Abbiamo visto un pochino la parte teorica di quello che è l'analisi di classificazione dell'oms proprio a vedere un esempio pratico, quindi effettivamente qualcosa che abbiamo testato, testato sul campo e come abbiamo provato anche approcciare la strategia per utilizzare questi dati.

Nel caso che vi sto mostrando quello che vediamo che il diciannove per per cento del totale transazioni questo cliente arrivava da clienti corre ai playoff parentesi molto spesso in questo tipo di segmentazione.

Quello che vi accadrà è che la parte di ciccia in sostanza in realtà è molto limitata.

Questo è normale che sia così perché altrimenti il nostro ambiente sarebbe spiaggia con che dopo avere fatto i soldi a cannone.

Ma al di là di questo è anche un problema, perché ovviamente vuol dire che la parte più significativa, il tipologia di utente che piu' noi vogliamo cercare e anche in termini di volumi molto ridotta, cosa che non piace dalla parte di piattaforme di advertising perché diamo pochi segnali.

Quindi attenzione quando facciamo questo lavoro occhio perché è sempre un trade-off tra la qualità e il volume.

Quindi a volte dobbiamo andare ad aggiustare questa questa leva è un nel caso specifico, come abbiamo sfruttato questi volkspartei detta allora ci sono quattro macro azioni che generalmente noi implement.

Iamo quando ci troviamo queste casistiche.

La prima è quella di focalizzarci su ai valium e clyde e utilizzarli come sid audience funziona molto su facebook, un po' meno su google, ma comincia a girare, quindi dall'impasto questa queste informazioni questa tipologia di utenti per andare a trovare tramite luca like o simile all'audience utenti che sono similari utenti con quel valore lì tra l'altro un facebook ci possono la possibilità anche di passare informazioni aggiuntive su questo come puo' essere direttamente dal proprio per andare a a cercare di ottimizzare ancora di più il il secondo il secondo tipo di di utilizzo che ne facciamo è quello di utilizzare la parte di promising and attention per cercare di deliberare un copy differente perché questi sono utenti su cui vogliamo prestare particolare attenzione o che hanno leve di attivazione differenti rispetto agli altri che possiamo cercare di sfruttare.

Al tempo stesso possiamo anche cercare di andare a fare ad avere un video news su questi utenti l'altro aspetto è quello di escludere dalla nostra campagna i lost e capire esattamente questo da un impatto in cui chin, perché dal giorno uno che abbiamo inventato questo non stiamo spendendo più soldi su quella tipologia di utenti che per noi non è rilevante, che non vuoi, con cui non vogliamo ingaggiare o eventualmente possiamo cercare di riattivare, ma con attività differenti.

Stesso discorso vale anche per il clivense se L'utente ha attivato ieri, è inutile che lo stalker izzy con la parte delle marketing o con un messaggio che sia invadente eventualmente posso pensare di veicolare un messaggio differente se c' è un'altra azione da fare successiva al primo al primo step che ha compiuto poco tempo fa e alla fine, cosa che consigliamo di fare sempre questa per noi è diventata standard perché ci dà non non un'ottica solo di ottimizzazione campagne che comunque il caso perché stiamo passando piu' segnali in particolare a Google, ma soprattutto anche in ottica di analisi e di Discovery, perché ci permette di vedere se ci sono dei cluster di audience predefiniti a Google che sono rilevanti per noi, ovvero quello di applicare tutti gli audience che noi creiamo in observation all'interno delle nostre campagne di Google.

Questa cosa ci permette di avere visibilità, avere un punto di vista differente, non Barajas rispetto a chi può essere il nostro il nostro utente migliore.

Vi faccio un esempio ci è capitato su su un cliente che vendeva veniva da parte di fashion che non è particolarmente interessante.

Particolarmente vagabondo, praticamente valore era quello delle B di chi era interessato alle BMW è molto difficile da immaginare.

E questo poi che ci ha permesso di fare satira di ottimizzazione eh parentesi che no, non centra direttamente con la parte fm ma la parte di audience observation.

Il mio consiglio è anche quella di metterla in skate anche per tutti gli altri audience che avete all'interno della piattaforma.

Questo è un lavoro, ma è un po', un po' time avida, di nuovo un tipo di informazione aggiuntiva.

Un altro test che abbiamo fatto è stato piuttosto interessante è quella di cercare di comparare quelle che erano le performance di un audience look alike basato sul pixel verso su un audience look alike basato invece sui dati della prima parte sul crm.

Fondamentalmente abbiamo preso mi ha detto a Facebook costruisci un look alike su tutti gli utenti che hanno convertiti che hanno convertito e che sono un trace che abbiamo tracciato tramite pixel e altri il tempo sembra tracciato.

Abbiamo costruito un look alike.

Era basata invece su solamente i top clienti identificati tramite la FM.

Abbiamo comprato questo De Luca like e fan fact.

Quello che è accaduto alla fine è che il segnale di dei dati prima parte è riuscito a dare più indicazioni per trovare un tipo di odio che fosse ottimale a con chi effettivamente poi volevamo parlare.

Questo si è tradotto in un grosso maggiore in una performance migliore.

Em, questo è ovviamente non sempre accade così.

Per il momento, però è sicuramente la la direzione, perché se come sappiamo, la parte di validità di tracciamento che Pixel Bays verrà sempre meno l'unica alternativa che abbiamo e spostarci in questa direzione qui quindi che ci aspettiamo che ci sia effettivamente un un maggiore ritorno da audience creati con questa tipologia e il trend che notiamo è in questa direzione