اکثر ناشران تاکید بسیاری بر جمع آوری و تجزیه و تحلیل اطلاعات مخاطبان دارند تا بتوانند راهنمایی با کیفیت تری به تبلیغ کنندگان بدهند. به عنوان مثال، Conde Nast تبلیغ کنندگان را قادر می سازد تا در با تجزیه و تحلیل مشارکت مخاطبان  (content engagement) بازارداده ها و اطلاعات دسته اول  خود را خود را به اشتراک بگذارند و مخاطبان مورد علاقه را از طریق پلت فرم مدیریت اطلاعات Spier Conde Nast ایجاد کنند.می تواند به یک تبلیغ کننده تکنولوژی سخت افزاری بگوید که طرفداران اصلی آن نسبت به گویندگان تکنولوژی و فنی در واقع بیشتر طرفداران موسیقی هستند  و از این رو Pitchfork یک محیط تبلیغاتی بهتر از Wired می باشد. شرکت پخش رادیو کانادا از داده ها و اطلاعات خود برای ایجاد محتوای شخصی و تجربه تبلیغ برای مخاطبان اصلی خود استفاده میکند.

اما این نمونه ها در صنعت در واقع بسیار کمیاب تر و نادرتر از آنچه که ما ممکن است انتظار داشته باشیم، هستند همانطور که eMarketer اشاره می کند، چندین ناشر در حال ایجاد خطوط جدید مبتنی بر اطلاعات هستند. در همین حال، خریداران برنامه در حال تلاش برای دسترسی به چنین اطلاعاتی به صورت رایگان هستند.

پس چگونه ناشران ارزش داده های خود را به حداکثر می رسانند؟ راه های زیادی وجود دارد - اما به طور خاص سه راه وجود دارد  که تقریبا هر ناشر می تواند سریعا آن را به کار گیرد.

1. اطلاعات دسته اول را با علاقه بخش بندی کنید

در طول زمانی که هدف قرار دادن تبلیغات اغلب غلط و نادرست است، داده ها و اطلاعات دسته اول ناشران با ارزش است. گزارش اخیر Pinsight Media نشان داد که 60 درصد از اطلاعات مربوط به مبادلات تلفن همراه، به طور متوسط ​​10 سال نادرست بوده و همین گونه باقی مانده است. نیلسن همچنین گزارش داده است که مبارزات انتخاباتی برای زنان 25 تا 54 ساله تنها 40 درصد دقیق است.

داستان های مرتبط: داده های دسته اول برای بازاریابان بیشتر ارزشمند خواهد بود. ناشران باید عملکرد خود را بهبود بخشند.

ناشران می توانند با استفاده از تجزیه و تحلیل ها براساس نوع محتوای مشاهده شده، ارزش داده های دسته اول را دو برابر کنند.

به عنوان مثال، ناشران نه تنها میتوانند خوانندگان مرد را از سن 25 تا 54 سالگی از هم تشخیص دهند، بلکه  می توانند نشان دهند که چه تعداد از آنها دوست دارند کارهای خانه خود را انجام دهند. چنین اطلاعاتی البته می تواند از طبقه بندی مورد علاقه برای هر تبلیغ کننده ای باشد.

این امر به ویژه زمانی که ارتباط و همبستگی واضح نباشد درست است. به عنوان مثال، ممکن است یک همپوشانی بزرگ که قبلا ناشناخته بوده است میان کاربران و مقالات مربوط به موسیقی رپ وجود داشته باشد. برای تبلیغ کنندگان، چنین همبستگی هایی نشان می دهد که قلمرو آنها کدام است که رقبای آنها ممکن است از آن آگاه نباشند.

2. برای به دست آوردن مقیاس برای ناشران، از داده ها و اطلاعات دسته دوم استفاده کنید

برای ناشران داده های دسته اول بازاریابان درواقع اطلاعات و داده های دسته دوم آن ها می باشد. مزایای استفاده دوگانه سطح بسیار عمیق تر از هدف قرار دادن و فرصتی برای پیدا کردن مخاطبان است.

با شناخت خوانندگان که در پایگاه داده های دسته اول هستند، بازاریابان می توانند تبلیغات را با هدف بازاریابی قیفی  انجام دهند. به عنوان مثال، بازاریابان می توانند تبلیغات را به سمت کاربران شناخته شده هدایت کنند تا به آنها خریدهای فصلی و تخفیفات را یادآوری کنند. آنها می توانند پیام های تبلیغاتی را برای تشویق به وفاداری یا توصیه های مربوط به محصول استفاده کنند.

ناشران همچنین می توانند منابع را با سازمان های دیگر ببندند تا شکاف های موجود در داده ها را پر کنند. به عنوان مثال، آنها می توانند با ناشران دیگر برای به اشتراک گذاشتن دارایی های متقابل سودمند (مانند داده های  vertical contant) کار کنند. تا کنون، بسیاری از ناشران از اطلاعات دسته دوم در این مرحله استفاده کرده اند. Digiday اخیرا گزارش داد که Insider Business، News UK و The Guardian درخواست های بیشتری از تبلیغ کنندگان برای جمع آوری داده های دسته اول خود با مجموعه داده های مخاطبان سفارشی خود مشاهده کرده اند. البته، اگر شما فیس بوک را یک ناشر را درنظر بگیرید، به تبلیغ کنندگان اجازه داده شده تا برای یک مدت هم همین کار را انجام دهند.

3.ازدسته سوم  برای شخصی سازی محتوا استفاده کنید

ناشران نیز به عنوان بازاریابان به طور مداوم تلاش می کنند مخاطبان خود را افزایش دهند. داده های شخص ثالث از منابع مختلف جمع آوری شده است.