بدون کوکی‌های شخص ثالث، ارتباط آگهی را به حداکثر برسانید

۱۴ دسامبر ۲۰۲۲

جوی تروتز
مدیر مدیریت محصول، Privacy Sandbox

مقدمه

هدف Privacy Sandbox حفظ حریم خصوصی فعالیت افراد در اینترنت آزاد و باز است. برای انجام این کار، ما با صنعت تبلیغات همکاری می‌کنیم تا در نیمه دوم سال ۲۰۲۴ به فناوری‌های جدید تبلیغات خصوصی روی بیاوریم و پشتیبانی از کوکی‌های شخص ثالث را در کروم لغو کنیم.

چه مدیر محصول، مدیر ارشد فناوری، مدیر ارشد بازاریابی یا مدیرعامل باشید، ضروری است که بدانید چگونه در دنیایی که به طور فزاینده‌ای به حریم خصوصی اهمیت می‌دهد، از موارد استفاده تبلیغات پشتیبانی کنید و راه‌حل‌هایی را بپذیرید که می‌توانند هم نتایج تجاری و هم حریم خصوصی کاربر را بهینه کنند.

شکی نیست که سال ۲۰۲۳ سال مهمی برای آماده شدن برای جهانی بدون کوکی‌های شخص ثالث خواهد بود. در این راهنما، ما در مورد چگونگی رویکرد اکوسیستم تبلیغات به ارتباط تبلیغات در آینده‌ای بدون کوکی بحث خواهیم کرد:

• چه تغییراتی در داده‌های مورد استفاده برای نمایش تبلیغات مرتبط در حال رخ دادن است؟
• چگونه ممکن است راهکارهای فناوری تبلیغات، تبلیغات مبتنی بر علایق را بدون کوکی‌های شخص ثالث ارائه دهند؟
• چگونه یادگیری ماشینی می‌تواند با استفاده از سیگنال‌های ایمن برای حریم خصوصی، عملکرد را به حداکثر برساند؟

چه تغییراتی در داده‌های مورد استفاده برای نمایش تبلیغات مرتبط ایجاد می‌شود؟

تبلیغات مبتنی بر علایق، که با نام تبلیغات شخصی‌سازی‌شده نیز شناخته می‌شود، نوعی تبلیغات است که از اطلاعات مربوط به علایق و ترجیحات فرد برای نمایش تبلیغات مرتبط‌تر به او استفاده می‌کند. این نوع تبلیغات از طیف گسترده‌ای از داده‌ها به عنوان سیگنال برای تعیین اینکه چه تبلیغی نمایش داده شود، استفاده می‌کند، مانند محتوایی که کاربر مشاهده کرده است، الگوی سایت‌هایی که کاربر اخیراً دیده است یا سایت خاصی که قبلاً بازدید کرده است.

امروزه، این سیگنال‌ها عمدتاً توسط شناسه‌های بین‌سایتی مانند کوکی‌های شخص ثالث که مختص هر دستگاه هستند، پشتیبانی می‌شوند. با حذف تدریجی کوکی‌های شخص ثالث، راه‌حل‌های فناوری تبلیغات برای تبلیغات مبتنی بر علایق باید تکامل یابند تا از سیگنال‌های سازگار با حریم خصوصی برای نمایش تبلیغات مرتبط استفاده کنند. این موارد شامل داده‌های شخص ثالث، سیگنال‌های زمینه‌ای و APIهای حفظ حریم خصوصی ارائه شده توسط پلتفرم مانند API موضوعات ، API FLEDGE و API گزارش‌دهی انتساب است که به پشتیبانی از موارد استفاده حیاتی برای صنعت تبلیغات کمک می‌کنند و در عین حال از ردیابی بین‌سایتی محافظت می‌کنند.

تبلیغات مبتنی بر علایق می‌توانند با فناوری‌های نوآورانه‌ای که در سراسر اکوسیستم توسعه یافته‌اند، زنده بمانند و رشد کنند. این فناوری‌ها به ما کمک می‌کنند تا به سمت جهانی حرکت کنیم که در آن از داده‌های افراد بهتر محافظت می‌شود، در حالی که تبلیغات می‌توانند به هدایت نتایج بازاریابی که از یک وب پویا و باز پشتیبانی می‌کنند، ادامه دهند.

چگونه راهکارهای فناوری تبلیغات می‌توانند تبلیغات مبتنی بر علایق را بدون کوکی‌های شخص ثالث ارائه دهند؟

امروزه، تبلیغ‌کنندگان مبتنی بر علایق معمولاً موارد زیر را برای کمپین‌های خود از طریق ارائه‌دهندگان فناوری تبلیغات تنظیم می‌کنند:

1. هدف : هدف تجاری که تبلیغ‌کننده با این کمپین تبلیغاتی به دنبال دستیابی به آن است چیست؟ این به پلتفرم‌های تبلیغاتی می‌گوید که برای چه چیزی بهینه‌سازی انجام دهند. به عنوان مثال، تبلیغ‌کننده ممکن است بخواهد فروش را در وب‌سایت لباس کودکان خود افزایش دهد. اغلب، این اهداف از طریق برچسب‌های تبدیل بین سایتی و گزارش‌های انتساب اندازه‌گیری می‌شوند.
2. مخاطب : تبلیغ‌کننده می‌خواهد به چه کسی دسترسی پیدا کند؟ این به پلتفرم تبلیغاتی می‌گوید که تبلیغ‌کننده فکر می‌کند چه کسی احتمالاً برای تبلیغ مناسب است. به عنوان مثال، تبلیغ‌کننده ممکن است بخواهد به مشتریان جدیدی که در حال حاضر در بازار لباس کودکان هستند، دسترسی پیدا کند.
3. جایگذاری : تبلیغ‌کننده می‌خواهد تبلیغات خود را در چه وب‌سایت‌هایی نمایش دهد؟ این مشخص می‌کند که تبلیغات از نظر موجودی تبلیغات یا دسته‌بندی‌های موجودی تبلیغات، کجا مجاز به نمایش هستند. به عنوان مثال، تبلیغ‌کنندگان می‌توانند تبلیغات خود را در مجموعه‌ای گسترده از وب‌سایت‌ها قرار دهند، یا ممکن است وب‌سایت‌های خاصی را انتخاب کنند که احتمال بیشتری برای رسیدن به مخاطبان مورد نظرشان دارند.
4. بودجه و پیشنهاد: تبلیغ‌کننده می‌خواهد در مجموع و برای یک اقدام خاص مانند نمایش تبلیغ، کلیک روی تبلیغ یا تبدیل تبلیغ چقدر هزینه کند؟ این امر تضمین می‌کند که کمپین، الزامات هزینه‌ای را برای اهداف خود برآورده می‌کند. به عنوان مثال، تبلیغ‌کننده ممکن است بخواهد تا ۱۰۰۰ دلار هزینه کند و حداکثر ۲ دلار به ازای هر کلیک (CPM) بپردازد تا ۵۰۰۰۰۰ نمایش را به مخاطبان هدف و در وب‌سایت‌های مشخص ارائه دهد.

تکامل خلق مخاطب

در دنیای پس از کوکی‌های شخص ثالث، ارائه‌دهندگان راهکارهای تبلیغاتی می‌خواهند نحوه ارائه تبلیغات مرتبط توسط پلتفرم‌های خود را تطبیق دهند. امروزه، مرتبط بودن تبلیغات معمولاً از طریق مخاطبانی حاصل می‌شود که یک تبلیغ‌کننده می‌تواند از آنها برای دسترسی به افرادی که به احتمال زیاد به محصولات و خدمات آنها علاقه‌مند هستند، استفاده کند. امروزه، تبلیغ‌کنندگان معمولاً از این انواع مختلف مخاطب استفاده می‌کنند:

1. وابستگی : بر اساس علایق، عادات و علایق کاربران، به آنها دسترسی پیدا کنید.
2. درون بازار : بر اساس قصد خرید اخیر کاربران، به آنها دسترسی پیدا کنید.
3. بازاریابی مجدد : به افرادی که قبلاً از وب‌سایت تبلیغ‌کننده بازدید کرده‌اند، دسترسی پیدا کنید.
4. گسترش مخاطب : دسترسی به کاربران یک ناشر خاص در وب‌سایت‌های دیگر.

پس از حذف کوکی‌های شخص ثالث، ارائه‌دهندگان راهکارهای تبلیغاتی می‌توانند با استفاده از رویکردهای جدید، از جمله APIهای Privacy Sandbox، به پشتیبانی از اهداف این نوع مخاطبان ادامه دهند.

وابستگی

امروزه، تبلیغ‌کنندگان به کاربرانی که بر اساس علاقه (یا علایق) طبقه‌بندی شده‌اند، دسترسی پیدا می‌کنند که معمولاً با استفاده از بخش‌های داده شخص ثالث انجام می‌شود. این مخاطبان توسط بسیاری از بازارهای داده ارائه می‌شوند و از طریق کانال‌هایی مانند پلتفرم‌های سمت تقاضا ( DSP ) و پلتفرم‌های مدیریت داده ( DMP ) برای فعال‌سازی در سراسر اکوسیستم فناوری تبلیغات توزیع می‌شوند.

این بخش‌ها معمولاً با ردیابی افراد با استفاده از کوکی‌های شخص ثالث و سپس گروه‌بندی کاربران بر اساس طبقه‌بندی دسته‌ها و روش‌های اختصاصی برای تعیین اینکه چه زمانی یک کاربر واجد شرایط یک دسته است، ساخته می‌شوند.

پس از منسوخ شدن کوکی‌های شخص ثالث، انتخاب مخاطب بر اساس وابستگی تکامل خواهد یافت تا از سیگنال‌های مختلفی برای واجد شرایط کردن کاربران برای گنجاندن در هر مخاطب مشخص استفاده کند. روش‌های مختلفی برای انجام این کار با استفاده از APIهای حفظ حریم خصوصی Privacy Sandbox وجود خواهد داشت، از جمله:

• API موضوعات : این API یک طبقه‌بندی استاندارد از علایق و یک روش‌شناسی شناخته‌شده برای طبقه‌بندی علایق روی دستگاه برای یک کاربر خاص بر اساس انواع وب‌سایت‌هایی که اخیراً بازدید کرده‌اند، ارائه می‌دهد. راهکارهای فناوری تبلیغات می‌توانند API موضوعات را برای دریافت علایق یک کاربر خاص فراخوانی کنند، در حالی که API با محدود کردن طول تاریخچه مرور مورد نظر، طرف‌هایی که می‌توانند به یک موضوع خاص دسترسی داشته باشند، تعداد دسته‌های برگردانده شده و موارد دیگر، از حریم خصوصی محافظت می‌کند. این API به ویژه برای فناوری تبلیغاتی که روابط مستقیم با ناشر یا قابلیت‌های بهینه‌سازی زمینه‌ای ندارد، مفید است.
• API موضوعات با داده‌های زمینه‌ای : یک روش پیشرفته‌تر شامل مقایسه موضوعات کاربر و زمینه یک صفحه است تا وابستگی‌های اضافی برای کاربران تخمین زده شود. به عنوان مثال، راه‌حل‌های فناوری تبلیغات ممکن است یاد بگیرند که افرادی که به مجموعه‌ای خاص از موضوعات (مانند فعالیت‌های خارج از منزل) علاقه‌مند هستند، ممکن است در بازدید از دسته‌های خاصی از صفحات (مانند سایت‌هایی درباره کباب کردن) بیش از حد فهرست‌بندی شوند. فناوری تبلیغات می‌تواند یک مدل یادگیری ماشینی را آموزش دهد تا پیش‌بینی کند که یک بازدیدکننده از یک وب‌سایت "فعالیت در فضای باز" می‌تواند به کباب کردن علاقه‌مند باشد، حتی اگر "BBQ & Grilling" به عنوان یک موضوع از طریق API موضوعات بازگردانده نشود. این روش به ویژه برای یک فناوری تبلیغات طرف خرید مفید است اگر قابلیت‌های بهینه‌سازی زمینه‌ای داشته باشد.
• FLEDGE API : این API به راهکارهای فناوری تبلیغات این امکان را می‌دهد که با برچسب‌گذاری بازدیدکنندگان یک صفحه وب به عنوان اعضای یک بخش خاص، مانند «علاقه‌مند به ماجراجویی‌های خانوادگی»، بخش‌هایی از مخاطبان را ایجاد کنند. اگر ارائه‌دهنده راهکار فناوری تبلیغات، وب‌سایت‌های دیگری در شبکه شرکای خود داشته باشد که مربوط به «ماجراجویی‌های خانوادگی» باشند، می‌توانند بازدیدکنندگان آن سایت‌ها را نیز به همان بخش اضافه کنند. FLEDGE با حفظ انتساب کاربر به بخش‌های مخاطبان در دستگاه و عدم اشتراک‌گذاری اطلاعات مربوط به تعلق یک کاربر به چندین گروه علاقه‌مند، از حریم خصوصی کاربر محافظت می‌کند. این امر ردیابی بین سایتی را محدود می‌کند. این API به ویژه برای یک راهکار فناوری تبلیغات با شبکه‌ای از مشارکت‌های سایتی مفید است.

با این روش‌ها، راهکارهای فناوری تبلیغات می‌توانند بدون تکیه بر شناسه‌های کاربری بین‌سایتی، بخش‌های مخاطبان با وابستگی مقیاس‌پذیر را ارائه دهند. راهکارهای فناوری تبلیغات مجبور نیستند خود را به یک روش محدود کنند و ممکن است بر اساس روابط ناشر، روابط تبلیغ‌کننده و قابلیت‌های یادگیری ماشینی خود، متمایز شوند.

در بازار

در حال حاضر، تبلیغ‌کنندگان با استفاده از بخش‌های کوکی شخص ثالث، مشابه نحوه دسترسی به مخاطبان بر اساس «علاقه»، به کاربرانی که «در بازار» (همچنین به عنوان «دارای قصد خرید» شناخته می‌شوند) طبقه‌بندی می‌شوند، دسترسی پیدا می‌کنند. اینکه آیا یک کاربر برای محصولی مانند «وسایل آشپزی» در بازار طبقه‌بندی شده است یا صرفاً به آشپزی علاقه‌مند است، به طبقه‌بندی‌ها و روش‌های اختصاصی ارائه‌دهندگان راه‌حل‌های تبلیغاتی بستگی دارد.

پس از منسوخ شدن کوکی‌های شخص ثالث، APIهای حافظ حریم خصوصی، سیگنال‌های جدیدی برای اطلاع‌رسانی در مورد ایجاد مخاطبان «در بازار» ارائه می‌دهند. برخی از روش‌های جایگزین عبارتند از:

• API موضوعات : مشابه استفاده از این API برای مخاطبان وابسته، استفاده از آن برای مخاطبان درون بازار شامل بازگرداندن موضوعی است که می‌تواند قصد خرید را برای یک کاربر خاص بر اساس یک روش‌شناسی و طبقه‌بندی عمومی و روی دستگاه تخمین بزند. پنجره استاندارد سه هفته‌ای برای تولید این موضوعات، با محدود کردن کل داده‌های موجود برای ارائه‌دهندگان راه‌حل‌های تبلیغاتی، از حریم خصوصی کاربر محافظت می‌کند. با این حال، دسته‌های مختلف محصولات و خدمات چرخه‌های بررسی متفاوتی از چند روز تا چند ماه دارند و این API را برای تبلیغ‌کنندگانی که چرخه خرید مشتری آنها با پنجره بررسی موضوع همسو است، مفید می‌کند.
• FLEDGE API : همانند مورد استفاده از affinity، این API به پلتفرم‌های فناوری تبلیغات این امکان را می‌دهد که بخش‌های خاص خود را ایجاد کنند، مانند "خریداران خودرو در بازار". اگر ارائه‌دهنده راه‌حل فناوری تبلیغات، وب‌سایت‌های دیگری در شبکه شریک خود داشته باشد که مربوط به "خریداران خودرو در بازار" باشند، می‌توانند بازدیدکنندگان آن سایت‌ها را نیز به همین بخش اضافه کنند و در عین حال حریم خصوصی کاربر بین سایتی را حفظ کنند. FLEDGE به ویژه برای یک راه‌حل فناوری تبلیغات زمانی مفید است که رابطه مستقیمی بین ناشر/تبلیغ‌کننده وجود داشته باشد که امکان مشارکت داده‌ها را فراهم می‌کند و نیاز به سفارشی‌سازی بیشتری نسبت به Topics وجود دارد.
• API موضوعات + API گزارش‌دهی انتساب : با ترکیب موضوعات و API گزارش‌دهی انتساب، می‌توانید فهرست موضوعاتی را که به تبدیل‌های خاص، مانند خریدها، مرتبط هستند، گسترش دهید و راه‌های بیشتری برای دسترسی به مخاطبان درون بازار ایجاد کنید. به عنوان مثال، سیستم‌های تجزیه و تحلیل یا یادگیری ماشین ممکن است کشف کنند که کاربرانی که تبلیغی در مورد تجهیزات غواصی دیده و آن را خریداری کرده‌اند، اغلب موضوعات "سواحل و جزایر" و "ماهیگیری" را با خود مرتبط کرده‌اند. یک راهکار فناوری تبلیغات می‌تواند با انتخاب کاربرانی با این دو موضوع، این بینش را به دسترسی بهتر به کاربران "در بازار تجهیزات غواصی" تبدیل کند. گزارش‌دهی انتساب در این مورد با ارائه داده‌های تبدیل کلی نویزدار در مورد ارتباط موضوعات با تبدیل‌ها، از حریم خصوصی کاربر محافظت می‌کند. این رویکرد زمانی منطقی است که ارائه‌دهندگان راهکارهای تبلیغاتی داده‌های زمینه‌ای زیادی ندارند اما از یادگیری ماشین یا قابلیت‌های قوی علم داده و تجزیه و تحلیل برخوردارند.
• داده‌های زمینه‌ای + API گزارش‌دهی انتساب : راهکارهای فناوری تبلیغات می‌توانند از طبقه‌بندی زمینه‌ای صفحاتی که تبلیغات در آن‌ها نمایش داده می‌شود، طبقه‌بندی تبلیغ‌کنندگان و محصولات و داده‌های گزارش‌دهی انتساب برای کشف روندها یا الگوهای موجود در انواع سایت‌هایی که افراد هنگام خرید انواع خاصی از محصولات و خدمات در بازار ترجیح می‌دهند، استفاده کنند. به عنوان مثال، این ترکیب داده‌ها ممکن است به بینش‌هایی مانند یادگیری این موضوع منجر شود که افرادی که در صفحات وب مربوط به فعالیت‌های خانوادگی هستند، به احتمال زیاد برای خرید لباس‌های فضای باز نیز در بازار حضور دارند.

این روش‌ها تنها چند نمونه از روش‌های متعددی هستند که راهکارهای فناوری تبلیغات می‌توانند به صورت خلاقانه و بدون تکیه بر شناسه‌های کاربری بین‌سایتی، بخش‌های مخاطبان را مقیاس‌بندی و سفارشی‌سازی کنند. آن‌ها همچنین می‌توانند سیگنال‌های بیشتری مانند داده‌های شخص ثالث و سایر ترکیبات APIهای حفظ حریم خصوصی را برای نتایج حتی بهتر ادغام کنند. بنابراین، راهکارهای فناوری تبلیغات می‌توانند با اتخاذ رویکردهای مختلف برای ایجاد مخاطب، ایمن‌سازی داده‌های منحصر به فرد و توسعه قابلیت‌های برتر یادگیری ماشین، خود را متمایز کنند.

بازاریابی مجدد

تبلیغ‌کنندگان می‌توانند کاربرانی را که قبلاً از وب‌سایت آنها بازدید کرده‌اند، از طریق بازاریابی مجدد (ریمارکتینگ) دوباره جذب کنند. این روش در حال حاضر شامل قرار دادن یک کوکی شخص ثالث در مرورگر در زمان بازدید از وب‌سایت و سپس پیشنهاد نمایش تبلیغات به آن مرورگر در صورت مشاهده کوکی در وب‌سایت دیگر است. راهکارهای فناوری تبلیغات می‌توانند بخش‌های ریمارکتینگ مختلفی را برای یک وب‌سایت مشخص بر اساس فعالیت‌های کاربر در سراسر وب‌سایت ایجاد کنند.

بدون کوکی‌های شخص ثالث، راهکارهای فناوری تبلیغات قادر خواهند بود از FLEDGE API برای پشتیبانی از موارد استفاده بازاریابی مجدد استفاده کنند:

• FLEDGE API : راهکارهای فناوری تبلیغات می‌توانند با ایجاد گروه‌های علاقه‌مند وابسته به فعالیت کاربر، بخش‌های بازاریابی مجدد سفارشی برای یک سایت ایجاد کنند. در موارد استفاده قبلی با FLEDGE، راهکارهای فناوری تبلیغات، مخاطبان بسیار زیادی را از چندین وب‌سایت ایجاد می‌کردند. در این مورد استفاده، تنها یک وب‌سایت در تلاش است تا یک بازدیدکننده قبلی را دوباره جذب کند و بدون محافظت از حریم خصوصی تعبیه‌شده در FLEDGE، این مورد استفاده ممکن است منجر به شناسایی افراد توسط وب‌سایت‌ها شود. این API ضمن فراهم کردن بازاریابی مجدد مؤثر مخاطبان، با تعیین آستانه‌های k-anonymity از حریم خصوصی افراد محافظت می‌کند تا اطمینان حاصل شود که تعداد کافی از افراد واجد شرایط دیدن تبلیغ هستند.

حتی بدون کوکی‌های شخص ثالث، Privacy Sandbox به تبلیغ‌کنندگان این امکان را می‌دهد که از داده‌های شخص اول خود برای بازاریابی مجدد در مقیاس بزرگ، در وب‌سایت‌های شخص ثالث استفاده کنند.

افزونه مخاطبان

تبلیغ‌کنندگان گاهی اوقات می‌خواهند به تعداد بیشتری از مخاطبانی که از یک ناشر خاص می‌بینند، دسترسی پیدا کنند، اما زمانی که آن کاربران در وب‌سایت‌های دیگر هستند. گسترش مخاطب فرآیندی است که مخاطبان شخص اول ناشر را با یافتن آنها در سایت‌های دیگر گسترش می‌دهد تا فراوانی یا دسترسی به همان مخاطب را افزایش دهد. با استفاده از گسترش مخاطب، یک ناشر می‌تواند یک بخش مخاطب، مانند وابستگی (مثلاً گلف‌بازان) یا جمعیت‌شناسی (مثلاً محدوده سنی) را در اختیار تبلیغ‌کننده قرار دهد و به تبلیغ‌کننده اجازه دهد آن مخاطب را در سایت‌های دیگر پیدا کند. گسترش مخاطب همچنین زمانی استفاده می‌شود که یک تبلیغ‌کننده می‌خواهد با دسترسی به مصرف‌کنندگان هنگام خرید در وب‌سایت یک خرده‌فروش و هر جای دیگر در وب، آگاهی از محصولات خود را افزایش دهد.

راهکارهای فناوری تبلیغات، مخاطبان ناشران را بدون کوکی‌های شخص ثالث افزایش می‌دهند:

• FLEDGE API : راهکارهای فناوری تبلیغات می‌توانند با ایجاد گروه‌های علاقه‌مندی وابسته به فعالیت کاربر مانند خواندن بخش خاصی از یک وب‌سایت (مثلاً بخش سفر)، بخش‌های سفارشی برای مخاطبان یک سایت ایجاد کنند. این فرآیند عملاً مشابه بازاریابی مجدد است و همان محافظت از حریم خصوصی را ارائه می‌دهد. این روش برای تبلیغ‌کنندگانی که برای داده‌های مخاطبان 1P یک ناشر ارزش قائل هستند اما نمی‌توانند موجودی تبلیغاتی کافی در وب‌سایت آن ناشر برای آن مخاطب به دست آورند، منطقی است.

چگونه یادگیری ماشینی می‌تواند با استفاده از سیگنال‌های ایمن برای حریم خصوصی، عملکرد را به حداکثر برساند؟

با منسوخ شدن کوکی‌های شخص ثالث، تبلیغ‌کنندگان ممکن است بخواهند در نظر بگیرند که چگونه می‌توان از یادگیری ماشینی و سیگنال‌های ایمن برای حفظ حریم خصوصی برای دستیابی به بهترین نتایج استفاده کرد.

هدایت نتایج تبلیغ‌کنندگان از طریق اتوماسیون

بیشتر راهکارهای فناوری تبلیغات، درجات مختلفی از بهینه‌سازی دستی و خودکار کمپین را ارائه می‌دهند.

دستی‌ترین راه‌حل‌ها، تبلیغ‌کنندگان را ملزم می‌کنند تا مخاطبان، جایگاه‌ها و پیشنهادهای مورد نظر را مشخص کنند و سپس در محدوده‌ی آن ورودی‌ها باقی بمانند. تنظیمات دستی، کنترل قوی‌ای را برای تبلیغ‌کنندگان فراهم می‌کنند، اما اگر تبلیغ‌کننده نیاز به دانستن تمام مخاطبان و جایگاه‌های نمایش‌دهنده‌ی مؤثر داشته باشد یا نتواند با توجه به تمام متغیرهای دخیل، پیشنهاد بهینه‌ی نظری را برای هر نمایش پیش‌بینی کند، ممکن است نتایج غیربهینه ارائه دهد.

خودکارترین راه‌حل‌ها از تبلیغ‌کنندگان می‌خواهند که نتیجه تجاری مورد نظر خود (مثلاً ۲ دلار هزینه به ازای هر اقدام/فروش) را مشخص کنند و با استفاده از یادگیری ماشین، مخاطبان و مکان‌هایی را که برای آن تبلیغ‌کننده عملکرد خوبی دارند و پیشنهاد قیمت مناسب برای دستیابی به هدف مورد نظر را شناسایی کنند. در این حالت، به جز بودجه و هدف، محدودیت کمی یا هیچ محدودیتی برای راه‌حل فناوری تبلیغات وجود ندارد. انتخاب مخاطب توسط تبلیغ‌کننده ممکن است به عنوان یک "پیشنهاد" یا "نقطه شروع" در نظر گرفته شود، اما یادگیری ماشین به دنبال الگوهایی در بین تمام داده‌های موجود خواهد بود که ممکن است برای انسان غیرقابل تشخیص باشد.

یادگیری ماشینی از این الگوها برای بهینه‌سازی عملکرد با اضافه کردن مخاطبان مرتبط‌تر و تنظیم پیشنهادات بر اساس عملکرد پیش‌بینی‌شده آن مخاطبان استفاده می‌کند. Privacy Sandbox یکی از منابع سیگنال‌های متعددی است که پس از حذف کوکی‌های شخص ثالث، برای اطلاع‌رسانی به یادگیری ماشینی در دسترس خواهد بود. یادگیری ماشینی می‌تواند با آزمایش و یادگیری مداوم بهترین مخاطبان، مکان‌ها و پیشنهادات در طول زمان، کمپین‌ها و حتی تبلیغ‌کنندگان، عملکرد تبلیغات را به حداکثر برساند. شایان ذکر است که تجزیه و تحلیل‌های پیچیده انجام شده توسط تیم‌های ماهر نیز می‌توانند همبستگی‌های مشابهی را کشف کنند.

کاهش نیاز تبلیغ‌کنندگان به مدیریت مخاطبان، مکان‌های نمایش و پیشنهادهای قیمت، حجم کار تبلیغ‌کنندگان را ساده‌تر کرده و سیستم‌های یادگیری ماشینی را قادر می‌سازد تا بهترین نتایج ممکن را به دست آورند. سرمایه‌گذاری‌های فناوری تبلیغات در راه‌حل‌های خودکار - علاوه بر بهره‌مندی تبلیغ‌کنندگان - می‌تواند به گذار از کوکی‌های شخص ثالث نیز کمک کند.

سیگنال‌های اضافی برای یادگیری ماشین

راهکارهای فناوری تبلیغات همیشه هنگام تصمیم‌گیری در مورد پیشنهاد قیمت برای نمایش یک تبلیغ، چندین سیگنال را در نظر گرفته‌اند. در دنیایی بدون ردیابی کوکی‌های بین سایتی، راهکارهای فناوری تبلیغات از استفاده از هر سیگنال امن برای حریم خصوصی موجود در یادگیری ماشین برای پیش‌بینی نتایج تجاری مانند کلیک‌ها یا تبدیل‌ها سود خواهند برد. سیگنال‌های امن برای حریم خصوصی زیر گاهی اوقات کم‌ارزش تلقی می‌شوند، اما می‌توانند در آینده‌ای بدون کوکی‌های شخص ثالث، به طور قابل توجهی به مرتبط بودن تبلیغات کمک کنند:

1. ویژگی‌های خلاقیت تبلیغ : تجزیه و تحلیل خلاقیت تبلیغ در سطح مؤلفه (مثلاً متن، تصاویر، طراحی) می‌تواند به پیش‌بینی عملکرد با مخاطبان خاص یا در صفحات خاص، مانند موضوع تبلیغ یا اینکه آیا شامل متن زیادی است یا خیر، کمک کند.
2. داده‌های شخص اول : ناشران، بازاریابان و شبکه‌های خرده‌فروشی به طور فزاینده‌ای در حال ایجاد شناسه‌ها و بخش‌های شخص اول، مانند مخاطبان تعریف‌شده توسط فروشنده، هستند. دانستن رفتار یک کاربر در طول زمان در یک سایت مشخص به شما این امکان را می‌دهد که بدون نیاز به پروفایل‌سازی بین سایتی، پیش‌بینی کنید که چه تبلیغاتی برای آن کاربر یا بخش در آن سایت بهتر عمل می‌کند. داده‌های شخص اول یک ناشر می‌تواند به بهبود پیشنهاد قیمت در تمام سایت‌های آنها کمک کند. این بهبودهای پیشنهاد قیمت مختص سایت می‌تواند به طور تجمعی عملکرد را در کل یک کمپین افزایش دهد.

راهکارهای فناوری تبلیغات می‌توانند با ترکیب تمام ابزارهای موجود، مانند یادگیری ماشین و سیگنال‌های ایمن برای حفظ حریم خصوصی از APIهای حافظ حریم خصوصی، به همراه داده‌های زمینه‌ای، داده‌های خلاقانه و داده‌های شخص ثالث، بهترین نتایج را به دست آورند.

نتیجه‌گیری

پس از حذف تدریجی کوکی‌های شخص ثالث، ضروری است که صنعت تبلیغات به ارائه تبلیغات مرتبط ادامه دهد و مصرف‌کنندگان از حمایت‌های حریم خصوصی مورد انتظار خود بهره‌مند شوند. ما می‌دانیم که ساخت ابزارهای جدید، مانند ابزارهای موجود در Privacy Sandbox، نیازمند تلاش است و ما در طول این گذار به حمایت از این صنعت ادامه خواهیم داد.

برای پیشرفت، شما را تشویق می‌کنیم که:

1. برای پشتیبانی از موارد استفاده رایج تبلیغات مبتنی بر علایق پس از حذف کوکی‌های شخص ثالث، روی افزودن APIهای حفظ حریم خصوصی مانند Topics، FLEDGE و Attribution Reporting به راهکارهای فناوری تبلیغات خود سرمایه‌گذاری کنید.
2. APIهای Privacy Sandbox را همراه با سایر سیگنال‌های ایمن برای حریم خصوصی، از جمله داده‌های ناشر شخص اول، آزمایش کنید تا عملکرد آینده را درک کرده و استراتژی را شکل دهید.
3. با فعال کردن یادگیری ماشینی برای استفاده از تمام داده‌های موجود با حفظ حریم خصوصی ایمن، و با حداکثر آزادی ممکن برای یادگیری و بهینه‌سازی، عملکرد را به حداکثر برسانید.

صنعت فناوری تبلیغات می‌تواند بسیاری از عملکردهای اصلی هدف‌گذاری و پیشنهاد قیمت را با استفاده از APIهای Privacy Sandbox انجام دهد. با این حال، مزایای بی‌شماری از ترکیب سیگنال‌های اضافی حفظ حریم خصوصی فراتر از این APIها و به‌کارگیری همه این سیگنال‌ها با هم وجود دارد.

نوآوری در DNA صنعت تبلیغات دیجیتال است. با تکامل رویکردهای موجود در مورد مرتبط بودن تبلیغات، می‌توانیم با موفقیت از کوکی‌های شخص ثالث به یک وب خصوصی‌تر و کارآمدتر منتقل شویم.