Salah satu bentuk optimalisasi yang sudah dilakukan sejak lahirnya online advertising adalah dalam hal Real-Time Bidding (RTB). Definisi real-time bidding menurut Interactive Advertising Bureau (IAB), adalah metode jual-beli media (iklan) dengan cara melelang (auction) setiap ad impression yang akan ditampilkan.
IAB adalah organisasi bisnis periklanan global. IAB mengembangkan standar industri, menjalankan riset dan menyediakan dukungan legal untuk industri periklanan digital. Ad impression adalah jumlah berapa kali sebuah iklan ditayangkan di layar pengguna.
Mungkin kita lebih sering mendengar real-time bidding sebagai proses yang terjadi pada platform programmatic advertising. Pada kenyataannya Facebook dan Google juga menerapkan real-time bidding (lelang). Perbedaannya terletak pada kriteria menetapkan pemenang bidding.
Proses lelang ini berlangsung sangat cepat, rampung sesaat sebelum halaman website selesai loading. Pemenang lelang mendapatkan ad impression tersebut dan berhak menampilkan iklannya.
Real-time bidding ini adalah salah satu dari dua pilar programmatic advertising yang mencakup aktivitas jual-beli ad impressions. Pilar yang kedua adalah audience data. Ada banyak parameter untuk menentukan nilai bidding, seperti format iklan, target lokasi dan kualitas dari ad inventory. Namun kualitas audience data lebih berperan lebih besar dalam menentukan nilai bidding.
Kualitas audience data ini dilihat dari kelengkapan dan relevansi informasi tentang target audience dengan kebutuhan targeting dari pengiklan. Semakin lengkap dan relevan audience data itu, nilai lelang ad impressions yang ditawarkan juga semakin tinggi.
Mengapa audience data ini penting? Dalam real-time bidding yang berlangsung dalam programmatic advertising platform, floor price dari ad inventory ditetapkan oleh penjual. Namun, adalah pengiklan yang biasanya menentukan harga akhir. Pengiklan yang dibekali dengan audience data bisa melakukan valuasi apakah sebuah inventory layak dibeli dengan harga tersebut.
Secara sederhana, begini cara kerja RTB dari sisi advertiser.
Misalkan brand kita adalah online travel agent (OTA). Saat ini kita tengah menjalankan iklan always-on untuk menjaring para pebisnis yang membutuhkan transportasi dan akomodasi. Melalui programmatic advertising, kita menyasar ruang iklan (ad inventory) dari platform yang memiliki data audience “Frequent Business Traveler.”
Proses membeli ad inventory via RTB dimulai ketika ada audience dengan profil “frequent business traveler” itu mengakses sebuah website. Lalu brand kita dan beberapa pengiklan lain melakukan bidding atas ad inventory tersebut. Pada platform programmatic advertising, pemenang RTB adalah pengiklan yang mengajukan bid tertinggi. Pemenang membayar dengan harga bidding yang diajukannya.
Namun Facebook dan Google memiliki kriteria tambahan dalam menetapkan pemenang bidding. Kedua platform itu mempertimbangkan respons dari audience terhadap iklan yang ditayangkan. Selain faktor respons, mereka juga melihat data historis kinerja pengiklannya.
Iklan dengan kreatif yang relevan dan mendapatkan respons positif dari audience memiliki peluang yang lebih tinggi untuk menang bidding. Respons positif ini dilihat dari engagement audience terhadap materi iklan, seperti click-through rate (CTR), comment, like dan share.
Peluang menang semakin besar apabila pengiklan memiliki riwayat engagement yang tinggi pada iklan-iklan sebelumnya. Sebaliknya, pengiklan yang materi iklannya sering dilaporkan pengguna memiliki peluang yang lebih kecil untuk menang proses RTB.
Jadi khusus Facebook dan Google, harga bidding tinggi belum jadi jaminan iklan akan ditayangkan. Ada banyak kasus dimana pengiklan sudah menyiapkan budget besar dan mengatur harga bidding tinggi namun iklan berjalan lambat, bahkan tidak bergerak sama sekali.
Perlu diketahui juga bahwa di kedua platform tersebut, harga yang dibayar pemenang RTB bukanlah bidding tertinggi. Pemenang RTB membayar dengan harga bidding kedua tertinggi. Misalnya, brand A menawarkan Rp15,000 per CPM sedangkan brand B mengajukan Rp8,500 per CPM. Brand A yang memenangkan RTB membayar dengan harga bidding brand B yakni Rp8,500.
Berdasarkan karakteristik platform RTB (programmatic vs Facebook/Google), ada tiga strategi real-time optimisation yang bisa kita lakukan. Ketiga strategi ini adalah buying method, content/creative optimisation dan audience data optimisation.
Pada strategi buying method, disini kita menetapkan apakah membeli dalam unit jumlah per seribu impressions (CPM) atau aksi seperti clicks (CPC), video view (CPV) atau yang lain seperti konversi.
Jika prioritas kita adalah mendapatkan hasil optimal dari setiap aksi yang dilakukan audience, buying method paling tepat adalah CPC, CPV atau CPA (Cost Per Acquisition). Disini kita menetapkan nilai bidding tertinggi (bid cap) untuk satu aksi yang kita inginkan. Perlu diketahui bahwa buying method yang tersedia di setiap platform ini berbeda-beda.
Nilai tertinggi ini sebaiknya ditetapkan berdasarkan hitung-hitungan kita sendiri. Bukan menggunakan benchmark dari brand lain. Apalagi jika aksi yang kita inginkan berupa konversi yang bernilai bisnis, seperti Sales, Leads dan Install (untuk mobile app).
Kelebihan dari strategi ini adalah kita mendapatkan hasil yang optimal, berupa action tertentu, untuk setiap rupiah yang kita keluarkan. Kekurangannya, jangkauan iklan akan terbatas. Ini terjadi karena bid cap akan membuat platform bermain “aman,” ekstra hati-hati. Artinya, platform hanya menyajikan iklan kepada audience yang diyakini betul akan melakukan aksi sesuai tujuan kita.
Pada buying method CPM, kita membayar untuk setiap seribu impressions iklan yang ditayangkan, terlepas apakah penayangan tersebut menghasilkan aksi. Melalui cara ini, jangkauan iklan kita akan semakin luas. Ini penting untuk aktivitas marketing dengan tujuan awareness.
Cara terbaik adalah dengan mengawali iklan dengan CPM terlebih dahulu. Ibarat menebar jaring di kolam yang penuh iklan. Setelah mendapatkan sejumlah aksi dan konversi, barulah kita mengubah buying method ke CPC atau Cost Per Action.
Bagaimana jika kita belum mendapatkan aksi atau konversi, padahal jangkauan (reach) iklan kita sudah cukup luas? Inilah saatnya kita menjalankan strategi real-time optimisation selanjutnya, yakni konten dan kreatif.
Dalam strategi ini, adalah konten dan kreatif yang kita optimalkan sehingga menghasilkan aksi atau konversi yang kita inginkan. Caranya dengan menyesuaikan elemen-elemen dalam konten dan kreatif. Metode A/B testing dan multivariate testing banyak digunakan dalam mengoptimalisasikan konten dan kreatif.
Optimalisasi konten dan kreatif ini juga bisa dilakukan secara otomatis melalui teknologi Dynamic Creative Optimisation (DCO). Cara kerjanya, DCO membuat materi iklan yang sesuai dengan profil audience data, tepat pada saat iklan ini ditampilkan. Sistem DCO menggunakan data untuk memperkirakan kombinasi kreatif dan segmen audience yang paling efektif.
Pada strategi ini kita mengoptimalkan audience data yang dipakai sebagai targeting filter. Namun sebelum mengubah targeting filter --yang artinya sama saja dengan mengganti target audience- sebaiknya kita memeriksa hal-hal berikut.
Pertama adalah audience fatigue. Ternyata audience juga bisa “lelah” melihat iklan-iklan kita. Audience juga memiliki masa kadaluarsa yang tergantung dari ukuran, budget dan durasi campaign. Segmen audience yang kecil (jumlahnya di bawah 100,000 orang) akan lebih cepat lelah.
Average frequency atau rata-rata seberapa sering iklan itu ditampilkan kepada satu orang audience, bisa menjadi indikator untuk mendeteksi audience fatigue. Indikator kuatnya adalah ketika ada satu segmen audience dengan average frequency yang meningkat namun CPM dan kliknya tidak bergerak.
Kedua adalah audience overlap. Hal ini umumnya terjadi pada digital advertising di platform media sosial. Jadi ada beberapa iklan dari satu pengiklan yang sama saling berebut dalam proses bidding. Hal ini terjadi ketika audience targeting filter yang kita tetapkan untuk satu iklan dengan iklan yang lain tidak mutually exclusive.
Sebagai contoh, ada potensi overlap antara segmen audience dengan interest cooking dan segmen audience dengan interest travelling. Bisa jadi orang yang tertarik dengan memasak juga punya hobi travelling. Untuk menghindari overlap, sebaiknya memisahkan audience berdasarkan usia atau gender.
Optimalisasi audience yang lain dilakukan dengan mengkombinasikan pemakaian 1st Party Data, 2nd Party Data dan 3rd Party Data. Disini kita mencari strategi kombinasi yang paling efektif untuk mencapai objective dari digital advertising.
Bagaimana dengan digital advertising yang anda lakukan.
Apakah sudah berjalan dengan optimal dan mendatangkan ROI?
DISCOVER MORE OF WHAT MATTERS TO YOU
RELATED TOPIC
5.047
