Como a modelagem preditiva de IA pode ajudar as editoras a escapar da incerteza dos cookies de terceiros

Ainda se fala muito sobre o fim dos cookies de terceiros, mas a conversa está mudando. Embora editores, anunciantes e fornecedores de tecnologia inicialmente se sentissem perdidos quanto ao funcionamento do direcionamento — e do marketing digital em geral — no futuro, o foco agora está na implementação de soluções que beneficiem todos os envolvidos. Enquanto o Google testa várias propostas com temática de pássaros em seu projeto Sandbox para lidar com um número estimado de problemas, estima-se que 52% Com a queda na receita das editoras, os participantes do setor voltaram suas atenções para os dados primários e a segmentação contextual como formas de lidar com a incerteza da ausência de cookies. Essa mudança é um bom presságio para um futuro que permita a entrega contínua de marketing digital eficaz, preservando o acesso aos dados, o controle e a conformidade com a privacidade na web aberta. Também garantirá escalabilidade e monetização sustentável. No entanto, para que essa mudança seja verdadeiramente bem-sucedida, também será necessária alguma ajuda da tecnologia – especificamente da inteligência artificial (IA) e da modelagem preditiva.

Desvendando o mistério dos dados primários

Os editores sabem que um caminho seguro para a salvação pós-cookies já está ao seu alcance: os dados primários. Com uma conexão direta com seu público, os editores têm uma chance maior de obter o consentimento do usuário e coletar os dados necessários para impulsionar conteúdo personalizado e estratégias de monetização e, em contrapartida, proteger seus resultados financeiros. No entanto, aproveitar os dados primários exige uma abordagem holística. As informações provenientes das interações dos usuários com a web são frequentemente não estruturadas e difíceis de gerenciar, especialmente para editores com poucos recursos. Alguns usuários podem estar conectados, enquanto outros permanecem anônimos, o que significa que a abrangência dos dados e a compreensão da atividade do usuário são muitas vezes inconsistentes e incompletas. Por exemplo, nossos dados mostram que apenas 2 a 10% dos usuários compartilham detalhes como idade e sexo, deixando os 90% restantes com informações desconhecidas. Para aproveitar ao máximo os valiosos dados de audiência, as editoras precisam de uma maneira de organizá-los, expandi-los e utilizá-los de forma eficaz. É aqui que a IA pode ajudar. Em primeiro lugar, ferramentas com IA, com alta capacidade de processamento e orquestração, podem consolidar grandes volumes de dados não classificados em um único repositório de insights, mais fácil de entender e ativar. Em segundo lugar, elas podem preencher lacunas vitais, oferecendo às editoras uma visão unificada e essencial da jornada do usuário, o que abre caminho para uma segmentação e ativação precisas, mesmo na ausência de dados concretos. Por exemplo, algoritmos de aprendizado de máquina podem analisar automaticamente o engajamento de usuários que consentem com a divulgação de seus dados, com base em sinais contextuais, oferecendo uma visão em tempo real de interesses e preferências exclusivos, mantendo os perfis atualizados e precisos. Isso não apenas economiza dias ou semanas de processamento manual, como também aprimora a experiência publicitária, impulsionando formatos de anúncios de alto valor, criados por editores, que correspondem ao contexto e à experiência do usuário. Além disso, a tecnologia avançada de modelagem de IA pode preencher as lacunas para usuários não rastreáveis. Por exemplo, incluindo dados fA partir de diferentes ambientes – web, aplicativos, CRM e CTV – é possível descobrir padrões entre usuários com determinados atributos, o que permite o enriquecimento de perfis de usuários semelhantes para manter a segmentação em todo o público. Essas tecnologias se concentram em lógica, em vez de declarado atributos que abordam diretamente as preocupações com a privacidade que motivaram a descontinuação dos cookies de terceiros.

Levando o contextual a um novo nível

A segmentação contextual também recuperou popularidade à medida que o setor continua sua busca por soluções eficazes, porém respeitosas à privacidade e em conformidade com a lei, para atingir os consumidores na era pós-cookies. A tecnologia nessa área evoluiu muito nos últimos 10 anos, permitindo agora o desenvolvimento de ferramentas de segmentação contextual mais precisas e ágeis. Por si só, as editoras já possuem o conhecimento e a capacidade de personalizar conteúdo e criar segmentos de público que formam uma base sólida para a publicidade contextual. No entanto, com ferramentas mais sofisticadas, elas agora podem oferecer uma precisão de segmentação muito maior. Por exemplo, a nova geração de tecnologia com inteligência artificial permite que as editoras ultrapassem os limites contextuais tradicionais. Ao usar sinais em tempo real e uma avaliação abrangente de suas propriedades digitais, elas podem coletar informações precisas e escaláveis sobre o público, que podem ser disponibilizadas para marcas e também para o próprio departamento de marketing da editora. Resumindo, proporciona a capacidade de segmentação incremental necessária para facilitar a personalização, o que não só é altamente atraente para os anunciantes, como também garante uma melhor experiência para os usuários – fortalecendo, em última análise, os laços com o público e aumentando a probabilidade de fidelização a longo prazo. Investir em dados primários e segmentação contextual avançada é, sem dúvida, um passo na direção certa para o cenário da mídia digital. Para os editores, simplesmente trocar um cookie (de terceiros) por outro (primário) pode não ser suficiente para eliminar completamente a incerteza em relação aos cookies. A chave é construir uma estratégia de dados primários ágil e escalável, testando tecnologias alternativas. Isso criará mais oportunidades para os editores aumentarem o valor entregue tanto aos usuários quanto às marcas e, consequentemente, fortalecerem sua posição no mercado.