As tendências atuais de reforço da privacidade dos consumidores têm vindo a provocar mudanças na infra-estrutura técnica das ferramentas de análise do marketing digital.
Até agora, as soluções de marketing digital utilizavam cookies de terceiros para rastrear os utilizadores ou os seus dispositivos, no sentido de construir perfis com base nos seus hábitos e preferências para mostrar anúncios relevantes para os interesses do potencial cliente. A medição da performance online, para ser bem executada, dependia em grande parte de cookies que registam informações sobre o que acontece depois que uma pessoa clicar num anúncio.
No entanto, existem fatores que têm contribuído para que esta medição ou observação de conversões já não seja tão direta como, por exemplo, restrições a recolha de dados pessoais, impedimentos no uso de cookies, e dificuldades técnicas no tracking de compras iniciadas em dispositivos diferentes pelo mesmo utilizador.
Vários cenários levaram a uma modernização acelerada do tracking de conversões e da identificação de perfis: a União Europeia, com o RGPD iniciou um movimento institucional para dar mais poder aos consumidores sobre os seus dados pessoais; a Apple tem liderado no lado empresarial, promovendo a privacidade dos seus clientes como elemento diferenciador da empresa.
A Apple em concreto, promovendo o paradigma cookieless, lidera o debate sobre privacidade desde 2017, quando adicionou o Intelligent Tracking Prevention (ITP) ao Safari. Em Março de 2020, o Safari foi atualizado para bloquear todos os cookies de terceiros.
Mas ainda mais premente, a atualização recente do sistema operativo para produtos Apple (iOS 14) elimina por completo os cookies. A partir desta atualização, os sites ou apps são obrigados a pedir permissão antes de identificar os utilizadores iOS para segmentação de anúncios. Estima-se que os utilizadores do iOS que concedem estas permissões desçam de 70% para 10%.
Ainda antes destas barreiras à medição criadas pelo aumento da privacidade, o percurso do do cliente já se tinha tornado mais difícil de medir: os consumidores utilizam vários dispositivos na sua viagem de compras online, vários browsers, várias apps, antes de comprarem um produto.
A solução para estes obstáculos no sentido de garantir que a medição é correta e os anúncios são servidos a grupos de consumidores relevantes é a automação através de machine learning. Para isso, a implementação de soluções para aumentar a quantidade de dados observáveis das campanhas é crucial.
Na Endeavor exploramos as potencialidades das ferramentas Google para garantir uma medição da performance o mais correta e realista possível: por um lado, utilizando os modelos de conversão de tracking de inteligência artificial quando disponíveis para o cliente e, por outro, o tagging de todas as páginas do site.
Usando código de programação e desenvolvimentos à medida, garantimos que a infraestrutura de cada cliente está preparada e configurada para medir a performance do Google Ads, capturando mais detalhadamente os dados de conversão e alimentando o modelo de inteligência artificial com dados relevantes e robustos para a modelação das conversões