Het retail-landschap ondergaat een (digitale) aardverschuiving, met retailmedia als centraal punt. Voor merken biedt het kansen om shoppers te bereiken op het moment van aankoop. Voor ons, als datagedreven mediaorganisatie, is het een interessante, maar tegelijk ook complexe nieuwe discipline. De belofte van nieuwe inkomsten is groot, maar erachter schuilt een doolhof van uitdagingen die het benutten van dit potentieel uitdagend maakt.  

Het retailmedia-doolhof: een landschap van fragmentatie en complexiteit 

De realiteit van retailmedia kan vanuit data-perspectief gezien worden als een doolhof. Hieronder een aantal voorbeelden die dit bevestigen en/of benadrukken: 

1. Een gefragmenteerd ecosysteem: In tegenstelling tot de geconsolideerde wereld van Google of Meta, is retailmedia sterk gefragmenteerd. Dit door talloze lokale en regionale spelers. Denk op de Nederlandse markt bijvoorbeeld aan Jumbo, Albert Heijn, Spar en Bol.com – elk met een eigen media-aanbod. Deze ‘diversiteit’ aan partners zorgt o.a. voor administratieve overhead. 

2. Versnipperde inkoopkanalen: De inkoop van retailmedia is gefragmenteerd door een mix van directe deals en programmatic inkoop via aggregatorplatformen, allen met hun eigen beperkingen en data-inconsistenties. Het gebrek aan een uniforme interface maakt het campagnemanagement en optimalisatie van retailmedia-campagnes uitdagend. 

3. Nieuwe platformen en evoluerende standaarden: Veel retailmedia-platformen staan nog in de kinderschoenen. Ze ontwikkelen zich snel, maar dit betekent dat functionaliteiten en rapportagemogelijkheden sterk kunnen variëren. Wat op het ene platform naadloos werkt, is op het andere misschien afwezig of vereist een workaround. Deze opstartfase vraagt om constante aanpassing. 

4. Beperkte data en API-uitdagingen: Misschien wel de grootste uitdaging voor een datagedreven organisatie als WPP Media, is de inconsistente beschikbaarheid en kwaliteit van data. Veel retailmedia-partners bieden beperkte datatoegang, vaak via omwegen in plaats van robuuste API’s. Waar API’s wel bestaan, zijn ze nog niet altijd volledig gedocumenteerd, rate-limited, of missen ze de granulaire details voor geavanceerde analyse. Dit maakt het vooralsnog onmogelijk om volledig geautomatiseerd data te verzamelen. 

5. Inconsistente metrics en attributie-periodes: Zelfs als data beschikbaar is, is het vergelijken van prestaties tussen verschillende retailmedia-partners een uitdaging. Metrics verschillen in naam, definitie en berekening. De ene partner noemt “sales” misschien anders, of hanteert een attributievenster van 7 dagen terwijl de andere 30 dagen gebruikt. Het ontbreken van een marktstandaard zorgt voor een extra uitdaging, namelijk het uniformeren van een set-up die bruikbaar is voor de organisatie.  

Deze uitdagingen boden ons echter ook een mooie kans: een oplossing bouwen die de ruis wegneemt, datastromen verenigt en onze teams voorziet van bruikbare inzichten. 

Een uniforme retailmedia data-oplossing 

Ruim een jaar geleden begonnen we aan een ambitieus project om retailmedia-data te integreren in ons bestaande analyse-ecosysteem. Het doel was gefragmenteerde data om te zetten in een geharmoniseerde, uniforme bron van waarheid voor slimmere strategieën en betere klantresultaten.  

Dit is hoe we onze “state-of-the-art” oplossing hebben gebouwd, een bewijs van onze toewijding aan data-innovatie. 

1. De ingestie: Adverity 
   De kern van onze datacollectie-strategie is Adverity, ons gekozen data-integratieplatform. Adverity fungeert als het centrale zenuwstelsel, dat met elke retailmedia-partner verbonden is om ruwe data op te halen. Dit is cruciaal, omdat het ons in staat stelt zowel bestaande API’s naadloos te benutten voor geautomatiseerde data-extractie, als aangepaste importers te bouwen voor partners zonder API’s. Of het nu gaat om FTP-pulls, e-mailbijlagen, of handmatige uploads, de flexibiliteit van Adverity zorgt voor een uitgebreide dekking van alle databronnen. 

2. De fundering: Snowflake 
   Eenmaal de data binnengehaald met Adverity, wordt alle ruwe retailmedia-data direct naar ons Snowflake datawarehouse gepusht. Snowflake biedt de schaalbare, krachtige en flexibele basis voor het opslaan van grote hoeveelheden diverse data. De cloud-native architectuur zorgt ervoor dat we het groeiende volume aan retailmedia-data zonder prestatieproblemen kunnen verwerken. 

3. De transformator: DBT Cloud 
   Ons ETL-proces (Extract, Transform, Load) wordt georkestreerd met DBT Cloud. DBT (Data Build Tool) stelt ons in staat complexe datatransformaties met SQL te definiëren en uit te voeren, waardoor ruwe data wordt omgezet in een schone, uniforme en bruikbare indeling. Het haalt de ruwe data uit Snowflake en past een reeks transformaties toe. Denk aan het opschonen, standaardiseren en structureren van de data volgens onze interne data-governance-standaarden. 

4. Data verrijking: Jarvis 
   Onze eigen campagne-metadata-tool Jarvis verrijkt deze uniforme data met cruciale campagne-informatie zoals klantdetails, doelstellingen en budgetten. Deze koppeling met retailmedia-data, uitgevoerd tijdens het DBT-transformatieproces, biedt unieke context voor het analyseren van prestaties binnen het strategische kader van elke campagne. 

5. Ons uniforme datamodel: Het CIM 
   De hoeksteen van onze oplossing is ons uniforme datamodel. Dit model fungeert als een eindproduct, waarbij metrics en dimensies van elke retailmedia-partner worden toegewezen aan een consistent, uniform, organisatie-breed toepasbaar schema. Dit betekent dat, ongeacht de benaming (“totale omzet”, “revenue” of “bruto merchandise waarde”), ons model het consolideert tot één gestandaardiseerde metric zoals “Verkoop”. Deze harmonisatie is cruciaal voor nauwkeurige cross-platform-analyses en -rapportages. 

6. De inzichten: Power BI 
   De laatste fase van onze datapijplijn is gericht op de behoeftes vanuit de business naar het verkrijgen van eenduidige inzichten. Ons uniforme datamodel in Power BI is specifiek geoptimaliseerd voor rapportage en visualisatie. Door een robuuste dimensionale modelleringsaanpak toe te passen, waarbij data wordt gescheiden in dimensie- en metrics-tabellen, garanderen we snelle en actuele beschikbaar van de inzichten, flexibiliteit en gebruiksgemak voor Power BI-gebruikers.  

De impact: het versterken van onze services voor onze klanten.   

Deze uitgebreide data-oplossing voor retailmedia is meer dan een technische prestatie; het is een strategisch voordeel met tastbare voordelen: 

• Eén bron van waarheid: Geen gedoe meer met spreadsheets of handmatige handelingen. We hebben nu een uniforme, betrouwbare bron van waarheid voor alle retailmedia-inzet. 

• Holistisch prestatieoverzicht: Onze teams kunnen retailmedia nu consistent analyseren over alle partners heen, wat cross-platform-optimalisatie en een compleet inzicht in campagne-effectiviteit mogelijk maakt. 

• Snellere, diepere inzichten: Met geharmoniseerde metrics en verrijkte data kunnen onze specialisten, analisten en strategen sneller inzichten krijgen, trends identificeren en datagedreven beslissingen nemen. 

• Verbeterde klantwaarde: We kunnen onze klanten duidelijkere, uitgebreidere rapporten bieden, die de ware impact van hun retailmedia-investeringen aantonen en strategische aanbevelingen doen. 

• Schaalbaarheid en efficiëntie: Het geautomatiseerde karakter van onze oplossing vermindert handmatige inspanning drastisch, waardoor waardevolle tijd vrijkomt voor strategische planning. Het stelt ons ook in staat om ons retailmedia-aanbod naadloos op te schalen. 

De weg vooruit: continue innovatie 

Onze retailmedia data-oplossing is evoluerend. We onderzoeken voortdurend nieuwe integraties, verfijnen onze datamodellen en benutten geavanceerde analysetechnieken voor nog diepere inzichten. De toekomst biedt kansen voor voorspellende modellen, AI-gestuurde optimalisatie en geavanceerdere attributiemogelijkheden. 

Door de complexiteit van retailmedia aan te pakken met een robuuste, schaalbare en intelligente data-architectuur, navigeren we niet alleen door de toekomst van adverteren – we geven er actief vorm aan.  

We moedigen alle teams aan deze krachtige bron te benutten en de rijke inzichten te verkennen die het biedt voor, uiteindelijk, succesvolle cases voor onze klanten. 

Meer weten? Mail ons MARS-team!