. p Freqüentemente, presume-se que as ferramentas usadas para analisar e categorizar os dados do cliente são tão sofisticadas que os profissionais de marketing podem ajustar com segurança as mensagens e o direcionamento. Mas uma nova pesquisa do jornal INFORMS Ciência de Marketing revelou que o processo de criação desses perfis digitais pode não ser tão confiável como muitos podem presumir.

p O estudo, a ser publicado na edição de novembro da revista INFORMS Ciência de Marketing , é intitulado "Fronteiras:quão eficaz é o perfil do consumidor de terceiros? Evidências de estudos de campo." É de autoria de Nico Neumann da Melbourne Business School, Catherine Tucker, do MIT e do National Bureau of Economic Research, e Timothy Whitfield da Burst SMS na Austrália.

p Os pesquisadores examinaram dois atributos demográficos básicos (idade e sexo), e três áreas distintas de interesse do usuário da Internet (esportes, viagens e preparação física). Eles analisaram dados de mais de 19 corretores de dados diferentes, que resultou em mais de 90 audiências digitais validadas de usuários da Internet. E eles conduziram três testes de campo distintos.

p "Em geral, o processo que fundamenta a criação de perfis de usuários e segmentos para segmentação é uma "caixa preta, 'que cria desafios para a compreensão da confiabilidade e precisão dos perfis digitais ", disse Tucker." Além disso, os anunciantes têm pouca chance de avaliar a precisão dos perfis que estão comprando.

p "Em nosso primeiro teste de campo, realizamos uma campanha online da mesma forma que um anunciante faria uma campanha e avaliamos se o anúncio foi visto pelo segmento demográfico solicitado, "disse Tim Whitfield." Em nosso segundo teste de campo, estreitamos nosso foco e analisamos diretamente se os corretores de dados são capazes de determinar com precisão a idade e o sexo de um par específico de olhos. E em nosso terceiro teste de campo, ampliamos nossa avaliação de qualidade de dados de dados demográficos para segmentos de interesse do público. "

p "Em nosso primeiro teste de campo, descobrimos que nosso anúncio foi mostrado para o segmento demográfico certo 59 por cento do tempo, "disse Neumann." Em nosso segundo teste de campo, descobrimos que os corretores de dados basicamente eram capazes de identificar gênero quase o mesmo que chance aleatória. O terceiro teste de campo revelou que a precisão de públicos com base em interesses é maior (72,8 -87,4 por cento em média). Contudo, essa maior porcentagem de classificação parecia bastante ligada ao fato de que os atributos testados ocorrem com muita frequência na população - por exemplo, há muitas pessoas que gostam de esportes na Austrália e nos Estados Unidos, portanto, identificar alguém que se interessa por esportes não é tão difícil. "A melhoria relativa do uso de dados de público em comparação com a escolha aleatória de pessoas ainda é decepcionante em todos os nossos testes", acrescentou Neumann.

p Os três estudos combinados ilustram que é importante considerar os custos e benefícios do uso de dados de público para segmentação de anúncios. Como os dados de público geram grandes despesas extras, pode não fornecer um caso de negócios útil para todas as situações relativas à publicidade não direcionada. Por exemplo, os custos extras médios para a segmentação de anúncios gráficos com base em dados de público-alvo adquiridos estão em torno de 151%. Contudo, na melhor das hipóteses, a melhoria relativa em encontrar o cliente certo foi de apenas 123% (ao comparar a segmentação por público com a seleção aleatória de pessoas).

p Contudo, o caso de negócios depende da experiência da organização individual e dos custos de tecnologia, os corretores de dados selecionados e a mídia usada. Em particular, mídia mais cara (por exemplo, publicidade em vídeo) tem muito mais probabilidade de resultar em compensações positivas de custo-benefício pelo uso de informações de público adquiridas de corretores de dados.