Ani s GPS souřadnicemi nezasáhnete každého na konkrétním místě
Tím nejpodrobnějším údajem jsou GPS souřadnice uživatelů, u kterých jsme nakoupili reklamu. Na první pohled takový svatý grál, na kterém by se daly stavět naše modely. S ohledem na to, že se jedná o velmi zásadní údaj pro naše další bádání, jsme se rozhodli ho podrobit testům.
“V datech z kampaní máme k dispozici GPS souřadnice, takže můžeme zasáhnout každého člověka na konkrétních místech.” Myšlenka, která se nabízí, je ale daleko od pravdy.
Zeměpisná délka a šířka se v log-level datech propíše pouze u cca 25 % impresí, takže naše schopnosti jsou drasticky omezenéy už v prvním kroku. Pokud přidáváte další cílení (cookies cílení nebo kontext), toto procento se ještě výrazněji sníží. Hodí se také říct, že vaše poloha se propíše pouze tam, kde jste se na mobilu (či počítači) podívali na reklamu. Příběh GPS cílení tedy nezačíná úplně dobře.
A teď to nejdůležitější: GPS souřadnice se mohou uložit nesprávně. Jak to víme? V roce 2019 jsme na GroupM výjezdu uspořádali praktický test. Z vesnice ve Středočeském kraji jsme zasáhli desítky kolegů testovací kampaní a zapsali jsme si jejich cookie ID. Jaké bylo naše překvapení, když se v databázi po návratu neukázala naše vesnička, ale několik kilometrů vzdálený Benešov – a správné souřadnice nebyly vůbec u nikoho.
Podobný test jsme provedli i v roce 2024 na výjezdu v Krkonoších a na výrazně větším vzorku kolegů jsme si potvrdili, že se situace nezlepšila. Zkrátka jsme zjistili, že jsou místa, která touto GPS metodou zasáhneme jen velmi obtížně.
S tímto dramatickým odhalením, že mimo velká města GPS souřadnice nefungují s dostatečnou přesností, jsme se rozhodli opustit myšlenku řešení, které by fungovalo pouze na nich.
Vsadili jsme na další geolokační identifikátory
Obrátili jsme se tedy k dalším geolokačním identifikátorům; těmi jsou poštovní směrovací čísla a IP adresy. Oproti GPS souřadnicím jsou tyto dvě proměnné přítomné u každé imprese, takže jejich pomocí si opravdu můžeme vybírat.
Poštovních směrovacích čísel máme v databázi zhruba 2 000 a dělí populaci ČR na celky po průměrně 5 500 lidech. S tím už se dá pracovat.
IP adresy by podle originálního konceptu měly určovat několik bloků budov, v praxi ale nejčastěji v datech vidíme IP adresu vašeho poskytovatele internetu. Ani to ale není špatná zpráva. Někteří poskytovatelé jsou pouze lokální a u těch větších naopak může výběr poskytovatele něco vypovídat o domácnosti.
Nám v tomto případě jde o rozdělení ČR na co nejmenší geografické celky, které můžeme brát jako datový bod pro další analýzu. To nám překřížení PSČ a IP adresy dává.
Jak se zrodil mLoc
Tyto údaje tvoří základ pro náš nový produkt, kterému říkáme mLoc. Mezi další ingredience patří data z mPanelu a Českého statistického úřadu, které jsme schopni s těmito geografickými daty spojit. Máme tedy k dispozici nepřeberné množství charakteristik uživatelů, které můžeme zpracovávat do cílení.
Potom už může být mLoc úplně klasický look-alike model, s tím rozdílem, že necílíme na konkrétní cookie, ale na množinu lidí popsanou konkrétní kombinací poštovního směrovacího čísla a IP adresy. U kombinací, kde nebydlí žádní panelisté, najdeme na základě internetového chování ty nejpodobnější a predikujeme podle nich.
Druhou možností je cílit přímo na oblasti, které z našich bohatých dat vykazují určité znaky. Jako ideální příklad jsou oblasti, kde bydlí majitelé domů. Jedná se o údaj dostupný ze sčítání lidu a my tak můžeme přímo cílit na relevantní cílovou skupinu například pro produkt zateplení rodinných domů.
S mLocem vám nabízíme sofistikovaný přístup ke geolokačnímu cílení, které je založeno na ohromném množství dat. Od cílení na cookies nabízíme cílení na kombinaci geolokačních identifikátorů. Řešení, které je na cookies nezávislé a umožní vám oslovit uživatele, kteří patří do vaší cílové skupiny, ale současnými technologiemi se vám je zatím nepodařilo oslovit.
