Hjem ▸ Mening ▸ Hvordan AI Predictive Modeling kan hjelpe utgivere med å unnslippe tredjeparts informasjonskapselusikkerhet

Hvordan AI Predictive Modeling kan hjelpe utgivere med å unnslippe tredjeparts informasjonskapslerusikkerhet

Jürgen Galler

22. mars 2021

Fakta sjekket av Jürgen Galler Redigert av Jürgen Galler

Alle snakker fortsatt om døden til tredjeparts informasjonskapsler, men samtalen skifter. Mens utgivere, annonsører og teknologileverandører først følte seg i mørket om hvordan målretting – og digital markedsføring generelt – ville fungere fremover, har fokus nå flyttet til implementering av løsninger som gir fordeler for alle sider. Etter hvert som Google tester diverse forslag med fugletema i Sandbox-prosjektet sitt for å håndtere en estimert 52% Nedgang i utgiverinntekter, har bransjeaktører satset på førstepartsdata og kontekstuell målretting som måter å hjelpe dem med å navigere i usikkerheten rundt informasjonskapsler. Dette skiftet lover godt for en fremtid som tillater kontinuerlig levering av effektiv digital markedsføring samtidig som datatilgang, kontroll og personvernoverholdelse bevares på det åpne nettet. Det vil også sikre skalerbarhet og bærekraftig inntektsgenerering. Men for at dette skiftet skal bli virkelig vellykket, vil det også kreve litt hjelp fra teknologi – spesielt kunstig intelligens (AI) og prediktiv modellering.

Å knekke førsteparts datamutter

Utgivere vet at én sikker vei til frelse etter informasjonskapsler allerede er lagt for deres føtter: førstepartsdata. Med en direkte tilknytning til publikum har utgivere en bedre sjanse til å få brukersamtykke og samle dataene som trengs for å drive skreddersydd innhold og inntektsgenereringsstrategier og til gjengjeld beskytte bunnlinjen. Å utnytte førstepartsdata krever imidlertid en helhetlig tilnærming. Informasjon fra brukerinteraksjoner med nettet er ofte ustrukturert og vanskelig å administrere, spesielt for utgivere med lite ressurser. Noen brukere kan være pålogget mens andre er anonyme, noe som betyr at datadekningen og forståelsen av brukeraktivitet ofte er inkonsekvent og ufullstendig. Dataene våre viser for eksempel at bare 2–10 % av brukerne deler detaljer som alder og kjønn, og de resterende 90 % er ukjente. For å få mest mulig ut av verdifulle publikumsdata, trenger utgivere en måte å organisere, utvide og utnytte dem effektivt. Det er her AI kan hjelpe. For det første kan AI-drevne verktøy med høy prosesserings- og orkestreringskapasitet konsolidere enorme mengder usorterte data til en enkelt innsiktsbutikk som er enklere å forstå og aktivere. For det andre kan de fylle ut viktige manglende brikker for å gi utgivere det viktige helhetlige bildet av brukerreisen, som åpner døren til presis segmentering og aktivering, selv i fravær av harde faktadata. For eksempel kan maskinlæringsalgoritmer automatisk analysere engasjementet til brukere som samtykker basert på kontekstuelle signaler for å gi et sanntidsvindu til unike interesser og preferanser som holder profiler oppdaterte og nøyaktige. Dette sparer ikke bare dager, eller uker, med manuell behandling, men forbedrer også annonseringsopplevelsen – og genererer mer verdifulle publisistdrevne annonseformater som samsvarer med kontekst og brukeropplevelse. Dessuten kan avansert AI-modelleringsteknologi tette hullene for brukere som ikke kan spores. For eksempel ved å inkludere data fFra ulike miljøer – nett, app, CRM og CTV – kan mønstre blant brukere med bestemte attributter avdekkes, noe som fremmer profilberikelse av lignende brukere for å opprettholde målrettbarhet på tvers av hele målgruppen. Disse teknologiene fokuserer på logiske, snarere enn erklært attributter, som direkte adresserer personvernbekymringene som forårsaket avviklingen av tredjeparts informasjonskapsler i utgangspunktet.

Ta det kontekstuelle til et nytt nivå

Innholdsmålretting har også gjenvunnet popularitet ettersom industrien fortsetter sin streben etter å finne effektive, men personvernbevisste og kompatible løsninger for å målrette forbrukere i tiden etter informasjonskapsler. Teknologien på dette området har kommet langt de siste 10 årene, og tillater nå utvikling av mer nøyaktige og smidige verktøy for kontekstmålretting. På egen hånd har utgivere utvidet kunnskap og evne til å tilpasse innhold og bygge målgruppesegmenter som danner et brukbart grunnlag for kontekstbasert annonsering. Likevel, med mer sofistikerte verktøy på slep, kan de nå tilby mye større målrettingspresisjon. For eksempel lar dagens nye generasjon AI-drevet teknologi utgivere bevege seg utenfor tradisjonelle kontekstuelle grenser. Ved å bruke sanntidssignaler, og omfattende evaluering av deres digitale egenskaper, kan de samle nøyaktig og skalerbar publikumsinnsikt som kan gjøres tilgjengelig for merkevarer så vel som for utgiverens egen markedsavdeling. Kort sagt, det gir den inkrementelle adresserbarheten som kreves for å lette personalisering som ikke bare er svært tiltalende for annonsører, men som også sikrer en bedre opplevelse for brukerne – som til slutt styrker publikumsbånd og øker sannsynligheten for langsiktig lojalitet. Å finpusse førstepartsdata og avansert innholdsmålretting er absolutt et skritt i riktig retning for det digitale mediebildet. På utgiversiden er det kanskje ikke nok å bare bytte en informasjonskapsel (tredjepart) med en annen (førstepart) for å unngå informasjonskapselusikkerhet. Nøkkelen er å bygge en smidig og skalerbar førstepartsstrategi ved å teste alternative teknologier. Dette vil skape ytterligere muligheter for publisister til å øke verdien levert til både brukere og merkevarer og i sin tur styrke deres posisjon i markedet.

0 0 stemmer

Artikkelvurdering

Abonner

0 Kommentarer

Innebygde tilbakemeldinger

Se alle kommentarer

Bidragsyter?

Bli med i fellesskapet vårt nå! Logg inn for å kommentere eller bli en bidragsyter for å dele din unike innsikt og ekspertise. Stemmen din betyr noe – engasjer deg i dag!

Sjekk våre bidragsytere

Redaktørens valg

Digitale plattformer og verktøy

Hvordan AI Predictive Modeling kan hjelpe utgivere med å unnslippe tredjeparts informasjonskapslerusikkerhet

Jürgen Galler

Jürgen Galler

Å knekke førsteparts datamutter

Ta det kontekstuelle til et nytt nivå

8 beste plattformer for e-postnyhetsbrev for utgivere i 2025

Hva er en innholdsskaper?

Google Nyheter SEO Guide 2024: Beste praksis for nyhetsutgivere