Дэн Аверсэно вернулся в DatafuelX и нацелен на дальнейший рост

Сооснователь DatafuelX Дэн Аверсэно вернулся на пост CEO и ведёт компанию в следующую фазу роста: из бизнеса вокруг data-driven linear к более широкому использованию аналитики для connected TV, FAST и онлайн-видео. В интервью он объясняет, на чём компания уже зарабатывает, какие продукты развивает и зачем ей интеграции с DSP.

DatafuelX — стартап 2021 года в predictive analytics для ТВ и digital media. Исторически компания выросла из data-driven linear: её ранние клиенты — традиционные вещатели вроде Hallmark и Fox, а ключевой продукт M3 помогает паблишерам прогнозировать спрос на инвентарь и повышать yield. Теперь компания хочет активнее продавать эту логику цифровым паблишерам в CTV, free ad-supported TV и онлайн-видео, исходя из того, что значительная часть медиапланирования до сих пор живёт в Excel.

Второй продукт, PrecisionX, прогнозирует рекламные контакты по digital ID и оценивает вероятность того, что конкретный пользователь увидит рекламу в определённом контенте и в заданный период. В proof of concept с NBCUniversal модель показала более 80% точности в прогнозе spot-level exposure, и компания подаёт это как ответ на проблемы с неточностью данных в ТВ- и видеамедиапланах.

По словам Аверсэно, выручка DatafuelX пока растёт на 20–30% в год, но за счёт cross-platform-сценариев и новых интеграций темп можно поднять до 50%. В планах на этот год — две крупные DSP-партнёрства: идея в том, чтобы байер мог загрузить линейный ТВ-план в DSP, использовать его для digital-таргетинга, наращивать incremental reach и покупать кампании через programmatic guaranteed или private marketplace deals. При этом компания по-прежнему ориентируется на паблишеров, но готова работать и с buy side, и с SSP, хотя приоритетом считает supply-path optimization.

Коротко

  • В начале года DatafuelX вернула сооснователя Дэна Аверсэно на пост CEO; годом ранее совет директоров даже обсуждал продажу компании.
  • Компания говорит о росте выручки на 20–30% в год и считает, что после нескольких продуктовых доработок темп можно довести до 50%.
  • Платформа M3 оптимизирует yield для паблишеров и теперь продвигается в CTV, FAST и онлайн-видео, где спрос и инвентарь нужно точнее прогнозировать.
  • Инструмент PrecisionX прогнозирует рекламные контакты по digital ID; в proof of concept с NBCUniversal модель показала более 80% точности.
  • DatafuelX рассчитывает на две крупные DSP-интеграции, чтобы переносить линейные ТВ-планы в programmatic-закупку и строить incremental reach.

FAQ

Зачем DatafuelX возвращает сооснователя и смещает фокус в сторону CTV, FAST и DSP-интеграций, если компания уже работала с вещателями?

Компания хочет масштабировать свою аналитическую модель за пределы data-driven linear и применять её в cross-platform-планировании. Так её продукты можно продавать не только традиционным вещателям, но и цифровым паблишерам и buy side.

Как работают M3 и PrecisionX и какую практическую задачу каждый из этих продуктов решает для рынка ТВ и digital media?

M3 помогает паблишерам прогнозировать спрос на инвентарь и повышать yield. PrecisionX прогнозирует вероятность рекламного контакта по digital ID в конкретном контенте и во времени.

Что именно должны дать интеграции с DSP и почему компания при этом всё ещё допускает работу с SSP?

Через DSP DatafuelX хочет переносить линейные планы в digital-закупку, точнее управлять охватом и покупать кампании через programmatic guaranteed и private marketplace. С SSP компания тоже готова работать, но сейчас ставит в приоритет supply-path optimization.

Читайте также

  1. Газету Metro полностью выкупил Московский метрополитен
  2. Компромисс с креативностью: что маркетологи рискуют потерять в эпоху AI
  3. The Trade Desk меняет то, как рекламодатели закупают рекламу — и что именно они могут видеть
  4. Несмотря на скандал вокруг The Trade Desk, байеры не спешат уходить; Publicis идёт ва-банк в спорте
  5. Как динамический ретаргетинг и adpulse помогли ECCO измерить экономику внимания на CTV
Ключевые инсайты из новости (по версии ChatGPT)
  • Разрыв между data science и медиастратегией в AdTech: Для adtech-продуктов одной сильной data science-команды недостаточно: без понимания механики медиарынка, закупки и монетизации даже сильные инженеры долго входят в предметную область. В источнике этот разрыв оценивается как минимум в два года обучения, поэтому для аналитических решений в рекламе критично собирать команды на стыке математики, ad ops и media strategy.
    [Процессы]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!