Jak nie chybić celu? Ciemne zaułki geotargetowania

O tym, że zmyślne wykorzystanie kontekstu lokalizacji użytkownika może zwiększyć efektywność kampanii, nie trzeba chyba nikogo przekonywać. Niestety kampanie geotargetowane coraz częściej padają ofiarą ad fraudu. Według Location Sciences  aż 65% wyświetleń w kampaniach geotargetowanych nie jest kierowanych w odpowiednie miejsce – zarówno wskutek wyłudzeń, jak i przez niską jakość danych. Dlaczego i jak możemy się przed tym obronić? – zastanawia się Mateusz Chołuj, szef Proxi.cloud. 

Prawie każdy marketer wie jak silny, a przez to skuteczny może być kontekst lokalizacji w komunikacji z klientem. Niezależnie czy mówimy tu o kanałach cyfrowych, czy tradycyjnych. W przypadku tych pierwszych duża część budżetów przeznaczana jest na działania geotargetowane – w branży gastronomicznej, handlowej czy wśród dealerów samochodowych to kluczowy aspekt ich działań digital marketingowych. 

Półtora kilometra różnicy

Problem leży jednak w dokładności ogólnodostępnego geotargetowania bazującego na danych z tzw. bid streama, czyli zapytań reklamowych, na których opiera się ekosystem reklamy programmatic. 

Mechanizm działania jest dość prosty:

1. Aplikacja mobilna ma wyświetlić użytkownikowi reklamę, więc wysyła do ad serwera zapytanie (bid request) z podstawowymi informacjami o użytkowniku, w tym identyfikatorem reklamowym jego urządzenia (MAID) oraz w niektórych przypadkach przybliżoną lokalizacją

2. Ad serwer organizuje mikroaukcję, w której stawką jest wyświetlenie reklamy użytkownikowi (real-time bidding), 

3. Ad serwer wysyła aplikacji reklamę, która należy do zwyciężającego aukcję reklamodawcy

Diabeł tkwi jednak w szczegółach, bo o ile teoretycznie lokalizacja powinna być poprawna (lub nie powinna zostać wcale przesłana), to według badania Foursquare prawie 80% danych z bid streama (3rd party) jest niewystarczająco dokładna do względnie precyzyjnego, zakładającego dokładność poniżej 250 metrów, targetowania. Według ThinkNear ponad połowa danych lokalizacyjnych pochodzących z tego źródła różni się o ponad 1,5 km od faktycznej lokalizacji użytkownika . Nie ma dowodów na to, żeby polski rynek wyglądał pod tym względem lepiej.

Warszawa kontra Koło 

Jedną z przyczyn takiego stanu rzeczy jest częsty brak kontroli nad wydawcami, którzy zmotywowani wyższymi stawkami – np. za użytkownika z Warszawy w porównaniu z użytkownikiem z Koła – fałszują lokalizację internauty. Według Location Sciences taka sytuacja ma miejsce w aż 29% (!) przypadków . Ten sam raport mówi o tym, że kolejne 36% danych o lokalizacji użytkownika pochodzących z bid streama jest zbyt niedokładna, żeby określić czy użytkownik faktycznie znajduje się w wyznaczonej przez reklamodawcę strefie. Skutkuje to tym, że blisko 2/3 budżetu może trafiać nie tam, gdzie powinno. 

Czy oznacza to, że geotargeting nie ma sensu? Zdecydowanie nie. Musimy jednak wiedzieć, którym źródłom danych możemy ufać, a od których trzymać się z dala, nawet, jeśli z pozoru wydają się wiarygodne. 

Wracając do mechanizmu opisanego wyżej, część dostawców danych lokalizacyjnych przechwytuje zapytania (bid requesty) z pierwszego opisanego kroku, zapisując dane o (domniemanej) lokalizacji. Oprócz niskiej jakości danych pochodzących z tego źródła, kolejnym zagrożeniem dla reklamodawcy jest w tym przypadku wątpliwa ochrona prywatności użytkowników – dane te z założenia są pozyskiwane po to, żeby w danej chwili wyświetlić użytkownikowi odpowiednią reklamę i żaden z nich nie jest pytany wprost o zgodę czy dane te mogą zostać wykorzystane do profilowania ich na podstawie historycznych zachowań. 

Bezpieczniejsze 1-st party

Dlatego szczególnie istotna jest wiedza w jaki sposób dostawca pozyskuje dane oraz jakie są ograniczenia poszczególnych źródeł danych. Alternatywą są dane 1st party, które są pozyskiwane bezpośrednio przez aplikacje mobilne, bez udziału pośredników, dzięki czemu są zdecydowanie bardziej precyzyjne oraz bezpieczniejsze niż dane 3rd party (pochodzące z bid requestów).

Zbierane są dopiero wtedy, kiedy użytkownik wyrazi na to zgodę, a dostawca ma pełną kontrolę nad ich dokładnością, więc jest zabezpieczony przed fałszowaniem lokalizacji przez pośredników. Niezwykle ważne jest jednak to, w jaki sposób dostawca określa lokalizację użytkownika.

W przypadku danych 1st party, dane lokalizacyjne można zbierać na kilka sposobów:

1. Geotracking – lokalizacja użytkownika w danej chwili, np. kiedy włączy aplikację lub włączy nawigację. Aplikacja co jakiś czas wypytuje urządzenie o aktualną lokalizację. Istnieje jednak ogromna różnica w dokładności danych i częstotliwości ich przesyłania między tym, kiedy aplikacja jest wywołana na pierwszym ekranie (foreground), a tym, kiedy działa w tle (background). Drugim zasadniczym minusem takiego podejścia jest to, że w chwili wypytania telefonu o lokalizację, użytkownik może być w wartościowym dla nas miejscu (dom/praca/nasz sklep/POS konkurenta), ale może też w nim nie być. Z drugiej strony kiedy znajdzie się on np. w sklepie naszego konkurenta, aplikacja może akurat nie wypytać o lokalizację urządzenia, przez co nigdy o tej wizycie się nie dowiemy.

2. Geofencing – znając ograniczenia powyższego podejścia do określania lokalizacji, część dostawców, szczególnie na rynkach zachodnich, wykorzystuje geofencing. Choć dalej bazujemy na usługach lokalizacji urządzenia, mechanizm działania wygląda inaczej – zamiast wypytywać urządzenie gdzie się znajduje, to urządzenie przesyła informację kiedy wejdzie lub wyjdzie z jednego z wyznaczonych obszarów (POI), jak np. obrys naszego sklepu, galeria handlowa czy stacja paliw. Aplikacja otrzymuje również informację o tym z jaką dokładnością została określona lokalizacja, stąd dostawcy wykorzystujący Geofencing mają pełną kontrolę nad jakością danych. Trudność polega we wdrożeniu tego rozwiązania na dużej skali (kilkadziesiąt tysięcy POI), dlatego tylko część dostawców tę technologię wykorzystuje. 

3. WiFi – o ile Geofencing jest w stanie nam precyzyjnie określić, że dany użytkownik wszedł np. do galerii handlowej, to dzięki tej technologii nie dowiemy się np. które sklepy wewnątrz tej galerii odwiedzał. Dlatego warto uzupełniać dane o użytkowniku informacją jakie sieci WiFi były w zasięgu urządzenia i kiedy. Zasadniczym minusem tego źródła danych jest to, że nie każdy POS ma publicznie widoczną sieć WiFi. Drugą wadą jest częstotliwość zbierania danych z WiFi – w nowszych wersjach systemu Android aplikacja może mieć dostęp do listy widzianych sieci WiFi nie częściej niż co pół godziny, a ok. połowy użytkowników ma wyłączone WiFi, kiedy przebywa poza domem  (to dane z wewnętrznych badań Proxi.cloud). W praktyce skutkuje to tym, że dane przesyłane są w bardzo nieregularnych interwałach i istnieje bardzo duża szansa, że użytkownik wszedł do sklepu, ale nie zarejestrowaliśmy tego zdarzenia (bo smartfon nie skanował sieci WiFi w pobliżu lub aplikacja nie miała dostępu do skanu). 

Czy powinniśmy zatem odrzucać dostawców bazujących na Geotrackingu i WiFi? Zdecydowanie nie! O ile do pomiaru konwersji online-to-offline na pewno potrzebujemy danych, który zbierane są w sposób ciągły (wiemy o każdej wizycie w POS, jak przy Geofencingu), o tyle w przypadku targetingu każde rozwiązanie 1st party w zupełności wystarczy, bo użytkownicy, których wizyty zidentyfikowaliśmy, faktycznie w tych lokalizacjach byli. 

Inaczej sytuacja ma się w przypadku danych 3rd party, których podatność na ad-fraudy, niska precyzja oraz brak kontroli nad dokładnością przekreślają je jako wiarygodne źródło danych o lokalizacji użytkowników.

Weryfikację dostawcy danych należy zacząć zatem od dokładnego zrozumienia jak dostawca pozyskuje dane o lokalizacji. Niezależnie od zastosowania, to właśnie determinuje powodzenie naszych działań opartych na ich wykorzystaniu.