Mätverktyg för Footfall Attribution är heta, men att förlita sig på installerade SDK:er innebär att det inte är möjligt att mäta Footfall - i många länder/geo:er. Eller är det så?

I den här bloggposten beskriver vi hur det är möjligt att mäta footfall i länder där det finns få eller inga installerade SDK:er (från tredjepartsleverantörer av data).

Låt oss ta ett steg tillbaka. Footfall Attribution handlar om att mäta den fysiska effekten av (en) kampanj - i form av faktiska/fysiska butiksbesök. Som du förstår är Footfall Attribution-kampanjer främst (och endast) relevanta för företag med fysiska butiker/shops.

För att bevisa Footfall Attribution skalas normalt en tredjepartsdataleverantör upp. En tredjepartsleverantör av data har sitt - eller sina medarbetares/partners - Software Development Kit (SDK) installerat i många applikationer (appar). Detta gör det möjligt för dessa tredjepartsdataleverantörer att spåra en enhets plats. Problemet är att i många länder har få eller inga populära appar ett SDK installerat i sig. Att göra - bevisa - Footfall Attribution inte möjligt. För att inte tala om GDPR som har införts/aktiverats i Europa (vissa tredjepartsdataleverantörer erbjuder inte längre Footfall Attribution i EU på grund av detta). Vi har dock hittat ett sätt att bevisa Footfall Attribution i länder där få eller inga installerade SDK:er är uppenbara, genom att förlita oss på och använda den stora volym som vi kan skala upp - baserat på de många adexchange-integrationer som vi har. För att inte tala om det faktum att denna lösning inte är i konflikt med GDPR - som är aktiv i Europa.

Footfall Attribution by Targetoo
Vi har testat denna teknik / lösning i flera länder som hittills. Till att börja med lanserar vi en "normal" kampanj. Antingen riktad rikstäckande (oavsett vilket land det kan vara) eller distribuera betydande GEO-staket i området runt butikerna hos annonsörerna / klienten i fråga. Vi ser till att dessa huvudsakliga GEO-staket inte täcker den faktiska platsen för de fysiska butikerna - med en "säker" marginal på 250 meter runt varje plats/butik. Vi sätter sedan upp små GEO-staket på den exakta platsen för den aktuella annonsörens fysiska butiker/shoppar. Vid den tidpunkten börjar det roliga: vi exporterar enhets-ID:n som har fått en banner inom den normala linjen. Efter några dagar exporterar vi sedan de enhets-ID:n som har fått en banner inom de små GEO-staketen (placerade på/ovanför de fysiska butikerna). Vid den tidpunkten analyserar vi helt enkelt om det har serverats en banner inom de små GEO-stängslen, som tidigare har serverats en banner inom den huvudsakliga / normala kampanjen. Och med det; bevisar Footfall. Och för alla tvivlare / icke-troende där ute; den här tekniken fungerar faktiskt!

Disclaimer: Vi var minst sagt skeptiska när vi testade den här tekniken. Som alla experter kan berätta för dig: ett intryck (i appen) måste serveras för att vi ska kunna registrera en enhets position/lokalisering. Detta innebär att användaren/konsumenten måste öppna en app medan de befinner sig i butiken. Detta skiljer sig mycket från en installerad SDK som skickar enhetens position. I de flesta fall behöver användaren/konsumenten inte ens öppna appen. SDK:n vidarebefordrar platsen enbart baserat på det faktum att appen är närvarande/installerad på enheten i fråga. Men återigen; i många länder finns det inte tillräckligt med SDK:er installerade för att göra en korrekt Footfall-analys. För att inte tala om de integritetsfrågor som denna metod medför. Sammantaget kan ett ordentligt GEO-Fencing-verktyg och gammaldags analys vara de avgörande faktorerna för att du ska kunna fastställa Footfall för ditt varumärke eller din kund.

Hör av dig om du vill veta mer om denna teknik och/eller vill testa den för ditt varumärke/din kund.