Massimizzare la pertinenza degli annunci senza cookie di terze parti

14 dicembre 2022

Joey Trotz
Director of Product Management, Privacy Sandbox

Introduzione

Privacy Sandbox mira a mantenere privata l'attività delle persone su un internet aperto e senza costi. A questo scopo, stiamo collaborando con il settore pubblicitario per passare a nuove tecnologie pubblicitarie private e ritirare il supporto per i cookie di terze parti in Chrome nella seconda metà del 2024.

Che tu sia un product leader, un CTO, un CMO o un CEO, è essenziale capire come supportare i casi d'uso della pubblicità in un mondo sempre più attento alla privacy e adottare soluzioni in grado di ottimizzare sia i risultati aziendali sia la privacy degli utenti.

Il 2023 sarà senza dubbio un anno fondamentale per prepararsi a un mondo senza cookie di terze parti. In questa guida, parleremo di come l'ecosistema pubblicitario può affrontare la pertinenza degli annunci in un futuro senza cookie:

• Cosa cambia in merito ai dati utilizzati per mostrare annunci pertinenti?
• In che modo le soluzioni di tecnologia pubblicitaria possono offrire pubblicità basata sugli interessi senza cookie di terze parti?
• In che modo il machine learning può massimizzare il rendimento utilizzando indicatori che rispettano la privacy?

Cosa cambia in merito ai dati utilizzati per mostrare annunci pertinenti?

La pubblicità basata sugli interessi, nota anche come pubblicità personalizzata, è un tipo di pubblicità che utilizza informazioni sugli interessi e sulle preferenze di un individuo per mostrargli annunci più pertinenti. Questo tipo di pubblicità utilizza un'ampia gamma di dati come indicatori per determinare quale annuncio mostrare, ad esempio i contenuti visualizzati da un utente, il pattern dei siti visualizzati di recente o un sito specifico visitato in precedenza.

Oggi, questi indicatori sono principalmente basati su identificatori cross-site come i cookie di terze parti, che sono univoci per un singolo dispositivo. Man mano che i cookie di terze parti vengono eliminati, le soluzioni di ad tech per la pubblicità basata sugli interessi devono evolversi per sfruttare gli indicatori rispettosi della privacy e mostrare annunci pertinenti. Questi includono dati proprietari, indicatori contestuali e API che preservano la privacy fornite dalla piattaforma, come l'API Topics, l'API FLEDGE e l'API Attribution Reporting, che contribuiscono a supportare casi d'uso fondamentali per il settore pubblicitario, proteggendo al contempo dal monitoraggio cross-site.

La pubblicità basata sugli interessi può sopravvivere e prosperare grazie a tecnologie innovative sviluppate in tutto l'ecosistema. Queste tecnologie ci aiuteranno a progredire verso un mondo in cui i dati delle persone sono meglio protetti, mentre gli annunci possono continuare a generare risultati di marketing che supportano un web dinamico e aperto.

In che modo le soluzioni di tecnologia pubblicitaria possono offrire pubblicità basata sugli interessi senza cookie di terze parti?

Oggi, gli inserzionisti basati sugli interessi in genere configurano quanto segue per le campagne tramite i loro fornitori di tecnologia pubblicitaria:

1. Obiettivo: qual è il risultato commerciale che l'inserzionista sta cercando di ottenere con questa campagna pubblicitaria? Indica alle piattaforme pubblicitarie per cosa ottimizzare. Ad esempio, l'inserzionista potrebbe voler aumentare le vendite sul proprio sito web di abbigliamento per bambini. Spesso questi obiettivi vengono misurati tramite tag di conversione cross-site e report sull'attribuzione.
2. Pubblico: chi vuole raggiungere l'inserzionista? In questo modo, la piattaforma pubblicitaria sa chi l'inserzionista ritiene sia una buona corrispondenza per l'annuncio. Ad esempio, l'inserzionista potrebbe voler raggiungere nuovi clienti che attualmente vogliono acquistare abbigliamento per bambini.
3. Posizionamento: su quali siti web l'inserzionista vuole pubblicare gli annunci? Specifica dove è consentito pubblicare gli annunci in termini di inventario pubblicitario o categorie di inventario pubblicitario. Ad esempio, gli inserzionisti potrebbero pubblicare i propri annunci su un ampio insieme di siti web oppure selezionare siti web specifici che hanno maggiori probabilità di raggiungere il pubblico desiderato.
4. Budget e offerta:quanto vuole spendere in totale l'inserzionista e per un'azione specifica come impressione pubblicata, clic sull'annuncio o conversione dell'annuncio? In questo modo, la campagna soddisfa i requisiti di costo per i suoi obiettivi. Ad esempio, l'inserzionista potrebbe voler spendere fino a 1000 $e pagare al massimo 2 $di CPM per pubblicare 500.000 impressioni per i segmenti di pubblico target e sui siti web specificati.

Evoluzione della creazione di segmenti di pubblico

In un mondo post-cookie di terze parti, i fornitori di soluzioni pubblicitarie vorranno adattare il modo in cui le loro piattaforme pubblicano annunci pertinenti. Oggi, la pertinenza degli annunci viene comunemente ottenuta tramite i segmenti di pubblico che un inserzionista può utilizzare per raggiungere le persone che hanno maggiori probabilità di essere interessate ai suoi prodotti e servizi. Oggi, gli inserzionisti utilizzano comunemente questi diversi tipi di segmenti di pubblico:

1. Affinità: raggiungi gli utenti in base a passioni, abitudini e interessi.
2. In-market: ti consentono di raggiungere gli utenti in base alla loro intenzione di acquisto recente.
3. Remarketing: raggiungi gli utenti che hanno già visitato il sito web di un inserzionista.
4. Estensione del pubblico: raggiungi gli utenti di un determinato publisher su altri siti web.

Dopo il ritiro dei cookie di terze parti, i fornitori di soluzioni pubblicitarie possono continuare a supportare gli obiettivi di questi tipi di pubblico utilizzando nuovi approcci, tra cui le API Privacy Sandbox.

Affinità

Oggi gli inserzionisti raggiungono gli utenti classificati in base alla loro affinità (nota anche come interessi), in genere sfruttando i segmenti di dati di terze parti. Questi segmenti di pubblico vengono forniti da molti marketplace di dati e distribuiti per l'attivazione nell'ecosistema della tecnologia pubblicitaria tramite canali come le Demand-Side Platform (DSP) e le piattaforme di gestione dei dati (DMP).

Questi segmenti vengono in genere creati monitorando le persone utilizzando cookie di terze parti e raggruppando gli utenti in base a una tassonomia di categorie e metodologie proprietarie per determinare quando un utente è idoneo per una categoria.

Dopo il ritiro dei cookie di terze parti, la selezione del pubblico basata sull'affinità si evolverà per utilizzare indicatori diversi per qualificare gli utenti per l'inclusione in un determinato pubblico. Esistono diversi modi per farlo utilizzando le API di Privacy Sandbox che tutelano la privacy, tra cui:

• API Topics: questa API offre una tassonomia standardizzata degli interessi e una metodologia nota pubblicamente per la classificazione on-device degli interessi di un determinato utente in base ai tipi di siti web visitati di recente. Le soluzioni di tecnologia pubblicitaria possono chiamare l'API Topics per ottenere gli interessi di un determinato utente, mentre l'API protegge la privacy limitando la durata della cronologia di navigazione considerata, le parti che possono accedere a un determinato argomento, il numero di categorie restituite e altro ancora. Questa API è particolarmente utile per le tecnologie pubblicitarie che non hanno relazioni dirette con i publisher o funzionalità di ottimizzazione contestuale.
• API Topics con dati contestuali: un metodo più avanzato prevede il confronto tra gli argomenti di un utente e il contesto di una pagina per stimare ulteriori affinità per gli utenti. Ad esempio, le soluzioni di tecnologia pubblicitaria potrebbero scoprire che le persone interessate a un determinato insieme di argomenti (come le attività all'aperto) potrebbero visitare più spesso categorie specifiche di pagine (come i siti sulla grigliatura). La tecnologia pubblicitaria può addestrare un modello di machine learning a prevedere che un visitatore di un sito web di "attività all'aperto" potrebbe essere interessato a grigliare anche se "Barbecue e grigliate" non viene restituito come argomento tramite l'API Topics. Questo metodo è particolarmente utile per una tecnologia pubblicitaria lato acquisto se dispone di funzionalità di ottimizzazione contestuale.
• API FLEDGE: questa API consente alle soluzioni di tecnologia pubblicitaria di creare segmenti di pubblico etichettando i visitatori di una pagina web come membri di un segmento specifico, ad esempio "interessati alle avventure in famiglia". Se il fornitore di soluzioni di tecnologia pubblicitaria ha altri siti web nella sua rete di partner che riguardano le "avventure per famiglie", può aggiungere anche i visitatori di questi siti allo stesso segmento. FLEDGE protegge la privacy degli utenti mantenendo l'assegnazione degli utenti ai segmenti di pubblico sul dispositivo e non condividendo con le soluzioni di tecnologia pubblicitaria se lo stesso utente appartiene a più gruppi di interesse. Ciò limita il monitoraggio tra siti. L'API è particolarmente utile per una soluzione di tecnologia pubblicitaria con una rete di partnership con i siti.

Con questi metodi, le soluzioni di tecnologia pubblicitaria possono offrire segmenti di pubblico in affinità scalati senza fare affidamento su identificatori utente cross-site. Le soluzioni di tecnologia pubblicitaria non devono limitarsi a un solo metodo e possono differenziarsi in base ai rapporti con i publisher, con gli inserzionisti e alle funzionalità di machine learning.

In-market

Attualmente, gli inserzionisti raggiungono gli utenti classificati come "in-market" (noti anche come utenti con "intenzione di acquisto") utilizzando segmenti di cookie di terze parti in modo simile a come accedono ai segmenti di pubblico in base all'"affinità". Se un utente viene classificato come interessato all'acquisto di un prodotto come "attrezzatura da cucina" o semplicemente interessato alla cucina dipende dalle tassonomie e dalle metodologie proprietarie dei fornitori di soluzioni pubblicitarie.

Dopo il ritiro dei cookie di terze parti, le API che tutelano la privacy forniranno nuovi indicatori per informare la creazione di segmenti di pubblico in-market. Alcuni metodi alternativi includono:

• API Topics: in modo simile all'utilizzo di questa API per i segmenti di pubblico in affinità, l'utilizzo per i segmenti di pubblico in-market prevede la restituzione di un argomento che può approssimare l'intenzione di acquisto per un determinato utente in base a una metodologia e una tassonomia note pubblicamente sul dispositivo. La finestra retrospettiva standardizzata di tre settimane per la generazione di questi argomenti protegge la privacy degli utenti limitando la quantità totale di dati resi disponibili ai fornitori di soluzioni pubblicitarie. Tuttavia, diverse categorie di prodotti e servizi hanno cicli di valutazione diversi che vanno da giorni a mesi, il che rende questa API utile per gli inserzionisti il cui ciclo di acquisto dei clienti è in linea con la finestra temporale dell'argomento.
• API FLEDGE: come nel caso d'uso dell'affinità, questa API offre alle piattaforme di tecnologia pubblicitaria la possibilità di creare i propri segmenti, ad esempio "acquirenti di auto in-market". Se il fornitore di soluzioni di tecnologia pubblicitaria ha altri siti web nella sua rete di partner che riguardano gli "acquirenti di auto sul mercato", può anche aggiungere i visitatori di questi siti allo stesso segmento, mantenendo la privacy degli utenti cross-site. FLEDGE è particolarmente utile per una soluzione di tecnologia pubblicitaria quando esiste una relazione diretta tra editore e inserzionista che consente la partnership di dati e quando è necessaria una personalizzazione maggiore di quella consentita da Topics.
• API Topics + API Attribution Reporting: combinando Topics e l'API Attribution Reporting, puoi espandere gli elenchi di argomenti che corrispondono a conversioni specifiche, come gli acquisti, creando ulteriori modi per raggiungere un pubblico in-market. Ad esempio, i sistemi di analisi o di machine learning potrebbero scoprire che gli utenti che hanno visto un annuncio relativo a attrezzature subacquee e le hanno acquistate hanno spesso associati gli argomenti "Spiagge e isole" e "Pesca". Una soluzione di tecnologia pubblicitaria potrebbe tradurre questa informazione in una copertura migliore degli utenti "interessati ad acquistare attrezzatura subacquea" selezionando gli utenti con questi due argomenti. In questo caso, l'API Attribution Reporting protegge la privacy degli utenti fornendo dati aggregati sulle conversioni con rumore sulle associazioni di argomenti con le conversioni. Questo approccio è sensato quando i fornitori di soluzioni pubblicitarie non dispongono di molti dati contestuali, ma hanno capacità di machine learning o di analisi e data science solide.
• Dati contestuali + API Attribution Reporting: le soluzioni AdTech possono sfruttare la classificazione contestuale delle pagine in cui vengono mostrati gli annunci, la classificazione degli inserzionisti e dei prodotti e i dati di Attribution Reporting per scoprire tendenze o pattern nei tipi di siti preferiti dagli utenti quando sono interessati ad acquistare determinati tipi di prodotti e servizi. Ad esempio, questa combinazione di dati può portare a informazioni come l'apprendimento che le persone che visitano pagine web sulle attività per famiglie hanno un'alta probabilità di acquistare anche abbigliamento per attività all'aperto.

Questi metodi sono solo alcuni dei tanti modi in cui le soluzioni di tecnologia pubblicitaria possono scalare e personalizzare in modo creativo i segmenti di pubblico senza fare affidamento sugli identificatori utente cross-site. Potrebbero anche integrare più indicatori, come i dati proprietari e altre combinazioni di API che tutelano la privacy, per ottenere risultati ancora migliori. Pertanto, le soluzioni di tecnologia pubblicitaria possono differenziarsi adottando approcci diversi alla creazione di segmenti di pubblico, proteggendo dati unici e sviluppando funzionalità di machine learning superiori.

Remarketing

Gli inserzionisti possono coinvolgere nuovamente gli utenti che hanno già visitato il loro sito web tramite il remarketing, che attualmente prevede l'inserimento di un cookie di terze parti in un browser al momento della visita di un sito web e poi l'offerta per mostrare gli annunci a quel browser quando il cookie viene osservato su un altro sito web. Le soluzioni di tecnologia pubblicitaria possono creare segmenti di remarketing diversi per un determinato sito web in base alle attività degli utenti svolte sul sito web.

Senza cookie di terze parti, le soluzioni di tecnologia pubblicitaria potranno utilizzare l'API FLEDGE per supportare i casi d'uso del remarketing:

• API FLEDGE: le soluzioni di tecnologia pubblicitaria possono creare segmenti di remarketing personalizzati per un sito creando gruppi di interesse dipendenti dall'attività degli utenti. Nei casi d'uso precedenti con FLEDGE, le soluzioni di tecnologia pubblicitaria creavano segmenti di pubblico molto ampi da più siti web. In questo caso d'uso, un solo sito web sta cercando di coinvolgere nuovamente un visitatore precedente e, senza le protezioni della privacy integrate in FLEDGE, questo caso d'uso potrebbe portare i siti web a isolare i singoli individui. Pur consentendo un remarketing efficace del pubblico, questa API protegge la privacy individuale impostando soglie di k-anonimato per garantire che un numero sufficiente di persone sia idoneo a visualizzare l'annuncio.

Anche senza cookie di terze parti, Privacy Sandbox consente agli inserzionisti di utilizzare i propri dati proprietari per il remarketing su larga scala, su siti web di terze parti.

Estensione del pubblico

A volte gli inserzionisti vogliono raggiungere un pubblico più ampio rispetto a quello che vedono da un determinato publisher, ma quando questi utenti si trovano su altri siti web. L'estensione del pubblico è un processo che estende i segmenti di pubblico proprietari dei publisher trovandoli su altri siti per aumentare la frequenza o la copertura raggiunta dello stesso pubblico. Utilizzando l'estensione del pubblico, un publisher può fornire a un inserzionista un segmento di pubblico, ad esempio di affinità (ad es. golfisti) o demografico (ad es. fascia d'età), e consentire all'inserzionista di trovare questo pubblico su altri siti. L'estensione del pubblico viene utilizzata anche quando un inserzionista vuole aumentare la notorietà dei propri prodotti raggiungendo i consumatori quando fanno acquisti sul sito web di un rivenditore e altrove sul web.

Le soluzioni di tecnologia pubblicitaria estenderanno i segmenti di pubblico per i publisher senza cookie di terze parti:

• API FLEDGE: le soluzioni di tecnologia pubblicitaria possono creare segmenti di estensione del segmento di pubblico personalizzato per un sito creando gruppi di interesse dipendenti dall'attività degli utenti, ad esempio la lettura di una determinata sezione di un sito web (ad es. la sezione viaggi). Questa procedura è effettivamente simile al remarketing e offre le stesse protezioni della privacy. È utile per gli inserzionisti che apprezzano i dati sul pubblico proprietari di un publisher, ma non riescono a ottenere un inventario pubblicitario sufficiente sul sito web del publisher per quel pubblico.

In che modo il machine learning può massimizzare il rendimento utilizzando indicatori che rispettano la privacy?

Con il ritiro dei cookie di terze parti, gli inserzionisti potrebbero voler valutare come utilizzare il machine learning e gli indicatori che rispettano la privacy per ottenere i migliori risultati.

Migliorare i risultati degli inserzionisti tramite l'automazione

La maggior parte delle soluzioni di tecnologia pubblicitaria offre diversi livelli di ottimizzazione manuale e automatizzata delle campagne.

Le soluzioni più manuali richiedono agli inserzionisti di specificare i segmenti di pubblico, i posizionamenti e le offerte desiderati e di rispettare questi input. Le configurazioni manuali offrono un controllo efficace agli inserzionisti, ma potrebbero fornire risultati non ottimali se l'inserzionista deve conoscere tutti i segmenti di pubblico e i posizionamenti con un buon rendimento o non riesce a prevedere l'offerta teorica ottimale per ogni impressione, tenendo conto di tutte le variabili coinvolte.

Le soluzioni più automatizzate chiedono agli inserzionisti di specificare il risultato aziendale desiderato (ad es. 2 € per azione/vendita), utilizzando il machine learning per identificare i segmenti di pubblico e i posizionamenti con un buon rendimento per l'inserzionista e l'offerta giusta per raggiungere l'obiettivo desiderato. In questa configurazione, la soluzione di tecnologia pubblicitaria è soggetta a pochi o nessun vincolo, ad eccezione di un budget e un obiettivo. La selezione del segmento di pubblico da parte dell'inserzionista può essere trattata come un "suggerimento" o un "punto di partenza", ma il machine learning cercherà pattern tra tutti i dati disponibili che potrebbero essere impercettibili per gli esseri umani.

Il machine learning utilizza questi pattern per ottimizzare il rendimento aggiungendo segmenti di pubblico più pertinenti e modificando le offerte in base al rendimento previsto di questi segmenti di pubblico. Privacy Sandbox è una delle tante fonti di indicatori che saranno disponibili per informare il machine learning dopo il ritiro dei cookie di terze parti. Il machine learning può massimizzare il rendimento degli annunci testando e apprendendo continuamente i migliori segmenti di pubblico, posizionamenti e offerte nel tempo, nelle campagne e persino tra gli inserzionisti. Tuttavia, è importante sottolineare che anche analisi sofisticate eseguite da team esperti possono scoprire correlazioni simili.

Ridurre la necessità per gli inserzionisti di gestire segmenti di pubblico, posizionamenti e offerte semplificherà il carico di lavoro degli inserzionisti e consentirà ai sistemi di machine learning di ottenere i migliori risultati possibili. Gli investimenti in soluzioni automatizzate per la tecnologia pubblicitaria, oltre a essere vantaggiosi per gli inserzionisti, possono anche contribuire a eliminare gradualmente i cookie di terze parti.

Indicatori aggiuntivi per il machine learning

Le soluzioni di tecnologia pubblicitaria hanno sempre preso in considerazione più indicatori per decidere se fare un'offerta per pubblicare un annuncio. In un mondo senza monitoraggio dei cookie cross-site, le soluzioni di ad tech trarranno vantaggio dall'utilizzo di ogni indicatore disponibile che rispetta la privacy nel machine learning per prevedere i risultati aziendali come clic o conversioni. I seguenti indicatori che tutelano la privacy a volte sono sottovalutati, ma possono contribuire in modo significativo alla pertinenza degli annunci in un futuro senza cookie di terze parti:

1. Funzionalità delle creatività degli annunci: l'analisi delle creatività degli annunci a livello di componente (ad es. testo, immagini, design) può contribuire a prevedere il rendimento con segmenti di pubblico specifici o su determinate pagine, ad esempio l'argomento dell'annuncio o se include molto testo.
2. Dati proprietari: editori, professionisti del marketing e reti di vendita al dettaglio stanno creando sempre più identificatori e segmenti proprietari, come i segmenti di pubblico definiti dal venditore. Conoscere il comportamento di un utente nel tempo su un determinato sito consente di prevedere meglio quali annunci funzionano meglio per quell'utente o segmento su quel sito, senza profilazione cross-site. I dati proprietari di un publisher possono contribuire a migliorare le offerte su tutti i suoi siti. Questi miglioramenti delle offerte specifici per il sito possono aumentare cumulativamente il rendimento di una campagna.

Le soluzioni di tecnologia pubblicitaria possono ottenere i migliori risultati combinando tutti gli strumenti disponibili, come il machine learning e gli indicatori sicuri per la privacy delle API che tutelano la privacy, insieme a dati contestuali, dati creativi e dati proprietari.

Conclusione

Dopo l'eliminazione graduale dei cookie di terze parti, è essenziale che il settore pubblicitario continui a pubblicare annunci pertinenti e che i consumatori ricevano le protezioni della privacy che si aspettano. Sappiamo che la creazione con nuovi strumenti, come quelli di Privacy Sandbox, richiede impegno e continueremo a supportare il settore durante questa transizione.

Per il futuro, ti consigliamo di:

1. Investi nell'aggiunta di API che tutelano la privacy, come Topics, FLEDGE e Attribution Reporting, alle tue soluzioni di tecnologia pubblicitaria, per supportare i casi d'uso comuni della pubblicità basata sugli interessi dopo il ritiro dei cookie di terze parti.
2. Testa le API Privacy Sandbox in combinazione con altri indicatori nel rispetto della privacy, inclusi i dati proprietari dei publisher, per comprendere il rendimento futuro e definire la strategia.
3. Massimizza il rendimento consentendo al machine learning di utilizzare tutti i dati disponibili che rispettano la privacy, con la massima libertà di apprendimento e ottimizzazione possibile.

Il settore della tecnologia pubblicitaria può eseguire molte funzioni di targeting e offerta di base utilizzando le API Privacy Sandbox. Tuttavia, l'incorporamento di ulteriori indicatori che tutelano la privacy oltre a queste API e il deployment di tutti questi indicatori insieme offrono numerosi vantaggi.

L'innovazione è nel DNA del settore della pubblicità digitale. Evolvendo gli approcci esistenti alla pertinenza degli annunci, possiamo passare con successo dai cookie di terze parti a un web più privato e con un rendimento migliore.