Megapolis+ переходить до аудиторійного планування зовнішньої реклами

Тепер зовнішню рекламу можна планувати не лише за рейтингами носіїв, а й за конкретними цільовими аудиторіями — їхніми інтересами чи переважними локаціями. Це стало можливим завдяки інтеграції прогностичних моделей Big Data «Київстар», побудованих на знеособлених і деперсоніфікованих даних*, в нашу систему планування OOH-кампаній.

Нагадаємо, що ми запустили масштабні дослідження, щоб оновити медіапоказники зовнішньої реклами. 15 міст уже завершено, ще 10 — у процесі.
Тепер додаємо ще один шар — аналітику на основі прогностичних моделей Big Data телеком-оператора.
 

• точне планування — можна обирати локації під конкретні цільові аудиторії
• поведінкова аналітика — з урахуванням стилю життя, інтересів, подій
• глибша сегментація — 18 змінних: від прогнозованих соціально-демографічних характеристик до стилю життя та інтересів
• зручна візуалізація — у вигляді теплових карт або відрізків доріг

• порівнювати локації за концентрацією потенційних клієнтів
• аналізувати розмірність аудиторій до, під час і після кампанії
• планувати на основі кількісних показників за різними сегментами аудиторії
• прогнозно підвищувати «прицільність» адресної програми на етапі планування

Для рекламодавців, які звикли працювати з диджитал-метриками, це — знайома логіка, але тепер в офлайн-середовищі.
Медіапланування на основі алгоритмів і прогностичних моделей Big Data «Київстар» — вже частина нашої комплексної послуги із розміщення OOH-реклами. А для окремих проєктів, де немає розміщення, але потрібна аналітика цільових аудиторій, воно доступне як самостійний продукт.

«Сьогодні брендам недостатньо орієнтуватися лише на окремі показники чи джерела — потрібен цілісний підхід. Ми поєднали результати установчих досліджень і телеком-аналітику в єдину систему, яка дозволяє планувати OOH з високою точністю. І впроваджуємо цей стандарт на ринку»

*«Київстар» дотримується Законів України «Про інформацію» та «Про захист персональних даних» і не передає третім особам персональні дані абонентів — записи розмов, тексти SMS/MMS, історію браузера тощо. Усі аналітичні моделі Big Data є суто прогностичними. Вони будуються на основі великої кількості зашифрованих деперсоніфікованих даних, а також алгоритмах машинного навчання.