איך ממקסמים את הרלוונטיות של המודעות בלי קובצי Cookie של צד שלישי

‫14 בדצמבר 2022

ג'ואי טרוץ (Joey Trotz)
מנהל תחום ניהול מוצר, ארגז החול לפרטיות

מבוא

המטרה של ארגז החול לפרטיות היא לשמור על פרטיות הפעילות של אנשים באינטרנט פתוח וחופשי. לכן, אנחנו משתפים פעולה עם תעשיית הפרסום כדי לעבור לטכנולוגיות פרסום חדשות לשמירה על הפרטיות, ומוציאים משימוש את התמיכה בקובצי Cookie של צד שלישי ב-Chrome במחצית השנייה של 2024.

בין אם אתם מנהלי מוצר, סמנכ"לי טכנולוגיות, סמנכ"לי שיווק או מנכ"לים, חשוב שתבינו איך לתמוך בתרחישי שימוש בפרסום בעולם שבו יש יותר ויותר מודעות לפרטיות, ואיך להטמיע פתרונות שיכולים לשפר את התוצאות העסקיות ואת פרטיות המשתמשים.

אין ספק ששנת 2023 תהיה שנה קריטית בהכנה לעולם ללא קובצי Cookie של צד שלישי. במדריך הזה נסביר איך אפשר לשפר את הרלוונטיות של המודעות בסביבה העסקית של הפרסום הדיגיטלי בעתיד ללא קובצי Cookie:

• מה משתנה בנתונים שמשמשים להצגת מודעות רלוונטיות?
• איך פתרונות של טכנולוגיות פרסום יכולים להציע פרסום לפי תחומי עניין בלי להסתמך על קובצי Cookie של צד שלישי?
• איך למידת מכונה יכולה למקסם את הביצועים באמצעות אותות שלא פוגעים בפרטיות?

מה משתנה בנתונים שמשמשים להצגת מודעות רלוונטיות?

פרסום מבוסס-עניין, שנקרא גם פרסום מותאם אישית, הוא סוג של פרסום שמתבסס על מידע לגבי תחומי העניין וההעדפות של אנשים כדי להציג להם מודעות רלוונטיות יותר. בסוג הפרסום הזה נעשה שימוש במגוון רחב של נתונים כאותות כדי לקבוע איזו מודעה להציג, למשל: איזה תוכן משתמש צפה בו, דפוס האתרים שהמשתמש צפה בהם לאחרונה או אתר ספציפי שבו הוא ביקר בעבר.

נכון להיום, האותות האלה מבוססים בעיקר על מזהים חוצי-אתרים, כמו קובצי Cookie של צד שלישי, שהם ייחודיים למכשיר ספציפי. השימוש בקובצי Cookie של צד שלישי מפסיק בהדרגה, ולכן פתרונות טכנולוגיות הפרסום להצגת מודעות לפי תחומי עניין צריכים להתפתח כדי לנצל אותות ששומרים על הפרטיות ולהציג מודעות רלוונטיות. האותות האלה כוללים נתונים מאינטראקציה ישירה (First-Party), אותות לפי הקשר וממשקי API להבטחת שמירה על הפרטיות שסופקו על ידי הפלטפורמה, כמו Topics API,‏ FLEDGE API ו-Attribution Reporting API. ממשקי ה-API האלה עוזרים לתמוך בתרחישי שימוש קריטיים בתעשיית הפרסום, תוך הגנה מפני מעקב באתרים שונים.

פרסום שמבוסס על תחומי עניין יכול לשרוד ולשגשג בעזרת טכנולוגיות חדשניות שפותחו בכל רחבי המערכת האקולוגית. הטכנולוגיות האלה יעזרו לנו להתקדם לעבר עולם שבו הנתונים של אנשים מוגנים טוב יותר, ובו-זמנית המודעות ימשיכו להניב תוצאות שיווקיות שיעזרו לתמוך באינטרנט דינמי ופתוח.

איך פתרונות של טכנולוגיות פרסום יכולים להציע פרסום לפי תחומי עניין בלי קובצי Cookie של צד שלישי?

כיום, מפרסמים שמטרגטים לפי תחומי עניין בדרך כלל מגדירים את ההגדרות הבאות לקמפיינים שלהם דרך ספקי טכנולוגיות הפרסום שלהם:

1. יעד: מהי התוצאה העסקית שהמפרסם מנסה להשיג באמצעות קמפיין הפרסום הזה? ההגדרה הזו מציינת לפלטפורמות הפרסום על מה לבצע אופטימיזציה. לדוגמה, יכול להיות שהמפרסם רוצה להגדיל את המכירות באתר שלו לבגדי ילדים. לרוב, המדידה של היעדים האלה מתבצעת באמצעות תגי המרה חוצי-אתרים ודוחות ייחוס.
2. קהל: מי קהל היעד של המפרסם? המידע הזה מאפשר לפלטפורמת הפרסום לדעת מי לדעת המפרסם מתאים לצפייה במודעה. לדוגמה, יכול להיות שהמפרסם ירצה להגיע ללקוחות חדשים שנמצאים כרגע בשוק של בגדי ילדים.
3. מיקום מודעה: באילו אתרים המפרסם רוצה להציג מודעות? המאפיין הזה מציין איפה מותר להציג מודעות מבחינת מלאי שטחי הפרסום או קטגוריות של מלאי שטחי פרסום. לדוגמה, מפרסמים יכולים להציב את המודעות שלהם במגוון רחב של אתרים, או לבחור אתרים ספציפיים שבהם הסיכוי להגיע לקהל הרצוי גבוה יותר.
4. תקציב והצעת מחיר: כמה המפרסם רוצה להוציא בסך הכול וכמה הוא מוכן לשלם על פעולה ספציפית כמו חשיפת מודעה, קליק על מודעה או המרה ממודעה? כך אפשר לוודא שהקמפיין עומד בדרישות העלות של היעדים שלו. לדוגמה, המפרסם רוצה להוציא עד 1,000 $ולשלם לכל היותר 2.00 $עלות לאלף חשיפות כדי להציג 500,000 חשיפות לקהלים מטורגטים באתרים ספציפיים.

יצירת קהלים מתקדמת

בעולם ללא קובצי Cookie של צד שלישי, ספקי פתרונות פרסום ירצו להתאים את האופן שבו הפלטפורמות שלהם מציגות מודעות רלוונטיות. כיום, הרלוונטיות של המודעות מושגת בדרך כלל באמצעות קהלים שהמפרסם יכול להשתמש בהם כדי להגיע לאנשים שהכי סביר שיתעניינו במוצרים ובשירותים שלו. כיום, מפרסמים משתמשים בדרך כלל בסוגי הקהלים השונים הבאים:

1. תחום עניין משותף: פרסום בפני משתמשים על סמך הדברים שחשובים להם, תחומי העניין וההרגלים שלהם.
2. כוונת רכישה: הצגת המודעות למשתמשים על סמך כוונות הרכישה שלהם מהזמן האחרון.
3. רימרקטינג: הגעה לאנשים שביקרו בעבר באתר של מפרסם.
4. הרחבת קהלים: הגעה למשתמשים של מוציא לאור מסוים באתרים אחרים.

אחרי ההוצאה משימוש של קובצי Cookie של צד שלישי, ספקי פתרונות פרסום יכולים להמשיך לתמוך ביעדים של סוגי הקהלים האלה באמצעות גישות חדשות, כולל ממשקי API של ארגז החול לפרטיות.

תחום עניין משותף

כיום, מפרסמים מגיעים למשתמשים שמסווגים לפי תחום העניין המשותף שלהם (שנקרא גם תחומי עניין), בדרך כלל באמצעות פלחים של נתונים מצד שלישי. הקהלים האלה מסופקים על ידי הרבה פלטפורמות למסחר בנתונים, ומופצים להפעלה במערכת האקולוגית של טכנולוגיות הפרסום דרך ערוצים כמו פלטפורמות למפרסמים (DSPs) ופלטפורמות לניהול נתונים (DMPs).

הפלחים האלה נוצרים בדרך כלל על ידי מעקב אחרי משתמשים באמצעות קובצי Cookie של צד שלישי, ולאחר מכן קיבוץ המשתמשים על סמך טקסונומיה של קטגוריות ומתודולוגיות קנייניות לקביעה מתי משתמש עומד בדרישות לקטגוריה.

אחרי ההוצאה משימוש של קובצי Cookie של צד שלישי, המערכת תשתמש באותות שונים כדי לקבוע אם משתמשים עומדים בדרישות להכללה בקהל מסוים, במקום להסתמך על תחום עניין משותף. יהיו כמה דרכים לעשות את זה באמצעות ממשקי ה-API של ארגז החול לפרטיות לשמירה על הפרטיות, כולל:

• ‫Topics API: ה-API הזה מציע טקסונומיה סטנדרטית של תחומי עניין ומתודולוגיה שמוכרת לציבור לסיווג תחומי עניין במכשיר של משתמש מסוים על סמך סוגי האתרים שהוא ביקר בהם לאחרונה. פתרונות טכנולוגיית פרסום יכולים לבצע קריאה ל-Topics API כדי לקבל מידע על תחומי עניין של משתמש מסוים, בזמן שה-API שומר על הפרטיות על ידי הגבלת משך הזמן של היסטוריית הגלישה שנלקחת בחשבון, הגורמים שיכולים לגשת לנושא מסוים, מספר הקטגוריות שמוחזרות ועוד. ממשק ה-API הזה שימושי במיוחד לטכנולוגיות פרסום שאין להן קשרים ישירים עם בעלי תוכן דיגיטלי או יכולות אופטימיזציה לפי הקשר.
• ‫Topics API עם נתונים הקשריים: שיטה מתקדמת יותר כוללת השוואה בין הנושאים שמעניינים משתמש לבין ההקשר של דף מסוים, כדי להעריך תחומי עניין נוספים של המשתמשים. לדוגמה, פתרונות טכנולוגיות פרסום עשויים ללמוד שאנשים שמתעניינים בקבוצה מסוימת של נושאים (כמו פעילויות בחיק הטבע) עשויים להראות מדד גבוה יותר של ביקור בקטגוריות מסוימות של דפים (כמו אתרים בנושא ברביקיו). טכנולוגיית פרסום יכולה לאמן מודל למידת מכונה כדי לחזות שמבקר באתר בנושא 'פעילות בחיק הטבע' עשוי להתעניין בברביקיו, גם אם 'ברביקיו' לא מוחזר כנושא באמצעות Topics API. השיטה הזו שימושית במיוחד לטכנולוגיית פרסום בצד הקונה אם יש לה יכולות אופטימיזציה לפי הקשר.
• ‫FLEDGE API: ממשק ה-API הזה מאפשר לפתרונות פרסום דיגיטלי ליצור פלחים של קהלים על ידי תיוג מבקרים בדף אינטרנט כחברים בפלח מסוים, כמו "מתעניינים בהרפתקאות משפחתיות". אם לספק פתרונות הטכנולוגיה לפרסום יש אתרים אחרים ברשת השותפים שלו שקשורים ל'הרפתקאות משפחתיות', הוא יכול להוסיף לפלח הזה גם מבקרים באתרים האלה. FLEDGE שומר על פרטיות המשתמשים בכך שהוא משאיר את השיוך של המשתמשים לפלחי קהל במכשיר, ולא משתף עם פתרונות טכנולוגיית פרסום אם אותו משתמש שייך לכמה קבוצות אינטרס. ההגדרה הזו מגבילה את המעקב באתרים שונים. ה-API הזה שימושי במיוחד לפתרונות טכנולוגיים לפרסום עם רשת של שותפויות אתרים.

באמצעות השיטות האלה, פתרונות טכנולוגיות פרסום יכולים להציע פלחים של קהלים עם תחומי עניין משותפים בהיקף גדול, בלי להסתמך על מזהי משתמשים שמשולבים באתרים שונים. פתרונות טכנולוגיות פרסום לא חייבים להגביל את עצמם לשיטה אחת, והם יכולים להיות שונים בהתאם ליחסים שלהם עם בעלי תוכן דיגיטלי, ליחסים שלהם עם מפרסמים וליכולות הלמידה החישובית שלהם.

עם כוונת רכישה

בשלב הזה, מפרסמים מגיעים למשתמשים שסווגו כמשתמשים שנמצאים בתהליך רכישה (נקרא גם משתמשים עם כוונת רכישה) באמצעות פלחים של קובצי Cookie של צד שלישי, בדומה לאופן שבו הם ניגשים לקהלים שמבוססים על קרבה. הסיווג של משתמשים כמשתמשים שהביעו עניין ברכישת מוצר מסוים, כמו 'ציוד לבישול', או כמשתמשים שמתעניינים בבישול, תלוי בטקסונומיות ובמתודולוגיות הקנייניות של ספקי פתרונות הפרסום.

אחרי ההוצאה משימוש של קובצי Cookie של צד שלישי, ממשקי API לשמירה על הפרטיות יספקו אותות חדשים שיעזרו ליצור קהלים 'עם כוונת רכישה'. שיטות חלופיות:

• ‫Topics API: בדומה לשימוש ב-API הזה לקהלים עם תחום עניין משותף, השימוש בו לקהלים עם כוונת רכישה כולל החזרת נושא שיכול לשמש כקירוב לכוונת רכישה של משתמש מסוים על סמך מתודולוגיה וטקסונומיה שמוגדרות באופן ציבורי במכשיר. חלון מבט לאחור של שלושה שבועות, שמוגדר כברירת מחדל ליצירת הנושאים האלה, עוזר להגן על פרטיות המשתמשים כי הוא מגביל את כמות הנתונים הכוללת שזמינה לספקי פתרונות פרסום. עם זאת, מחזורי ההתעניינות של קטגוריות שונות של מוצרים ושירותים נעים בין ימים לחודשים, ולכן ה-API הזה שימושי למפרסמים שמחזור הרכישה של הלקוחות שלהם תואם לחלון מבט לאחור של הנושא.
• ‫FLEDGE API: כמו במקרה השימוש של קהלים בעלי תחומי עניין משותפים, ממשק ה-API הזה מאפשר לפלטפורמות טכנולוגיות פרסום ליצור פלחים משלהן, כמו "משתמשים שמתעניינים ברכישת רכב". אם לספק פתרונות טכנולוגיית הפרסום יש אתרים אחרים ברשת השותפים שלו שרלוונטיים ל'קונים פוטנציאליים של רכבים', הוא יכול גם להוסיף מבקרים באתרים האלה לאותו פלח, תוך שמירה על פרטיות המשתמשים באתרים השונים. ‫FLEDGE שימושי במיוחד לפתרון טכנולוגיית פרסום (ATP) במקרים שבהם יש קשר ישיר בין בעל התוכן הדיגיטלי לבין המפרסם שמאפשר שותפות נתונים, ונדרשת התאמה אישית רבה יותר מזו שמאפשרת התכונה 'נושאים'.
• ‫Topics API + Attribution Reporting API: שילוב של Topics API ו-Attribution Reporting API מאפשר להרחיב את רשימות הנושאים שממופים להמרות ספציפיות, כמו רכישות, וליצור דרכים נוספות להגיע לקהל שמתעניין במוצרים שלכם. לדוגמה, מערכות ניתוח או מערכות למידת מכונה עשויות לגלות שלמשתמשים שצפו במודעה על ציוד צלילה וקנו אותו, משויכים לעיתים קרובות הנושאים 'חופים ואיים' ו'דיג'. פתרון טכנולוגיות פרסום יכול לתרגם את התובנה הזו להגדלת פוטנציאל החשיפה למשתמשים שמתעניינים בציוד צלילה, על ידי בחירת משתמשים עם שני הנושאים האלה. במקרה הזה, Attribution Reporting API מגן על פרטיות המשתמשים באמצעות נתוני המרות מצטברים עם רעש לגבי שיוכים של נושאים להמרות. הגישה הזו מתאימה במקרים שבהם לספקי פתרונות פרסום אין הרבה נתונים הקשריים, אבל יש להם יכולות למידת מכונה או יכולות חזקות של ניתוח נתונים ומדע נתונים.
• נתונים הקשריים + Attribution Reporting API: פתרונות טכנולוגיים לפרסום יכולים להשתמש בסיווג הקשרי של הדפים שבהם מוצגות מודעות, בסיווג של מפרסמים ומוצרים ובנתונים מ-Attribution Reporting כדי לזהות מגמות או דפוסים בסוגי האתרים שאנשים מעדיפים כשהם בשוק לרכישת סוגים מסוימים של מוצרים ושירותים. לדוגמה, שילוב הנתונים הזה עשוי להניב תובנות כמו: אנשים שנכנסים לדפי אינטרנט בנושא פעילויות משפחתיות הם בעלי סבירות גבוהה להתעניין גם ברכישת ביגוד לפעילויות בחוץ.

השיטות האלה הן רק חלק מהדרכים הרבות שבהן פתרונות של טכנולוגיות פרסום יכולים להרחיב ולהתאים אישית פלחי קהל בצורה יצירתית, בלי להסתמך על מזהי משתמשים באתרים שונים. הם יכולים גם לשלב אותות נוספים כמו נתונים מאינטראקציה ישירה (First-Party) ושילובים אחרים של ממשקי API לשמירה על הפרטיות כדי להשיג תוצאות טובות עוד יותר. לכן, פתרונות טכנולוגיות פרסום יכולים להתבדל באמצעות גישות שונות ליצירת קהלים, אבטחת נתונים ייחודיים ופיתוח יכולות מתקדמות של למידת מכונה.

רימרקטינג

מפרסמים יכולים לעודד משתמשים שביקרו בעבר באתר שלהם לחזור לאתר באמצעות רימרקטינג. כרגע, התהליך הזה כולל הצבה של קובץ Cookie של צד שלישי בדפדפן בזמן הביקור באתר, ולאחר מכן הגשת הצעת מחיר להצגת מודעות בדפדפן הזה כשהמערכת מזהה את קובץ ה-Cookie באתר אחר. פתרונות של טכנולוגיות פרסום יכולים ליצור פלחי רימרקטינג שונים לאתר מסוים על סמך פעילויות המשתמשים באתר.

ללא קובצי Cookie של צד שלישי, פתרונות טכנולוגיית הפרסום יוכלו להשתמש ב-FLEDGE API כדי לתמוך בתרחישי שימוש של רימרקטינג:

• ‫FLEDGE API: פתרונות של טכנולוגיות פרסום יכולים ליצור פלחי רימרקטינג בהתאמה אישית לאתר על ידי יצירת קבוצות של תחומי עניין שתלויות בפעילות המשתמשים. בתרחישי שימוש קודמים עם FLEDGE, פתרונות פרסום דיגיטלי יצרו קהלים גדולים מאוד מכמה אתרים. בתרחיש השימוש הזה, רק אתר אחד מנסה לחדש את האינטראקציה עם מבקרים קודמים. בלי אמצעי ההגנה על הפרטיות שמוטמעים ב-FLEDGE, תרחיש השימוש הזה עלול לגרום לאתרים לבודד אנשים ספציפיים. הממשק הזה מאפשר לבצע רימרקטינג יעיל לקהלים, ובמקביל שומר על הפרטיות של המשתמשים. הוא עושה זאת באמצעות הגדרת סף של k-anonymity כדי להבטיח שמספר מספיק של משתמשים יהיו כשירים לצפייה במודעה.

גם בלי קובצי Cookie של צד שלישי, ארגז החול לפרטיות מאפשר למפרסמים להשתמש בנתונים מאינטראקציה ישירה (First-Party) לצורך רימרקטינג בקנה מידה נרחב, באתרים של צד שלישי.

הרחבת קהל

לפעמים מפרסמים רוצים להגיע ליותר משתמשים מאותו קהל שהם רואים אצל בעל אתר מסוים, אבל כשהמשתמשים האלה נמצאים באתרים אחרים. הרחבת קהל היא תהליך שבו המערכת מוצאת את הקהלים מאינטראקציה ישירה (First-Party) של בעל התוכן הדיגיטלי באתרים אחרים כדי להגדיל את תדירות החשיפה או את פוטנציאל החשיפה של אותו קהל. בעזרת הרחבת קהלים, בעל תוכן דיגיטלי יכול לספק למפרסם פלח קהל, כמו קהל עם תחום עניין משותף (למשל, שחקני גולף) או נתונים דמוגרפיים (למשל, טווח גילאים), ולאפשר למפרסם למצוא את הקהל הזה באתרים אחרים. התכונה 'הרחבת קהלים' משמשת גם מפרסמים שרוצים להגביר את המוּדעוּת למוצרים שלהם ולהגיע לצרכנים בזמן שהם קונים באתר של קמעונאי ובמקומות אחרים באינטרנט.

פתרונות טכנולוגיות פרסום ירחיבו את הקהלים של בעלי האתרים בלי קובצי Cookie של צד שלישי:

• ‫FLEDGE API: פתרונות טכנולוגיות פרסום יכולים ליצור פלחים של קהלים בהתאמה אישית באתר על ידי יצירת קבוצות של תחומי עניין שתלויות בפעילות המשתמש, כמו קריאת קטע מסוים באתר (למשל, קטע בנושא נסיעות). התהליך הזה דומה לרימרקטינג ומציע את אותם אמצעי הגנה על הפרטיות. הפתרון הזה מתאים למפרסמים שמעריכים את נתוני הקהל מסוג 1P של בעל האתר, אבל לא מצליחים להשיג מספיק מלאי שטחי פרסום באתר של בעל האתר כדי להגיע לקהל הזה.

איך למידת מכונה יכולה למקסם את הביצועים באמצעות אותות שלא פוגעים בפרטיות?

בעקבות הוצאת קובצי Cookie של צד שלישי משימוש, מפרסמים צריכים לחשוב איך אפשר להשתמש בלמידת מכונה ובאותות שלא פוגעים בפרטיות כדי להשיג את התוצאות הטובות ביותר.

שיפור התוצאות של המפרסמים באמצעות אוטומציה

רוב הפתרונות לטכנולוגיות פרסום מציעים רמות שונות של אופטימיזציה ידנית ואוטומטית של קמפיינים.

הפתרונות הידניים ביותר מחייבים את המפרסמים לציין את הקהלים, מיקומי המודעות והצעות המחיר הרצויים, ולאחר מכן לפעול בהתאם לנתונים האלה. הגדרות ידניות מאפשרות למפרסמים שליטה רבה, אבל יכול להיות שהתוצאות לא יהיו אופטימליות אם המפרסם צריך לדעת את כל הקהלים והמיקומים שמניבים ביצועים טובים, או אם הוא לא יכול לחזות את הצעת המחיר התיאורטית האופטימלית לכל חשיפה, בהתחשב בכל המשתנים הרלוונטיים.

הפתרונות האוטומטיים ביותר מבקשים מהמפרסמים לציין את התוצאה העסקית הרצויה (למשל, 2$) עלות להמרה/מכירה), באמצעות למידת מכונה כדי לזהות את הקהלים ומיקומי המודעות שמניבים ביצועים טובים למפרסם הזה, ואת הצעת המחיר הנכונה להשגת היעד הרצוי. במקרה כזה, יש מעט מגבלות על פתרון טכנולוגיית הפרסום, או שאין מגבלות בכלל, מלבד תקציב ויעד. יכול להיות שהמערכת תתייחס לבחירת הקהל של המפרסם כאל "הצעה" או "נקודת התחלה", אבל למידת המכונה תחפש דפוסים בכל הנתונים הזמינים, דפוסים שאולי לא יהיו ברורים לבני אדם.

למידת מכונה משתמשת בדפוסים האלה כדי לבצע אופטימיזציה של הביצועים על ידי הוספה של קהלים רלוונטיים יותר ושינוי הצעות המחיר על סמך הביצועים הצפויים של הקהלים האלה. ארגז החול לפרטיות הוא אחד ממקורות האותות הרבים שיהיו זמינים כדי לספק מידע ללמידת מכונה אחרי הוצאת קובצי Cookie של צד שלישי משימוש. למידת מכונה יכולה למקסם את ביצועי המודעות על ידי בדיקה מתמשכת של הקהלים, מיקומי המודעות והצעות המחיר הטובים ביותר, ולימוד שלהם לאורך זמן, בקמפיינים שונים ואפילו אצל מפרסמים שונים. חשוב לציין שצוותים מיומנים יכולים לבצע ניתוחים מתוחכמים ולגלות קורלציות דומות.

הפחתת הצורך של המפרסמים לנהל קהלים, מיקומי מודעות והצעות מחיר תפשט את עומס העבודה של המפרסמים ותאפשר למערכות למידת מכונה להניב את התוצאות הטובות ביותר האפשריות. השקעות בטכנולוגיות פרסום שמבוססות על פתרונות אוטומטיים יכולות לעזור למפרסמים, וגם לתמוך במעבר מקובצי Cookie של צד שלישי.

אותות נוספים ללמידת מכונה

פתרונות של טכנולוגיות פרסום תמיד התבססו על כמה אותות כדי להחליט אם להגיש הצעת מחיר להצגת מודעה. בעולם ללא מעקב אחר קובצי Cookie באתרים שונים, פתרונות טכנולוגיית הפרסום ייהנו משימוש בכל אות שזמין בלמידת מכונה ושומר על הפרטיות, כדי לחזות תוצאות עסקיות כמו קליקים או המרות. לפעמים לא מעריכים מספיק את האותות הבאים לשמירה על הפרטיות, אבל הם יכולים לתרום באופן משמעותי לרלוונטיות של המודעות בעתיד ללא קובצי Cookie של צד שלישי:

1. תכונות של קריאייטיב למודעות: ניתוח הקריאייטיב של המודעה ברמת הרכיב (למשל טקסט, תמונות, עיצוב) עשוי לעזור לחזות את הביצועים בקרב קהלים ספציפיים או בדפים מסוימים, למשל נושא המודעה או אם היא כוללת הרבה טקסט.
2. נתונים מאינטראקציה ישירה (First-Party): בעלי אתרים, משווקים ורשתות קמעונאיות יוצרים יותר ויותר מזהים ופלחים מאינטראקציה ישירה (First-Party), כמו קהלים שהוגדרו על ידי המוכר. הידיעה מה ההתנהגות של משתמש לאורך זמן באתר מסוים מאפשרת לכם לחזות בצורה טובה יותר אילו מודעות יניבו את התוצאות הכי טובות עבור המשתמש או הפלח הזה באתר, בלי ליצור פרופיל חוצה אתרים. נתונים מאינטראקציה ישירה (First-Party) של בעלי אתרים יכולים לעזור לשפר את הבידינג בכל האתרים שלהם. השיפורים האלה בהצעות המחיר באתרים ספציפיים יכולים לשפר את הביצועים ברמת הקמפיין באופן מצטבר.

פתרונות טכנולוגיית פרסום יכולים להניב את התוצאות הטובות ביותר באמצעות שילוב של כל הכלים הזמינים, כמו למידת מכונה ואותות שלא פוגעים בפרטיות מממשקי API לשמירה על הפרטיות, יחד עם נתונים לפי הקשר, נתונים של קריאייטיב ונתונים מאינטראקציה ישירה (First-Party).

סיכום

אחרי שיוצא משימוש בקובצי Cookie של צד שלישי, חשוב שתעשיית הפרסום תמשיך להציג מודעות רלוונטיות, ושהצרכנים יקבלו את ההגנה על הפרטיות שהם מצפים לה. אנחנו יודעים שנדרש מאמץ כדי להשתמש בכלים חדשים, כמו אלה של ארגז החול לפרטיות, ונמשיך לתמוך בתעשייה במהלך המעבר הזה.

מעכשיו והלאה, מומלץ:

1. כדאי להשקיע בהוספה של ממשקי API לשמירה על הפרטיות, כמו Topics,‏ FLEDGE ו-Attribution Reporting, לפתרונות הטכנולוגיה הפרסומית שלכם, כדי לתמוך בתרחישי שימוש נפוצים של פרסום מבוסס-עניין אחרי שקובצי Cookie של צד שלישי יצאו משימוש.
2. כדאי לבדוק את ממשקי ה-API של ארגז החול לפרטיות בשילוב עם אותות אחרים שלא פוגעים בפרטיות, כולל נתונים מאינטראקציה ישירה (First-Party) של בעלי תוכן דיגיטלי, כדי להבין את הביצועים העתידיים ולגבש אסטרטגיה.
3. כדי לשפר את הביצועים, מומלץ להפעיל למידת מכונה כדי להשתמש בכל הנתונים הזמינים שלא פוגעים בפרטיות המשתמשים, עם כמה שיותר חופש ללמוד ולבצע אופטימיזציה.

תעשיית טכנולוגיות הפרסום יכולה לבצע הרבה פונקציות מרכזיות של טירגוט ובידינג באמצעות ממשקי Privacy Sandbox API. עם זאת, יש יתרונות רבים לשילוב אותות נוספים להבטחת שמירה על פרטיות מעבר לממשקי ה-API האלה, ולפריסה של כל האותות האלה יחד.

חדשנות היא חלק בלתי נפרד מתעשיית הפרסום בדיגיטל. בעזרת שיפור של הגישות הקיימות לרלוונטיות של מודעות, נוכל לעבור בהצלחה מקובצי Cookie של צד שלישי לאינטרנט פרטי יותר עם ביצועים טובים יותר.