Hvordan prediktiv modellering med kunstig intelligens kan hjelpe utgivere med å unngå usikkerhet rundt tredjeparts informasjonskapsler

Alle snakker fortsatt om at tredjeparts informasjonskapsler er borte, men samtalen er i ferd med å endre seg. Mens utgivere, annonsører og teknologileverandører i utgangspunktet følte seg usikre på hvordan målretting – og digital markedsføring generelt – ville fungere fremover, har fokuset nå flyttet seg til implementering av løsninger som gir fordeler for alle parter. 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 samsvar med personvernregler på det åpne nettet bevares. Det vil også sikre skalerbarhet og bærekraftig inntektsgenerering. For at dette skiftet skal bli virkelig vellykket, vil det imidlertid også kreve noe hjelp fra teknologi – spesielt kunstig intelligens (KI) og prediktiv modellering.

Å knekke førstepartsdatanøtten

Utgivere vet at én sikker vei til redning etter informasjonskapsler allerede ligger for deres føtter: førstepartsdata. Med en direkte forbindelse til målgruppene sine har utgivere en bedre sjanse til å innhente brukersamtykke og samle inn dataene som trengs for å drive skreddersydd innhold og inntektsstrategier, og til gjengjeld beskytte bunnlinjen. Det krever imidlertid en helhetlig tilnærming å utnytte førstepartsdata. Informasjon fra brukerinteraksjoner med nettet er ofte ustrukturert og vanskelig å administrere, spesielt for utgivere med underressurser. Noen brukere kan være logget inn mens andre er anonyme, noe som betyr at datadekningen og forståelsen av brukeraktivitet ofte er inkonsekvent og ufullstendig. For eksempel viser dataene våre at bare 2–10 % av brukerne deler detaljer som alder og kjønn, mens de resterende 90 % er ukjente. For å få mest mulig ut av verdifulle målgruppedata 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 store mengder usorterte data til ett enkelt innsiktslager som er lettere å forstå og aktivere. For det andre kan de fylle inn viktige manglende deler for å gi utgivere et viktig helhetlig bilde av brukerreisen, noe som åpner døren for presis segmentering og aktivering, selv i mangel av harde faktadata. For eksempel kan maskinlæringsalgoritmer automatisk analysere engasjementet til samtykkende brukere basert på kontekstuelle signaler for å gi et sanntidsvindu inn i unike interesser og preferanser som holder profiler oppdaterte og nøyaktige. Dette sparer ikke bare dager eller uker med manuell behandling, men forbedrer også annonseopplevelsen – og driver frem flere 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.

Tar kontekstuell til et nytt nivå

Kontekstuell målretting har også gjenvunnet popularitet ettersom bransjen fortsetter sin jakt på 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 muliggjør nå utvikling av mer nøyaktige og smidige verktøy for kontekstuell målretting. Utgivere har på egenhånd den omfattende kunnskapen og evnen til å tilpasse innhold og bygge målgruppesegmenter som danner et brukbart grunnlag for kontekstbasert annonsering. Med mer sofistikerte verktøy på slep kan de nå tilby mye større presisjon innen målretting. For eksempel lar dagens nye generasjon av AI-drevet teknologi utgivere bevege seg utover tradisjonelle kontekstuelle grenser. Ved å bruke sanntidssignaler og omfattende evaluering av sine digitale eiendommer, kan de samle nøyaktig og skalerbar publikumsinnsikt som kan gjøres tilgjengelig for merkevarer så vel som for utgiverens egen markedsføringsavdeling. Kort sagt, den leverer den trinnvise adresserbarheten som kreves for å legge til rette for personalisering som ikke bare er svært attraktivt for annonsører, men som også sikrer en bedre opplevelse for brukerne – noe som til slutt styrker publikumsbåndene og øker sannsynligheten for langsiktig lojalitet. Å fokusere på førstepartsdata og avansert kontekstuell målretting er absolutt et skritt i riktig retning for det digitale medielandskapet. På utgiversiden er det kanskje ikke nok å bare bytte ut én informasjonskapsel (tredjepart) med en annen (førstepart) for å unngå usikkerheten rundt informasjonskapsler helt. Nøkkelen er å bygge en smidig og skalerbar førstepartsstrategi ved å teste alternative teknologier. Dette vil skape ytterligere muligheter for utgivere til å øke verdien som leveres til både brukere og merkevarer, og dermed styrke sin posisjon i markedet.