Memaksimalkan relevansi iklan tanpa cookie pihak ketiga

14 Des 2022

Joey Trotz
Director of Product Management, Privacy Sandbox

Pengantar

Privacy Sandbox bertujuan untuk menjaga privasi aktivitas pengguna di seluruh internet yang terbuka dan gratis. Untuk melakukannya, kami berkolaborasi dengan industri iklan untuk beralih ke teknologi iklan pribadi baru dan menghentikan dukungan untuk cookie pihak ketiga di Chrome pada paruh kedua tahun 2024.

Baik Anda seorang pemimpin produk, CTO, CMO, atau CEO, Anda harus memahami cara mendukung kasus penggunaan iklan di dunia yang semakin sadar akan privasi dan menggunakan solusi yang dapat mengoptimalkan hasil bisnis dan privasi pengguna.

Tidak diragukan lagi bahwa tahun 2023 akan menjadi tahun yang penting untuk bersiap menghadapi dunia tanpa cookie pihak ketiga. Dalam panduan ini, kita akan membahas cara ekosistem periklanan dapat menangani relevansi iklan di masa depan tanpa cookie:

• Apa yang berubah terkait data yang digunakan untuk menampilkan iklan yang relevan?
• Bagaimana solusi teknologi iklan dapat menawarkan iklan berbasis minat tanpa cookie pihak ketiga?
• Bagaimana cara machine learning memaksimalkan performa menggunakan sinyal yang menjaga privasi?

Apa yang berubah terkait data yang digunakan untuk menampilkan iklan yang relevan?

Iklan menurut minat, juga dikenal sebagai iklan yang dipersonalisasi, adalah jenis iklan yang menggunakan informasi tentang minat dan preferensi seseorang untuk menampilkan iklan yang lebih relevan kepadanya. Jenis iklan ini menggunakan berbagai data sebagai sinyal untuk menentukan iklan yang akan ditampilkan, seperti konten yang telah dilihat pengguna, pola situs yang baru-baru ini dilihat pengguna, atau situs tertentu yang pernah dikunjungi.

Saat ini, sinyal ini terutama didukung oleh ID lintas situs seperti cookie pihak ketiga, yang unik untuk setiap perangkat. Seiring dengan dihentikannya penggunaan cookie pihak ketiga, solusi teknologi iklan untuk iklan berbasis minat harus berkembang untuk memanfaatkan sinyal yang menjaga privasi guna menampilkan iklan yang relevan. Hal ini mencakup data pihak pertama, sinyal kontekstual, dan API yang menjaga privasi yang disediakan platform seperti Topics API, FLEDGE API, dan Attribution Reporting API, yang membantu mendukung kasus penggunaan penting untuk industri iklan sekaligus melindungi dari pelacakan lintas situs.

Periklanan menurut minat dapat bertahan dan berkembang dengan teknologi inovatif yang dikembangkan di seluruh ekosistem. Teknologi ini akan membantu kami bergerak menuju dunia di mana data pengguna lebih terlindungi, sementara iklan dapat terus mendorong hasil pemasaran yang mendukung web yang dinamis dan terbuka.

Bagaimana solusi teknologi iklan dapat menawarkan iklan menurut minat tanpa cookie pihak ketiga?

Saat ini, pengiklan berbasis minat biasanya menyiapkan hal berikut untuk kampanye melalui penyedia teknologi iklan mereka:

1. Sasaran: Apa hasil bisnis yang ingin dicapai pengiklan dengan kampanye iklan ini? Hal ini memberi tahu platform iklan apa yang harus dioptimalkan. Misalnya, pengiklan mungkin ingin mendorong penjualan di situs pakaian anak-anak mereka. Biasanya, sasaran ini diukur melalui tag konversi lintas situs dan pelaporan atribusi.
2. Audiens: Siapa yang ingin dijangkau pengiklan? Hal ini memberi tahu platform iklan siapa yang menurut pengiklan kemungkinan cocok dengan iklan tersebut. Misalnya, pengiklan mungkin ingin menjangkau pelanggan baru yang saat ini berniat membeli pakaian anak-anak.
3. Penempatan: Di situs mana pengiklan ingin menjalankan iklan? Setelan ini menentukan tempat iklan diizinkan untuk berjalan dalam hal inventaris iklan atau kategori inventaris iklan. Misalnya, pengiklan dapat menempatkan iklan mereka di berbagai situs, atau mereka dapat memilih situs tertentu yang lebih berpeluang menjangkau audiens yang diinginkan.
4. Anggaran dan bid: Berapa banyak yang ingin dibelanjakan pengiklan secara total dan untuk tindakan tertentu seperti tayangan iklan, klik iklan, atau konversi iklan? Hal ini memastikan kampanye memenuhi persyaratan biaya untuk sasarannya. Misalnya, pengiklan mungkin ingin membelanjakan hingga Rp10.000.000 dan membayar CPM paling banyak Rp20.000 untuk menayangkan 500.000 tayangan iklan kepada audiens yang ditargetkan dan di situs tertentu.

Evolusi pembuatan audiens

Setelah cookie pihak ketiga tidak digunakan lagi, penyedia solusi iklan akan ingin menyesuaikan cara platform mereka menayangkan iklan yang relevan. Saat ini, relevansi iklan umumnya dicapai melalui audiens yang dapat digunakan pengiklan untuk menjangkau orang yang kemungkinan besar tertarik dengan produk dan layanan mereka. Saat ini, pengiklan umumnya menggunakan berbagai jenis audiens berikut:

1. Minat: Menjangkau pengguna berdasarkan hal yang mereka sukai, kebiasaan, dan minat mereka.
2. Berniat beli: Menjangkau pengguna berdasarkan niat membeli mereka baru-baru ini.
3. Pemasaran ulang: Jangkau orang yang sebelumnya pernah mengunjungi situs pengiklan.
4. Ekstensi Audiens: Jangkau pengguna penayang tertentu di situs lain.

Setelah penghentian penggunaan cookie pihak ketiga, penyedia solusi iklan dapat terus mendukung sasaran jenis audiens ini menggunakan pendekatan baru, termasuk API Privacy Sandbox.

Minat

Saat ini, pengiklan menjangkau pengguna yang diklasifikasikan berdasarkan afinitas (juga dikenal sebagai minat), yang paling umum dilakukan dengan memanfaatkan segmen data pihak ketiga. Audiens ini disediakan oleh banyak marketplace data dan didistribusikan untuk aktivasi di seluruh ekosistem teknologi iklan melalui saluran seperti platform sisi permintaan (DSP) dan platform pengelolaan data (DMP).

Segmen ini biasanya dibuat dengan melacak individu menggunakan cookie pihak ketiga, lalu mengelompokkan pengguna berdasarkan taksonomi kategori dan metodologi eksklusif untuk menentukan kapan pengguna memenuhi syarat untuk suatu kategori.

Setelah penghentian penggunaan cookie pihak ketiga, pemilihan audiens berdasarkan minat akan berkembang menggunakan sinyal yang berbeda untuk memenuhi syarat pengguna agar disertakan dalam audiens tertentu. Ada beberapa cara untuk melakukannya menggunakan API yang menjaga privasi Privacy Sandbox, termasuk:

• Topics API: API ini menawarkan taksonomi minat yang standar dan metodologi yang diketahui publik untuk klasifikasi minat di perangkat bagi pengguna tertentu berdasarkan jenis situs yang baru-baru ini dikunjungi. Solusi teknologi iklan dapat memanggil Topics API untuk mendapatkan minat pengguna tertentu, sementara API melindungi privasi dengan membatasi durasi histori penjelajahan yang dipertimbangkan, pihak yang dapat mengakses topik tertentu, jumlah kategori yang ditampilkan, dan lainnya. API ini sangat berguna untuk teknologi iklan yang tidak memiliki hubungan langsung dengan penayang atau kemampuan pengoptimalan kontekstual.
• Topics API dengan data kontekstual: Metode yang lebih canggih melibatkan perbandingan topik pengguna dan konteks halaman, untuk memperkirakan afinitas tambahan pengguna. Misalnya, solusi teknologi iklan dapat mempelajari bahwa orang yang tertarik dengan serangkaian topik tertentu (seperti aktivitas luar ruangan) mungkin lebih sering mengunjungi kategori halaman tertentu (seperti situs tentang memanggang). Teknologi iklan dapat melatih model machine learning untuk memprediksi bahwa pengunjung situs "aktivitas luar ruangan" mungkin tertarik dengan memanggang meskipun "BBQ & Memanggang" tidak ditampilkan sebagai topik melalui Topics API. Metode ini sangat berguna untuk teknologi iklan sisi beli jika memiliki kemampuan pengoptimalan kontekstual.
• FLEDGE API: API ini memungkinkan solusi teknologi iklan membuat segmen audiens dengan memberi label pada pengunjung halaman web sebagai anggota segmen tertentu, seperti "tertarik dengan petualangan keluarga". Jika penyedia solusi teknologi iklan memiliki situs lain dalam jaringan partnernya yang berkaitan dengan "petualangan keluarga", mereka juga dapat menambahkan pengunjung untuk situs tersebut ke segmen yang sama ini. FLEDGE melindungi privasi pengguna dengan menyimpan penetapan pengguna ke segmen audiens di perangkat, dan tidak membagikan kembali ke solusi teknologi iklan apakah pengguna yang sama termasuk dalam beberapa grup minat. Hal ini membatasi pelacakan lintas situs. API ini sangat berguna untuk solusi teknologi iklan dengan jaringan kemitraan situs.

Dengan metode ini, solusi teknologi iklan dapat menawarkan segmen audiens afinitas berskala tanpa mengandalkan ID pengguna lintas situs. Solusi teknologi iklan tidak harus membatasi diri pada satu metode, dan dapat berbeda-beda berdasarkan hubungan penayang, hubungan pengiklan, dan kemampuan machine learning mereka.

Berniat beli

Saat ini, pengiklan menjangkau pengguna yang diklasifikasikan sebagai "berniat beli" (juga dikenal sebagai memiliki "niat membeli") dengan menggunakan segmen cookie pihak ketiga yang serupa dengan cara mereka mengakses audiens berdasarkan "afinitas". Apakah pengguna diklasifikasikan sebagai sedang mencari produk seperti "peralatan memasak" atau hanya tertarik dengan memasak bergantung pada taksonomi dan metodologi eksklusif penyedia solusi iklan.

Setelah penghentian penggunaan cookie pihak ketiga, API yang menjaga privasi akan memberikan sinyal baru untuk menginformasikan pembuatan audiens 'dalam pasar'. Beberapa metode alternatif meliputi:

• Topics API: Mirip dengan penggunaan API ini untuk audiens afinitas, penggunaannya untuk audiens dalam pasar melibatkan pengembalian topik yang dapat memperkirakan niat pembelian untuk pengguna tertentu berdasarkan metodologi dan taksonomi yang diketahui publik di perangkat. Periode lihat kembali tiga minggu yang standar untuk membuat topik ini melindungi privasi pengguna dengan membatasi jumlah total data yang tersedia bagi penyedia solusi iklan. Namun, berbagai kategori produk dan layanan memiliki siklus pertimbangan yang berbeda-beda, mulai dari beberapa hari hingga beberapa bulan, sehingga API ini berguna bagi pengiklan yang siklus pembelian pelanggannya sesuai dengan periode lihat kembali Topik.
• FLEDGE API: Seperti dalam kasus penggunaan afinitas, API ini memberi platform teknologi iklan kemampuan untuk membuat segmen mereka sendiri, seperti "pembeli mobil di pasar". Jika penyedia solusi teknologi iklan memiliki situs lain dalam jaringan partnernya yang berkaitan dengan "pembeli mobil di pasar", mereka juga dapat menambahkan pengunjung untuk situs tersebut ke segmen yang sama ini sambil menjaga privasi pengguna lintas situs. FLEDGE sangat berguna untuk solusi teknologi iklan jika ada hubungan langsung antara penayang dan pengiklan yang memungkinkan kemitraan data, dan kebutuhan akan penyesuaian yang lebih besar daripada yang diizinkan oleh Topics.
• Topics API + Attribution Reporting API: Dengan menggabungkan Topics API dan Attribution Reporting API, Anda dapat memperluas daftar topik yang dipetakan ke konversi tertentu, seperti pembelian, sehingga menciptakan cara tambahan untuk menjangkau audiens dalam pasar. Misalnya, sistem analisis atau machine learning dapat menemukan bahwa pengguna yang melihat iklan tentang perlengkapan selam, dan membelinya, sangat sering memiliki topik "Pantai & Pulau" dan "Memancing" yang dikaitkan dengan mereka. Solusi teknologi iklan dapat menerjemahkan insight ini menjadi jangkauan yang lebih baik kepada pengguna "yang sedang mencari perlengkapan selam" dengan memilih pengguna yang memiliki dua topik tersebut. Attribution Reporting melindungi privasi pengguna dalam hal ini dengan memberikan data konversi gabungan yang berisi derau tentang kaitan topik dengan konversi. Pendekatan ini masuk akal jika penyedia solusi iklan tidak memiliki banyak data kontekstual, tetapi memiliki kemampuan machine learning atau analisis dan ilmu data yang andal.
• Data kontekstual + Attribution Reporting API: Solusi teknologi iklan dapat memanfaatkan kategorisasi kontekstual halaman tempat iklan ditampilkan, kategorisasi pengiklan dan produk, serta data dari Attribution Reporting untuk menemukan tren atau pola jenis situs yang disukai orang saat mereka berminat membeli jenis produk dan layanan tertentu. Misalnya, kombinasi data ini dapat menghasilkan insight seperti mengetahui bahwa orang yang membuka halaman web tentang aktivitas keluarga cenderung berada dalam pasar untuk membeli pakaian luar ruangan juga.

Metode ini hanyalah beberapa dari sekian banyak cara solusi teknologi iklan dapat menskalakan dan menyesuaikan segmen audiens secara kreatif tanpa mengandalkan ID pengguna lintas situs. Mereka juga dapat mengintegrasikan lebih banyak sinyal seperti data pihak pertama dan kombinasi API yang menjaga privasi lainnya untuk mendapatkan hasil yang lebih baik. Dengan demikian, solusi teknologi iklan dapat membedakan diri dengan mengambil pendekatan yang berbeda untuk membangun audiens, mengamankan data unik, dan mengembangkan kemampuan machine learning yang unggul.

Pemasaran Ulang

Pengiklan dapat berinteraksi kembali dengan pengguna yang sebelumnya telah mengunjungi situs mereka melalui pemasaran ulang, yang saat ini melibatkan penempatan cookie pihak ketiga di browser pada saat kunjungan situs dan kemudian mengajukan bid untuk menampilkan iklan ke browser tersebut saat cookie diamati di situs lain. Solusi teknologi iklan dapat membuat berbagai segmen pemasaran ulang untuk situs tertentu berdasarkan aktivitas pengguna yang dilakukan di seluruh situs.

Tanpa cookie pihak ketiga, solusi teknologi iklan akan dapat memanfaatkan FLEDGE API untuk mendukung kasus penggunaan pemasaran ulang:

• FLEDGE API: Solusi teknologi iklan dapat membuat segmen pemasaran ulang yang disesuaikan untuk situs dengan membuat grup minat yang bergantung pada aktivitas pengguna. Dalam kasus penggunaan sebelumnya dengan FLEDGE, solusi teknologi iklan membuat audiens yang sangat besar dari beberapa situs. Dalam kasus penggunaan ini, hanya satu situs yang mencoba berinteraksi kembali dengan pengunjung terdahulu, dan tanpa perlindungan privasi yang ada di FLEDGE, kasus penggunaan ini dapat menyebabkan situs mengidentifikasi individu. Meskipun memungkinkan pemasaran ulang audiens yang efektif, API ini melindungi privasi individu dengan menetapkan nilai minimum k-anonimitas untuk memastikan sejumlah individu yang memadai memenuhi syarat untuk melihat iklan.

Meskipun tanpa cookie pihak ketiga, Privacy Sandbox memungkinkan pengiklan menggunakan data pihak pertama mereka untuk pemasaran ulang dalam skala besar, di seluruh situs pihak ketiga.

Ekstensi Audiens

Terkadang pengiklan ingin menjangkau lebih banyak audiens yang sama dengan yang mereka lihat dari penayang tertentu, tetapi saat pengguna tersebut berada di situs lain. Ekstensi audiens adalah proses yang memperluas audiens pihak pertama penayang dengan menemukannya di situs lain untuk meningkatkan frekuensi atau jangkauan yang ditayangkan dari audiens yang sama. Dengan menggunakan perluasan audiens, penayang dapat memberikan segmen audiens kepada pengiklan, seperti minat (misalnya, pemain golf) atau demografi (misalnya, rentang usia), dan mengizinkan pengiklan menemukan audiens tersebut di situs lain. Perluasan audiens juga digunakan saat pengiklan ingin meningkatkan awareness produk mereka dengan menjangkau konsumen saat mereka berbelanja di situs retailer dan di tempat lain di web.

Solusi teknologi iklan akan memperluas audiens untuk penayang tanpa cookie pihak ketiga:

• FLEDGE API: Solusi teknologi iklan dapat membuat segmen ekstensi audiens kustom untuk situs dengan membuat grup minat yang bergantung pada aktivitas pengguna seperti membaca bagian tertentu di situs (misalnya, bagian perjalanan). Proses ini pada dasarnya mirip dengan pemasaran ulang dan menawarkan perlindungan privasi yang sama. Hal ini masuk akal bagi pengiklan yang menghargai data audiens pihak pertama penayang, tetapi tidak bisa mendapatkan inventaris iklan yang cukup di situs penayang tersebut untuk audiens itu.

Bagaimana cara machine learning memaksimalkan performa menggunakan sinyal yang menjaga privasi?

Dengan penghentian penggunaan cookie pihak ketiga, pengiklan mungkin ingin mempertimbangkan cara penggunaan machine learning dan sinyal yang menjaga privasi untuk mendorong hasil terbaik.

Meningkatkan hasil pengiklan melalui otomatisasi

Sebagian besar solusi teknologi iklan menawarkan berbagai tingkat pengoptimalan kampanye manual dan otomatis.

Solusi yang paling manual mengharuskan pengiklan menentukan audiens, penempatan, dan bid yang diinginkan, lalu tetap berada dalam input tersebut. Penyiapan manual memberikan kontrol yang kuat kepada pengiklan, tetapi dapat memberikan hasil yang kurang optimal jika pengiklan perlu mengetahui semua audiens dan penempatan berperforma baik atau tidak dapat memprediksi bid optimal teoretis untuk setiap tayangan iklan, mengingat semua variabel yang terlibat.

Sebagian besar solusi otomatis meminta pengiklan untuk menentukan hasil bisnis yang diinginkan (misalnya, $2 per tindakan/penjualan), menggunakan machine learning untuk mengidentifikasi audiens dan penempatan yang berperforma baik untuk pengiklan tersebut serta bid yang tepat untuk mencapai sasaran yang diinginkan. Dalam penyiapan ini, hanya ada sedikit atau tidak ada batasan pada solusi teknologi iklan, kecuali anggaran dan sasaran. Pemilihan audiens oleh pengiklan dapat diperlakukan sebagai "saran" atau "titik awal", tetapi machine learning akan mencari pola di antara semua data yang tersedia yang mungkin tidak dapat dibedakan oleh manusia.

Machine learning menggunakan pola ini untuk mengoptimalkan performa dengan menambahkan audiens yang lebih relevan dan menyesuaikan bid berdasarkan prediksi performa audiens tersebut. Privacy Sandbox adalah salah satu dari sekian banyak sumber sinyal yang akan tersedia untuk menginformasikan machine learning setelah penghentian penggunaan cookie pihak ketiga. Machine learning dapat memaksimalkan performa iklan dengan terus menguji dan mempelajari semua audiens, penempatan, dan bid terbaik dari waktu ke waktu, di seluruh kampanye, dan bahkan di seluruh pengiklan. Namun, perlu diperhatikan bahwa analisis canggih yang dilakukan oleh tim yang terampil juga dapat menemukan korelasi serupa.

Dengan mengurangi kebutuhan pengiklan untuk mengelola audiens, penempatan, dan bid, beban kerja pengiklan akan disederhanakan dan sistem machine learning dapat mendorong hasil terbaik. Investasi teknologi iklan dalam solusi otomatis -- selain memberikan manfaat bagi pengiklan -- juga dapat membantu transisi dari cookie pihak ketiga.

Sinyal tambahan untuk machine learning

Solusi teknologi iklan selalu mempertimbangkan beberapa sinyal saat memutuskan apakah akan mengajukan bid untuk menayangkan iklan atau tidak. Di dunia tanpa pelacakan cookie lintas situs, solusi teknologi iklan akan mendapatkan manfaat dari penggunaan setiap sinyal yang tersedia dan menjaga privasi dalam machine learning untuk memprediksi hasil bisnis seperti klik atau konversi. Sinyal berikut yang menjaga privasi terkadang kurang dihargai, tetapi dapat memberikan kontribusi yang signifikan terhadap relevansi iklan pada masa mendatang tanpa cookie pihak ketiga:

1. Fitur materi iklan: Menganalisis materi iklan di tingkat komponen (misalnya, teks, gambar, desain) dapat membantu memprediksi performa dengan audiens tertentu atau di halaman tertentu, seperti subjek iklan atau apakah iklan tersebut menyertakan banyak teks.
2. Data pihak pertama: Penayang, pemasar, dan jaringan retail semakin banyak membuat segmen dan ID pihak pertama, seperti audiens yang ditentukan penjual. Dengan mengetahui perilaku pengguna dari waktu ke waktu di situs tertentu, Anda dapat memprediksi iklan yang paling efektif untuk pengguna atau segmen tersebut di situs itu, tanpa membuat profil lintas situs. Data pihak pertama penayang dapat membantu meningkatkan bidding di semua situsnya. Peningkatan bid khusus situs ini secara kumulatif dapat meningkatkan performa di seluruh kampanye.

Solusi teknologi iklan dapat memberikan hasil terbaik dengan menggabungkan semua alat yang tersedia, seperti machine learning dan sinyal yang menjaga privasi dari API yang menjaga privasi, bersama dengan data kontekstual, data materi iklan, dan data pihak pertama.

Kesimpulan

Setelah cookie pihak ketiga dihentikan penggunaannya, industri periklanan harus terus menayangkan iklan yang relevan dan konsumen harus menerima perlindungan privasi yang mereka harapkan. Kami tahu bahwa membangun dengan alat baru, seperti alat dari Privacy Sandbox, memerlukan upaya, dan kami akan terus mendukung industri selama transisi ini.

Selanjutnya, sebaiknya Anda:

1. Berinvestasilah dalam menambahkan API yang menjaga privasi seperti Topics, FLEDGE, dan Attribution Reporting ke solusi teknologi iklan Anda, untuk mendukung kasus penggunaan iklan berbasis minat umum setelah cookie pihak ketiga tidak tersedia.
2. Uji API Privacy Sandbox bersama dengan sinyal lain yang menjaga privasi, termasuk data penayang pihak pertama, untuk memahami performa di masa mendatang dan menentukan strategi.
3. Maksimalkan performa dengan mengizinkan machine learning menggunakan semua data yang tersedia dan aman untuk privasi, dengan kebebasan sebanyak mungkin untuk mempelajari dan mengoptimalkan.

Industri teknologi iklan dapat melakukan banyak fungsi penargetan dan bidding inti menggunakan API Privacy Sandbox. Namun, ada banyak manfaat dari menggabungkan sinyal tambahan yang menjaga privasi di luar API tersebut, dan men-deploy semua sinyal ini secara bersamaan.

Inovasi adalah bagian dari industri iklan digital. Dengan mengembangkan pendekatan yang ada untuk relevansi iklan, kita dapat berhasil bertransisi dari cookie pihak ketiga ke web yang lebih mengutamakan privasi dan memiliki performa yang lebih baik.