Footfall Attribution-meetprogramma's zijn populair, maar door te vertrouwen op geïnstalleerde SDK's is het meten van Footfall - in veel landen/geo's - niet mogelijk. Of toch wel?
Footfall Attribution-rapportage zonder afhankelijk te zijn van SDK's
In deze blogpost beschrijven we hoe het mogelijk is om het aantal bezoekers te meten in landen waar weinig tot geen geïnstalleerde SDK's (van externe gegevensleveranciers) aanwezig zijn.
Laten we een stapje terug doen. Footfall Attribution heeft betrekking op het meten van het fysieke effect van (een) campagne - in de vorm van daadwerkelijke/fysieke winkelbezoeken. Zoals je zou denken, zijn Footfall Attribution-campagnes meestal (en alleen) relevant voor bedrijven met fysieke winkels.
Normaal gesproken wordt, om Footfall Attribution te bewijzen, een externe dataleverancier opgeschaald. Een externe dataleverancier heeft zijn Software Development Kit (SDK) - of die van zijn partners - geïnstalleerd in veel applicaties (apps). Hierdoor kunnen deze externe gegevensleveranciers de locatie van een apparaat traceren. Het probleem is dat in veel landen weinig tot geen populaire apps een SDK hebben geïnstalleerd. Dit maakt - het bewijzen van - Footfall Attribution niet mogelijk. En dan hebben we het nog niet eens over de GDPR die in Europa van kracht is (sommige externe dataleveranciers bieden hierdoor geen Footfall Attribution meer aan in de EU). We hebben echter een manier gevonden om footfall attributie te bewijzen in landen waar weinig tot geen geïnstalleerde SDK's beschikbaar zijn, door gebruik te maken van het volume dat we kunnen opschalen - gebaseerd op de vele adexchange integraties die we hebben. Om nog maar te zwijgen van het feit dat deze oplossing niet in strijd is met de GDPR - die in Europa van kracht is.
Footfall Attribution by Targetoo
We hebben deze techniek/oplossing tot nu toe in verschillende landen getest. Om te beginnen lanceren we een 'normale' campagne. Ofwel gericht in het hele land (welk land het ook is) of met behulp van aanzienlijke GEO-Fences in het gebied rond de winkels van de adverteerders/klant in kwestie. We zorgen ervoor dat deze GEO-fences niet de daadwerkelijke locatie van de fysieke winkels bedekken - we hanteren een 'veilige' marge van 250 meter rond elke locatie/winkel. Vervolgens lanceren we kleine GEO-fences op de exacte locatie van de fysieke winkels van de adverteerder in kwestie. Op dat moment begint de pret: we exporteren de apparaat-id's die een banner geserveerd hebben gekregen binnen de normale lijn. Na een paar dagen exporteren we vervolgens de apparaat-id's die een banner hebben gekregen binnen de kleine GEO-omheiningen (op/boven de fysieke winkels). Op dat moment analyseren we simpelweg of er een banner is geserveerd binnen de kleine GEO-fences, die eerder een banner heeft geserveerd binnen de hoofd/normale campagne. En daarmee is Footfall bewezen. En voor alle twijfelaars/niet-gelovers: deze techniek werkt echt!
Disclaimer: bij het testen van deze techniek waren we op zijn zachtst gezegd sceptisch. Zoals elke expert je kan vertellen, moet er een (in-app) impressie worden geserveerd om de positie/locatie van een apparaat te kunnen registreren. Dit betekent dat de gebruiker/consument een app moet openen terwijl hij zich in de winkel bevindt. Dit is iets heel anders dan een geïnstalleerde SDK die de locatie van een apparaat doorgeeft. In de meeste gevallen hoeft de gebruiker/consument de app niet eens te openen. De SDK stuurt de locatie alleen door op basis van het feit dat de app aanwezig/geïnstalleerd is op het apparaat in kwestie. Maar nogmaals; in veel landen zijn er niet voldoende SDK's geïnstalleerd om een goede Footfall-analyse te maken. Om nog maar te zwijgen over de privacyproblemen die deze methode met zich meebrengt. Al met al kunnen een goede GEO-Fencing tool en ouderwets analyseren de doorslag geven bij het bepalen van de Footfall voor jouw merk of klant.
Neem contact op als je meer wilt weten over deze techniek en/of het wilt testen voor jouw merk/klant.