Studie ukazují, že nejen že roste počet chytrých zařízení, ale i že stále více uživatelů internetu využívá více než jedno zařízení k dokončení nákupu.

Systémy pro párování jednotlivých zařízení, díky tomu nabírají velmi rychle na důležitosti a marketingoví manažeři je nezbytně potřebují k pochopení nákupního procesu svých zákazníku i k řízení marketingových kampaní. Doba, kdy šlo řídit kampaně jen s předpokladem, že uživatel používá jen jedno zařízení, notebook nebo počítač, je už pryč.

V posledních letech se začínají objevovat sofistikovaná řešení pro marketéry. Aktuálně už je těchto nástrojů několik. K čemu se tedy dají využít a na jakém principu fungují?

Existují dva základní principy jak identifikovat uživatele mezi zařízeními.

Deterministický model

Deterministický model párování zařízení vychází z identifikace uživatele. Toho lze dosáhnout například tím, že uživatel použije svůj login a heslo do nějakého systému z více zařízení. Pak máme celkem velkou jistotu, že tyto zařízení patří k sobě.

Jednoznačným lídrem v této oblasti jsou sociální sítě v čele s facebookem. Bez loginu jsou sociální sítě prakticky nepoužitelné a zároveň na nich lidé tráví velké množství času a připojují se z různých zařízení. Podíl přístupů z mobilů je zde dokonce vyšší než na jiných webech.

Relativně velkou základnu má také Google, který pracuje s vašim loginem nejen v emailu, ale skrz další své služby.

Bohužel další weby nemají zpravidla dostatečně navštěvované služby, kde by se uživatelé logovali často, ve velkém množství a z různých zařízení.

Pravděpodobnostní model

Pravděpodobnostní model párování zařízení vychází z analýzy lidského chování a dalších dostupných dat. Jedná se o takzvané signály a mohou jimi být například informace o IP adrese, geolokace, frekvence návštěv, typ použitého zařízení,…

Ideálním vysvětlením je příklad.

Představte si čtyři různá zařízení:

• Osoba A (muž, manžel, otec) používá notebook
• Osoba A používá mobil
• Osoba B (žena, manželka, matka) používá mobil
• Osoba C (dítě rodičů A+B) používá mobil

Našim cílem je spojit mobil a notebook osoby A a vyloučit propojení notebooku osoby A s mobily osob B a C. Pro zjednodušení jsme se vyhnuli zařízením typu televize a tablet, které jsou používány zpravidla více osobami a jejich přiřazování není ani jednoduché a má jiné možnosti využití.

Typický příklad signálů, které dostáváme může být tento. V 7:00 ráno se všechny zařízení vyskytují na stejné pozici – rodina je společně doma. Později se ale rozdělí a otec s mobilem a notebookem bude mít jinou lokaci než matka a dítě. Zároveň schopni zjistit další informace, například že dítě je pravděpodobně ve škole, zatímco matka v domácnosti bude na své lokalitě i IP adrese osamocena. U muže se dá očekávat, že se bude pohybovat nějakou dobu než dorazí do kanceláře, kde se připojí firemní síť.

Jsme schopni identifikovat i další signály, které nám dávají pravděpodobnost, že daná zařízení patří či nepatří sobě. Celý proces analýzy se přitom neustále opakuje, tedy ke spárování zařízení může dojít, ale pokud další dny bude chování uživatelů těchto zařízení neobvyklé, budou opět od sebe odpárována. Tento postup nám dává relativně vysokou pravděpodobnost že zařízení, která propojíme budou skutečně patřit k sobě. Ale nikdy nám nedá jistotu.

Na téma přesnosti shody proběhly výzkumy společnosti Nielsen a u dvou konkrétních řešení přesnost shody nad 90%. Což je opravdu hodně, nicméně co do šíře se s touto 90% přesností propojit 10% zařízení. Tedy ze 100 návštěv webu jich dokážete využít v cross device. Ale jsme na začátku tohoto procesu a tyto čísla v budoucnu bezpochyby porostou.

K čemu je možné využít cross device?

K čemu konkrétnímu nám tedy propojení zařízení jednoho uživatele může být? Asi ideálním příkladem jsou facebook kampaně. Pokud jako uživatel navštívíte například eshop, využívá facebook kampaně přímo a má implementován facebook pixel, začne se vám reklama tohoto eshopu zobrazovat jak na vašem počítači tak mobilu (nebo obecně na jakémkoli zařízení, kde se přihlásíte do facebooku svými přihlašovacími údaji).
Reklama vás také nezahlcuje – facebook si hlídá frekvenci skrz zařízení. Inzerentovi pak dává souhrnnou informaci, na jakém zařízení a s jakou průměrnou frekvencí na jednoho uživatele byly kampaně zobrazeny.

Bohužel jinde to pro inzerenty není tak jednoduché a musejí využít platformu, která jim umožní s cross device pracovat. Tou je typicky Data Management Platform (DMP). Takové řešení je ale pak možné integrovat i se systémy pro řízení inzerce – nejen klasické DSP, ale i adwords či facebook kampaně.

Publisherům zase tento přístup umožňuje například lépe monetizovat své imprese – pokud prodáváte data o chování uživatelů, pak propojení zařízení vám dává logicky větší počet impresí, které prodáte za vyšší cenu.

Cross device nám také umožní lepší správu kampaní, například:

• Uživatele, který navštíví váš web z desktopu, následně oslovujete na mobilu ke stažení vaší mobilní aplikace
• Naopak uživateli, který navštíví váš web na mobilu pak později nabízíte na desktopu stažení vaší větší PDF prezentace
• Jednoznačné výhody také přináší možnost využít jiné kreativy podle daného zařízení a jejich provázání mezi sebou a vytváření story tellingu.

Všechny tyto možnosti jsou dostupné i bez implementace cross device, ale s tímto řešením získáváte mnohem větší zásah kampaně a nemusíte se spoléhat, že uživatel navštíví vaši prezentaci jak z mobilu, tak z notebooku. Prostě vám stačí jediná návštěva z jakéhokoli jeho zařízení.

Krásnou ukázku využití cross device naleznete například na tomto videu:

Cross-Device: Here’s How It Works from Drawbridge on Vimeo.

Promiňte, tento článek je dostupný pouze v Angličtina (Usa).

Promiňte, tento článek je dostupný pouze v Angličtina (Usa).

Na začátku roku 2016 vyšla jedna z prvních ucelených knih o programmatické reklamě. Tu jsem si nemohl nechat ujít a níže přináším několik osobních postřehů.

Pokud pracujete v programmatické reklamě, rozhodně vám doporučuji si knihu přečíst. Popisuje fundamentální základy a principy programmatické reklamy a popisuje celou oblast bez vazby na konkrétní technologii či oblast použití. Kniha vám neporadí jak si poprat s konkrétním technickým problémem, ale nastartuje vaše mozkové závity a rozšíří pohled na celou oblast. Je to, jako byste se denně pohybovali ve všem prostoru a pak vás někdo posadil do letadla a ukázal vám, jak váš prostor zapadá do širšího celku a co se děje kolem vás kam běžně nevidíte.

Užitečná je tedy pro lidi ze všech oblastí: publishery, inzerenty, agentury či technologické partnery. A různorodí jsou i její autoři. Na knize se podílelo celkem 45 odborníků z oboru, kteří sestavili celkem 22 odborných kapitol. Autoři jsou zástupci známých značek jako například Rubicon Project, ZenithOptimedia, SAP, TheAdex, Facebook, MediaMath, Criteo, Xaxis, LiveRail, Dentsu Aegis, Axel Springer, GfK, Adform, a mnoho dalších.
Jako největší přínos knihy vidím právě její ucelený pohled na celou oblast programmatické reklamy. Popisuje jak základy včetně historických vazeb na předcházející technologie a marketingové praktiky, tak výhled, kam se bude tato oblast vyvíjet do budoucna.

Rozhodně doporučuji k četbě každému, kdo se chce programatickou reklamou zabývat.
Editor: Oliver Busch
Vydal: Springer International Publishing Switzeland

Promiňte, tento článek je dostupný pouze v Angličtina (Usa).

Za posledních pár let prošel svět reklamy velkými změnami. Vidíme nástup programmatického přístupu zejména v display kampaních, obrovský postup v automatizaci PPC nástrojů, velký pokrok v efektivitě facebookových kampaní, silný nástup video reklamy a reach media formátů a další novinky zvyšující zacílení a výsledný efekt reklamy.

Ale měření efektu zase až tak zásadní pokrok nezaznamenalo. Pořád vyhodnocujeme podobně jako před pár lety. Většinou to jsou velmi přesné metriky, které ale stále měří jen online a jen u konkrétní cookie. Přitom obrovský podíl kampaní je cílených na nějaký typ offline konverze – návštěva obchodu či prohlídka autosalónu. Navíc se často děje skrz různá zařízení – vyhledám informaci doma na počítači a druhý den zajdu do obchodu s mobilem v kapse. Nebo naopak na mobilu mě zaujme něco v průběhu dne a večer na desktopu se k tomu vracím.

Přitom dnešní technologie již takovéto konverze jsou schopny zaznamenat. Procento lidí vlastnících nějakou formu smartphonu (⅔ američanů vlastní smartphon) neustále silně roste a mnoho z nich má permanentně zapnuto sledování polohy v mapových a navigačních aplikacích (v roce 2013 to bylo 74% uživatelů využívající navigační služby).

Právě realtime data o lokalitě mají obrovský význam v reklamě. V principu návštěva konkrétního bodu a setrvání na něm po nějakou dobu znamená konverzi (fyzicky jsem přišel do kamenného obchodu).

Nyní už zbývá pouze propojit informaci o servírované reklamě s informací o poloze. Přitom už delší dobu se GEO lokace používá jako běžná součást cílení kampaní. U desktopů s pevnou IP adresou funguje orientačně, ale u cílení na mobilní zařízení je přesnost velmi vysoká.

Vezmeme k tomu do úvahy silný rozvoj cross-devices algoritmů, které dokáží propojit jedinečného uživatele skrz zařízení. Tedy zákazníka zacíleného reklamou na desktopu můžeme sledovat skrz jeho polohu mobilu.

Tato kombinace “cross dives” řešení a měření offline konverzí bude znamenat v následujících 1-2 let velké téma a předpokládám, že se dočkáme několika zajímavých řešení. Ostatně už nyní Google testuje měření offline konverzí a cross-devices je také na vzestupu. Měření telefonických konverzí je již standardní službou AdWords nebo je zde k dispozici i český poskytovatel C-all.cz

Co ale kdybychom tuto myšlenku rozšířili dál? Je možné sledovat pohyb osob po silnicích a spárovat jej s umístěním billbordů a následnou návštěvou kamenného obchodu. Nebo po dostatečném rozvoji TV s připojením na internet budeme schopni identifikovat uživatele, kteří sledují reklamu v televizi a přitom si z mobilu prohlížejí doménu, kterou viděli v reklamě, nebo prostě jen vyhledávají správný dotaz ve vyhledávači.

Předpokládám, že budoucnost bude v tomto směru velmi zajímavá a přinese mnoho nových příležitostí. Jste připraveni?

Velmi často se setkávám s námitkou, že RTB má vyšší cenu za klik než PPC. Neplatí to vždy, ale ANO, často to tak je. ALE! Je co nejnižší cena za klik skutečně to, co chcete? Zpravidla ne, klienti většinou chtějí nějakou složitější konverzi typu objednávka, vyplněný formulář… Nebo alespoň kvalitní návštěvu (klik) v podobě doby strávené na webu nebo počtu shlédnutých stránek.

Je to stejné jako byste chtěli vyhrát závody F1 a jediný parametr vás zajímal maximální rychlost vozidla. O výsledku ale rozhoduje i zkušenost řidiče, servisní tým, pneumatiky …

Míchání hrušek (display) s jablky (vyhledávač)

Něco jiného je PPC reklama ve vyhledávači a něco jiného bannerová reklama v obsahové síti. Zatímco do vyhledávače chodí lidé s konkrétním záměrem = vyhledávají a tedy chtějí najít a kliknout, tak v obsahové síti oslovujeme uživatele v době, kdy se mu tak trochu vnucujeme. Efektivita z pohledu ceny za klik tedy musí být rozdílná.

Když tedy chceme srovnávat ceny za klik, tak srovnávejme zvlášť bannery a zvlášť vyhledávání.

Měření kvality kliku

Nicméně klik zpravidla není konečná metrika – není to klik, který chceme, ale uživatele, který za klikem stojí. A chceme, aby to byl uživatel relevantní – tedy aby měl zájem o to, nač kliknul.

Proto doporučuji vždy měřit to, co návštěvníci webu dělají. Jaký obsah si prohlédnou, jak dlouho se na webu zdrží, zda vyplní objednávku nebo kontaktní formulář, atd. Ideální je měření u eshopu, kdy jediným cílem je objednávka. Tam, kde takový jednoznačný cíl není, musíme si nějaký zvolit, obvykle doporučuji právě kombinaci času stráveného na webu a počtu prohlédnutých stránek, případně ještě bounce rate.

Vyhodnocení pak probíhá například v takovéto tabulce pro eshopy:

Zde nás primárně zajímá ROI (Return on Investment) ukazatel

Nebo takovéto pro obsahové weby bez jednoznačného cíle:

Je zde jednoznačně vidět, že cena nakoupeného kliku je sice důležitá, ale ne nejdůležitější parametr. Jiné zdroje s dražšími kliky ve finále mohou vyjít efektivněji. Náklady na zíslání návštěv zde dělíme výpočtem (počet návštěv * (1-BouncRate)*počets stránek na 1 návštěvu).

Dá se i sestavit i jiný vzorec pro výpočet jedné finální metriky, která bude zahrnovat více kvalitativních parametrů.

Více o jednotném vyhodnocování více DSP uvádíme v samostatmém článku. V obecné rovině doporučuji řízení bannerových kampaní v jediném nákupním systému.

Jestliže z nějakého důvodu provozujete bannerovou inzerci ve více systémech a chcete mít jednotné data pro celkové vyhodnocení v Google Analytics, je nutné mít kampaně označeny podle stejného vzoru.

Pokud obdobné nastavení použijeme ve všech systémech, kde provozujeme bannerovou inzerci i u přímo nakupovaných bannerů je možné v Google Analytics následně kampaně jednotně vyhodnocovat.

U přímo nakupovaných pozic doporučujeme navíc využívat nějaký AdServer, z kterého získáme více dat k vyhodnocování, než kdybychom bannery měřili jen v rámci Google Analytics nebo reklamního systému poskytovatele. Navíc místo jednoho banneru můžeme samostatně bannery měnit a nastavovat jim UTM parametry.

Finální zhodnocení pak může vypadat například takto u retargetingu:

Nebo obdobně u prospektingových kampaní, kde více sledujeme Post View konverze:

Zde je nutné použít nějaký adserver, který vám doplní čísla měření konverzí a CPA na straně servírování bannerů.

Příklady tagování

U nás využíváme tagování UTM parametry podle následujícího vzoru.

?utm_source=*inzertní_systém*&utm_medium=banner&utm_content=*název_kreativy*&utm_term=*typ_kampaně*&utm_campaign=*nazev_kampaně*

některé proměnné je možné doplňovat automaticky. Například v AdFormu je možné využít:

?utm_source=RTB_AdForm&utm_medium=banner&utm_content=%%ADFBANGROUP1%%&utm_term=RTG&utm_campaign= %%ADFPLA%%

AdWords má vlastní automatické tagování, u kterého ale musíte dávat pozor na názvy kampaní a sestav, aby se vám propsaly do Analytics tak, jak potřebujete.

U přímo nakupovaných kampaní využíváme AdServer AdFormu, díky kterému získáme detailní statistiky a nejsme závislí na datech publishera.

Běžně se v praxi setkáváme, že klient řeší bannerové plochy nákupem v různých systémech a různými metodami. Například běžně inzeruje bannery v AdWords a Skliku, do toho nakupuje RTB skrz Adform nebo jiné DSP a do toho využívá ještě nějaký retargeter typu Sociomantic nebo RTB House. A občas nakoupí napřímo bannerové pozice na Seznamu, iDnesu či jinde.

Zákonitě tak dochází ke kolizím a komplikacím při vyhodnocování. Některé z nich rozebereme detailněji.

Navyšování aukční ceny

Pokud využíváme pro nákup bannerové reklamy systémy pracující na principu aukce (tedy PPC a RTB) navyšují si jednotlivé systémy navzájem cenu.

Jestliže máme k dispozici například cookies, které navštívili náš web za posledních 14dní a na tyto cookies pustíme ve třech různých systémech retargeting, pak většinu cookies vyhraje systém, kde nastavíte nejvyšší cenu. Jedná se o zjednodušený příklad, realita je díky různým bidovacím modelům a dosahům systému složitější.

Je to stejné, jako byste v aukci s uměním chtěli koupit obraz a najali byste si na to dva různé makléře, kteří by o sobě nevěděli a přihazovali by proti sobě a tím navyšovali cenu obrazu. Na konci aukce zůstanou tito dva makléři stát proti sobě a navyšují cenu, i když pracují pro stejného klienta, tedy další navyšování ceny je zbytečné.

Častější frekvence než je vyžadována

Řekněme, že máme z nějakého důvodu nastaveno, že jednoho uživatele nechceme oslovit více jak 3x denně. Pokud používáte více systémů pro správu reklamy, je velmi obtížné je mezi sebou zkoordinovat tak, abyste tuto frekvenci skutečně dodrželi.

Pokud retargetujeme jednu cookie ve třech systémech a v každé nastavíte maximální frekvenci 3x denně, je možné že reálně dosáhnete frekvence 9x denně.

Dvě imprese na jedné stránce

Další relativně častý jev u retargetingu ve více systémech je, že se na jedné stránce zobrazí více bannerů. Většina stránek nemá k dispozici jednu, ale více reklamních pozic. Pokud používáte více systémů pro nákup reklamy je vysoce pravděpodobné, že nejen soutěží mezi sebou při nákupu konkrétní reklamní imprese, ale i to že na stránce získáte dvě a více pozic a každou nakoupí jiný systém.

Celý problém je o to složitější, že samotná stránka může prodávat každou pozici skrz jiný prodejní systém (SSP) a tedy ani to že budete nakupovat reklamu skrz jeden nákupní systém (DPS) vám nezaručí, že se nevyskytne na jedné stránce jen jedna vaše imprese. Nicméně i tento problém se dá částečně řešit.

Naopak vhodnou volbou DSP je možné zařídit vykoupení všech dostupných pozic na jedné stránce a získat tak brandový efekt reklamy. Takovému formátu se říká RoadBlock a některá DSP s tím umí pracovat.

Je prospekting skutečně prospekting?

Pokud nakupujeme bannery napřímo mimo programmatický nákup jedná se obvykle o nákup konkrétního počtu impresí na konkrétní pozici v určitém časovém rozmezí. Jenže málokdy dochází při takovém nákupu rozdělení cookie na ty, které retargetujeme a ty které oslovujeme poprvé (prospekting).

Zpravidla chceme ukázat jiné reklamní sdělení pro retargetované cookie než pro prospektované. Případně chceme nakoupit pouze cookie s určitými vlastnostmi (ženy 25-40let atd.) Také je vhodné rozdělit v rámci vyhodnocování kampaní tyto dvě kategorie tak, aby taková přímo nakoupená pozice byla srovnatelná s jinými kanály pro nákup bannerové inzerce, kde většinou toto dělení nastavujeme v základu.

Čistě z programmatického hlediska by tedy bylo výhodné nenakupovat bannery „po staru“, ale s konkrétním Publisherem si dohodnout programmatický deal s konkrétní cenou a případně garantovaným objemem.

Výhody využití jediného systému pro nákup reklamy

Pro minimalizaci výše uvedených problémů doporučujeme následující postup.

V první řadě je nutné si sestavit plán či strategii oslovování uživatelů. Platí to obecně pro celý marketing, ale níže se zabýváme jen bannerovými plochami.

Vytvořenou strategii následně musíme překlopit do systémů pro nákup reklamy. Tedy podle strategie volit systém/systémy. Nikoli jak tomu je většinou, že každý systém spravuje jiný specialista a tvoří si vlastní strategii v rámci systému, který obsluhuje. Zatím se většinou setkáváme s rozdělením:

• PPC specialista nakupuje bannery v AdWords a Skliku
• facebook specialista nakupuje plochy na facebooku
• RTB specialista nakupuje plochy skrz DSP (Adform, APPNexus, DataXu, DoubleClick…) na různých inventory včetně ploch facebooku, Seznamu a AdSence sítě.
• Media planner nakupuje napřímo nakupované pozice s větším objemem u konkrétních publisherů

S dnešními možnostmi tento postup není optimální. Pokud neexistuje závažný důvod pro výše uvedené rozdělení, doporučujeme vždy sjednotit nákup bannerových ploch do jediného systému a pod jediného správce. A to systému, který vyhovuje strategii, kterou jsme zvolili. Obvykle doporučujeme nepoužít PPC systém (AdWords, Sklik, …) ale DSP platformu typu Adform, DoubleClikc, AppNexus,… Důvody:

• Tyto platformy mají silnější nástroje pro řízení strategie v rámci bannerových ploch. PPC systém vznikly původně pro nákup textové reklamy ve vyhledávačích. I když se postupně vyvinuly a umožňují nákup i bannerových ploch, tak systémy, které jsou od začátku vyvíjeny pro bannerové plochy mají prostě větší možnosti.
• PPC systémy zpravidla dosáhnou jen na bannerové plochy v rámci své sítě. DSP systémy naopak využívají většinu reklamních sítí. Pokud tedy chceme nakupovat bannery na Seznamu i Google, pak je nutné využít DSP, které dokáže nakoupit obojí.
• PPC systémy jsou optimalizovány pro nákup „kliku“, DSP jsou optimalizovány pro nákup „imprese“. Z tohoto rozdílu plyne mnoho vlastností, které zkušenému správci umožňuje skutečně řídit komu a za jakých okolností se reklama zobrazí.
• PPC specialista obsluhující nákup PPC reklamy (ve vyhledávači) nemusí mít vždy stejně kvalitní know-how pro nákup bannerů v obsahové síti. Na to zda umí specialista to první (reklamu ve vyhledávání) si většinou dáváme pozor, to druhé (bannery v obsahové síti) se většinou „sveze“ s prvním bez většího povšimnutí.
• Silnější DSP mají většinou zabudovanou ochranu proti fraudům a dá se k ní dohledat informace, jak funguje a případně je možné si zapojit jiný anti-fraud systém. PPC s fraudem pracují také, ale bližší informace nejsou příliš známy a případné změny či vlastní konfigurace jsou vyloučené.

Naopak pokud je naším hlavním cílem nakoupit kliky a další parametry kampaně nejsou podstatné, je vhodnější využít PPC systémy.

Obvyklým argumentem pro využívání PPC systémů pro nákup bannerové reklamy je právě cena za klik. Ta vychází většinou lépe v PPC než v DSP zaměřených na bannerové plochy.

Většinou ale „cena za klik“ není to, co opravdu vyžadujeme. Je nutné sledovat, co návštěvníci dělají na webu, kde jsme je přivedli. A zda dosáhnou cíle, které stanovujeme. Při bližším zkoumání pak můžeme zjistit, že lepší cena za klik nemusí znamenat vždy nižší cenu za konverzi.

Zdroj: http://www.slideshare.net/augustinefou/state-of-digital-ad-fraud-q1-2015-update-by-augustine-fou

Je pro vás kliknutí synonymem výkonnostní reklamy? Podívejte se, co všechno dokážou roboti, kteří ukrádají z reklamních rozpočtů.

Robot umí imitovat návštěvu

Roboti jsou v současnosti schopni nejen základních dovedností, jako je načtení internetové stránky, jsou schopni toho vykonat mnohem více. S jednou načtenou stránkou totiž dochází k volání více reklamních kódů, a tím placených impresí.

Pravděpodobně nejběžnějším robotem je robot vyhledávače. Přestože je tento robot běžný a je vnímán pozitivně, jeho nepřímým důsledkem je i načtení (zaplacení) imprese reklamy. Bot vyhledávače, se ale “identifikuje” jako bot vyhledávače, kdežto podvodný bot se snaží identifikovat jako reálný uživatel.

Roboti dnes ovšem dokážou i simulovat pohyb uživatele na obrazovce, a tedy oklamat reklamní servery měřící viditelnost reklam a přejetí kurzoru po banneru.

Robot dokáže kliknout

Pouhým načtením stránky by ovšem roboti nedokázali pojmout 1/3 reklamních rozpočtů. Jejich rafinovanost spočívá v tom, že umí klikat na reklamy a dokonce na cílové stránce provádět běžné uživatelské akce. Tím jsou méně odhalitelní v analytických nástrojích.

Robot je schopen nakupovat

Jestliže robot dokáže vykonávat různé uživatelské akce, dokáže i vyplnit objednávku v e-shopu nebo formulář poptávky. Tato akce je již ovšem náročnější a robot musí být konfigurován na konkrétní cílový web. Přesto se s tímto chováním můžete setkat zejména v affiliate marketingu poměrně často. Nepomůže zde přitom ani CAPTCHA ochrana, kterou mnozí roboti umí prolomit.

Robot ví, jak nás oslovit

Výčet dovedností tím ovšem nekončí. Roboti nás totiž běžně oslovují a komunikují s námi – reálnými lidmi. Uveďme si dva konkrétní příklady. Jedním z nich je populární aplikace Zopim (live chat), která je instalovaná na mnoha e-shopech. Může být naprogramována tak, aby návštěvníky sama aktivně oslovovala poté, co vykonají určitou akci. Jakmile na tuto reakci odpovíme, ujme se komunikace reálný člověk. Dalším příkladem je robot, který vyhledává diskusní fóra a zahrnuje je příspěvky s reklamními odkazy.

Jak se bránit

Náročnost odhalení robotů je závislá na tom, co všechno konkrétní robot umí. Mezi klasické metody, jak omezovat roboty, patří analytika kampaní. Zejména:

• Sledování impresí z pohledu kvality (doména, viditelnost, inscreen …)
• Sledování poměru imprese/klik
• Sledování počtu impresí z málo známých domén, či skokové nárůstky
• Sledování akcí uživatelů poté co přijdou na web klienta

Bylo by přínosné sledovat i další parametry, například zda jsou vygenerované lead/objednávky reálné, ale vzhledem k náročnosti se to v praxi děje minimálně – respektive to řešíme v momentě, kdy procento podvodných objednávek neobvykle vzroste.

Představili jsme vám letmý výčet toho, co roboti dokážou v souvislosti s reklamním odvětvím. Obecně nás roboti v rozmanitých podobách obklopují, stále častěji se účastní našich životů a je pravděpodobné, že tento trend bude mít stále rostoucí tendenci.