Maksymalizowanie trafności reklam bez plików cookie innych firm

14 grudnia 2022 r.

Joey Trotz
Dyrektor ds. zarządzania produktem, Piaskownica prywatności

Wprowadzenie

Piaskownica prywatności ma na celu zapewnienie prywatności aktywności użytkowników w otwartym i bezpłatnym internecie. W tym celu współpracujemy z branżą reklamową, aby przejść na nowe technologie reklamowe chroniące prywatność, i wycofujemy obsługę plików cookie innych firm w Chrome w drugiej połowie 2024 roku.

Niezależnie od tego, czy jesteś liderem produktu, dyrektorem ds. technologii, dyrektorem ds. marketingu czy dyrektorem generalnym, musisz wiedzieć, jak wspierać przypadki użycia reklam w świecie, w którym coraz większą wagę przywiązuje się do prywatności, i wdrażać rozwiązania, które mogą optymalizować zarówno wyniki biznesowe, jak i prywatność użytkowników.

Nie ulega wątpliwości, że rok 2023 będzie kluczowy w przygotowaniach do świata bez plików cookie innych firm. W tym przewodniku omówimy, jak ekosystem reklamowy może podchodzić do trafności reklam w przyszłości bez plików cookie:

• Co się zmieni w zakresie danych używanych do wyświetlania trafnych reklam?
• W jaki sposób rozwiązania technologii reklamowych mogą oferować reklamy oparte na zainteresowaniach bez plików cookie innych firm?
• Jak uczenie maszynowe może maksymalizować skuteczność przy użyciu sygnałów chroniących prywatność?

Co się zmieni w zakresie danych używanych do wyświetlania trafnych reklam?

Reklamy oparte na zainteresowaniach, zwane też reklamami spersonalizowanymi, to rodzaj reklam, w których wykorzystuje się informacje o zainteresowaniach i preferencjach użytkownika, aby wyświetlać mu trafniejsze reklamy. Ten typ reklamy wykorzystuje szeroki zakres danych jako sygnały do określania, która reklama ma się wyświetlić. Może to być np. treść, którą użytkownik wyświetlił, wzorzec witryn, które ostatnio odwiedził, lub konkretna witryna, którą odwiedził wcześniej.

Obecnie sygnały te są generowane głównie przez identyfikatory w różnych witrynach, takie jak pliki cookie innych firm, które są unikalne dla poszczególnych urządzeń. W miarę wycofywania plików cookie innych firm rozwiązania technologii reklamowych do wyświetlania reklam opartych na zainteresowaniach powinny ewoluować, aby wykorzystywać sygnały chroniące prywatność i wyświetlać trafne reklamy. Obejmują one dane własne, sygnały kontekstowe i zapewniające ochronę prywatności interfejsy API udostępniane przez platformę, takie jak Topics API, FLEDGE API i Attribution Reporting API, które pomagają obsługiwać kluczowe przypadki użycia w branży reklamowej, a jednocześnie chronią przed śledzeniem w różnych witrynach.

Reklamy oparte na zainteresowaniach mogą przetrwać i rozwijać się dzięki innowacyjnym technologiom opracowywanym w całym ekosystemie. Te technologie pomogą nam stworzyć świat, w którym dane użytkowników są lepiej chronione, a reklamy nadal przynoszą efekty marketingowe, które wspierają dynamiczny i otwarty internet.

Jak rozwiązania technologii reklamowych mogą oferować reklamy oparte na zainteresowaniach bez plików cookie innych firm?

Obecnie reklamodawcy wyświetlający reklamy oparte na zainteresowaniach zwykle konfigurują w przypadku kampanii za pomocą dostawców technologii reklamowych te ustawienia:

1. Cel: jaki wynik biznesowy reklamodawca chce osiągnąć dzięki tej kampanii reklamowej? Informuje to platformy reklamowe, pod kątem czego mają prowadzić optymalizację. Reklamodawca może na przykład chcieć zwiększyć sprzedaż w witrynie z odzieżą dziecięcą. Często są one mierzone za pomocą tagów konwersji w wielu witrynach i raportów atrybucji.
2. Odbiorcy: do kogo reklamodawca chce dotrzeć? Informuje to platformę reklamową, kto według reklamodawcy jest prawdopodobnie dobrym kandydatem do wyświetlenia reklamy. Reklamodawca może na przykład chcieć docierać do nowych klientów, którzy obecnie szukają ubrań dla dzieci.
3. Miejsce docelowe: w jakich witrynach reklamodawca chce wyświetlać reklamy? Określa, gdzie reklamy mogą się wyświetlać w zasobach reklamowych lub w kategoriach zasobów reklamowych. Reklamodawcy mogą na przykład umieszczać reklamy w wielu witrynach lub wybierać konkretne witryny, w których istnieje większe prawdopodobieństwo dotarcia do pożądanych odbiorców.
4. Budżet i stawka: ile reklamodawca chce wydać łącznie i na konkretne działanie, takie jak wyświetlenie reklamy, kliknięcie reklamy lub konwersja z reklamy? Dzięki temu kampania spełnia wymagania dotyczące kosztów w odniesieniu do swoich celów. Reklamodawca może na przykład chcieć wydać maksymalnie 1000 USD i zapłacić co najwyżej 2,00 USD CPM, aby wyświetlić 500 tys.wyświetleń docelowym odbiorcom i w określonych witrynach.

Rozwój tworzenia list odbiorców

Po wycofaniu plików cookie innych firm dostawcy rozwiązań reklamowych będą musieli dostosować sposób wyświetlania trafnych reklam na swoich platformach. Obecnie trafność reklam jest zwykle osiągana dzięki listom odbiorców, których reklamodawca może używać do docierania do osób, które z największym prawdopodobieństwem będą zainteresowane jego produktami i usługami. Obecnie reklamodawcy najczęściej korzystają z tych typów list odbiorców:

1. Podobne zainteresowania: docieraj do użytkowników z uwzględnieniem tego, czym się pasjonują oraz jakie mają zwyczaje i zainteresowania.
2. Odbiorcy na rynku: możesz docierać do użytkowników z uwzględnieniem ich ostatniego zamiaru zakupu.
3. Remarketing: docieraj do osób, które wcześniej odwiedziły witrynę reklamodawcy.
4. Rozszerzenie liczby odbiorców: docieraj do użytkowników konkretnego wydawcy w innych witrynach.

Po wycofaniu plików cookie innych firm dostawcy rozwiązań reklamowych mogą nadal wspierać cele tych typów odbiorców, stosując nowe podejścia, w tym interfejsy API Piaskownicy prywatności.

Podobne zainteresowania

Obecnie reklamodawcy docierają do użytkowników sklasyfikowanych według ich zainteresowań, najczęściej wykorzystując segmenty danych innych firm. Listy te są udostępniane przez wiele platform danych i rozpowszechniane w ekosystemie technologii reklamowych w celu aktywacji za pomocą kanałów takich jak platformy DSP (Demand-Side Platforms) i platformy DMP (Data Management Platforms).

Te segmenty są zwykle tworzone przez śledzenie osób za pomocą plików cookie innych firm, a następnie grupowanie użytkowników na podstawie taksonomii kategorii i zastrzeżonych metod określania, kiedy użytkownik kwalifikuje się do danej kategorii.

Po wycofaniu plików cookie innych firm wybór odbiorców na podstawie podobieństwa będzie opierać się na innych sygnałach, które będą kwalifikować użytkowników do uwzględnienia w danej grupie odbiorców. Można to zrobić na kilka sposobów za pomocą interfejsów API Piaskownicy prywatności chroniących prywatność, m.in.:

• Topics API: ten interfejs API oferuje standardową taksonomię zainteresowań i publicznie znaną metodologię klasyfikowania zainteresowań użytkownika na urządzeniu na podstawie typów ostatnio odwiedzanych witryn. Rozwiązania technologii reklamowych mogą wywoływać interfejs Topics API, aby uzyskiwać informacje o zainteresowaniach danego użytkownika. Interfejs API chroni prywatność, ograniczając długość uwzględnianej historii przeglądania, podmioty, które mogą uzyskać dostęp do danego tematu, liczbę zwracanych kategorii i inne parametry. Ten interfejs API jest szczególnie przydatny w przypadku technologii reklamowych, które nie mają bezpośrednich relacji z wydawcami ani możliwości optymalizacji kontekstowej.
• Interfejs Topics API z danymi kontekstowymi: bardziej zaawansowana metoda polega na porównywaniu tematów użytkownika i kontekstu strony w celu oszacowania dodatkowych zainteresowań użytkowników. Na przykład rozwiązania technologii reklamowej mogą się dowiedzieć, że osoby zainteresowane określonym zestawem tematów (np. zajęciami na świeżym powietrzu) częściej odwiedzają strony z określonych kategorii (np. witryny o grillowaniu). Technologia reklamowa może wytrenować model uczenia maszynowego, aby przewidywał, że osoba odwiedzająca witrynę poświęconą „aktywności na świeżym powietrzu” może być zainteresowana grillowaniem, nawet jeśli interfejs Topics API nie zwróci tematu „Grillowanie”. Ta metoda jest szczególnie przydatna w przypadku platformy reklamowej po stronie kupującego, jeśli ma ona funkcje optymalizacji kontekstowej.
• FLEDGE API: ten interfejs API umożliwia rozwiązaniom technologii reklamowej tworzenie segmentów odbiorców przez oznaczanie użytkowników strony internetowej jako członków określonego segmentu, np. „zainteresowani przygodami rodzinnymi”. Jeśli dostawca rozwiązania technologii reklamowych ma w swojej sieci partnerskiej inne witryny, które dotyczą „rodzinnych przygód”, może też dodać do tego samego segmentu użytkowników tych witryn. FLEDGE chroni prywatność użytkowników, ponieważ przypisanie użytkownika do segmentów odbiorców odbywa się na urządzeniu, a rozwiązania technologii reklamowych nie otrzymują informacji o tym, czy ten sam użytkownik należy do wielu grup zainteresowań. Ogranicza to śledzenie w witrynach. Interfejs API jest szczególnie przydatny w przypadku rozwiązań technologii reklamowych z siecią partnerów w zakresie witryn.

Dzięki tym metodom rozwiązania technologii reklamowych mogą oferować segmenty odbiorców o podobnych zainteresowaniach na dużą skalę bez polegania na identyfikatorach użytkowników w różnych witrynach. Rozwiązania technologii reklamowych nie muszą ograniczać się do jednej metody i mogą się różnić w zależności od relacji z wydawcami i reklamodawcami oraz możliwości uczenia maszynowego.

Odbiorcy na rynku

Obecnie reklamodawcy docierają do użytkowników zaklasyfikowanych jako „aktywni na rynku” (czyli takich, którzy mają „zamiar zakupu”) za pomocą segmentów plików cookie firm zewnętrznych, podobnie jak docierają do odbiorców na podstawie „pokrewieństwa”. To, czy użytkownik jest zainteresowany zakupem produktu, np. „sprzętu kuchennego”, czy po prostu gotowaniem, zależy od zastrzeżonych taksonomii i metodologii dostawców rozwiązań reklamowych.

Po wycofaniu plików cookie innych firm interfejsy API chroniące prywatność będą dostarczać nowe sygnały, które pomogą w tworzeniu list odbiorców „na rynku”. Oto niektóre z nich:

• Topics API: podobnie jak w przypadku odbiorców o podobnych zainteresowaniach, użycie tego interfejsu do określania odbiorców na rynku polega na zwracaniu tematu, który może przybliżać zamiar zakupu danego użytkownika na podstawie znanej publicznie metodologii i taksonomii na urządzeniu. Standardowe 3-tygodniowe okno wsteczne do generowania tych tematów chroni prywatność użytkowników, ograniczając łączną ilość danych udostępnianych dostawcom rozwiązań reklamowych. Jednak różne kategorie produktów i usług mają różne cykle rozważania, które trwają od kilku dni do kilku miesięcy. Dlatego ten interfejs API jest przydatny dla reklamodawców, których cykl zakupowy klientów jest zgodny z okresem ważności tematu.
• FLEDGE API: podobnie jak w przypadku zastosowania związanego z zainteresowaniami ten interfejs API umożliwia platformom technologii reklamowych tworzenie własnych segmentów, np. „osób zainteresowanych zakupem samochodu”. Jeśli dostawca rozwiązania technologii reklamowych ma w swojej sieci partnerskiej inne witryny, które dotyczą „osób zainteresowanych zakupem samochodu”, może też dodawać do tego samego segmentu użytkowników tych witryn, zachowując przy tym prywatność użytkowników w różnych witrynach. FLEDGE jest szczególnie przydatny w przypadku rozwiązania technologii reklamowych, gdy istnieje bezpośrednia relacja między wydawcą a reklamodawcą, która umożliwia współpracę w zakresie danych, a także gdy potrzebne jest większe dostosowanie niż w przypadku interfejsu Topics.
• Topics API + Attribution Reporting API: połączenie interfejsów Topics i Attribution Reporting API pozwala rozszerzyć listy tematów, które są powiązane z konkretnymi konwersjami, np. zakupami, co daje dodatkowe możliwości docierania do odbiorców zainteresowanych danym produktem. Na przykład systemy analityczne lub uczenia maszynowego mogą wykryć, że użytkownicy, którzy zobaczyli reklamę sprzętu do nurkowania i go kupili, bardzo często mają powiązane z nimi tematy „Plaże i wyspy” oraz „Wędkarstwo”. Rozwiązanie technologii reklamowej może wykorzystać tę informację, aby zwiększyć zasięg wśród użytkowników „zainteresowanych sprzętem do nurkowania” poprzez wybranie użytkowników, którzy wykazują zainteresowanie tymi 2 tematami. W tym przypadku interfejs Attribution Reporting chroni prywatność użytkowników, udostępniając zaszumione zagregowane dane o konwersjach dotyczące powiązań tematów z konwersjami. Takie podejście ma sens, gdy dostawcy rozwiązań reklamowych nie mają zbyt wielu danych kontekstowych, ale mają możliwości uczenia maszynowego lub zaawansowane możliwości analizy i nauki o danych.
• Dane kontekstowe + interfejs Attribution Reporting API: rozwiązania technologii reklamowej mogą wykorzystywać kategoryzację kontekstową stron, na których wyświetlają się reklamy, kategoryzację reklamodawców i produktów oraz dane z interfejsu Attribution Reporting API, aby odkrywać trendy lub wzorce w rodzajach witryn, które użytkownicy preferują, gdy są zainteresowani zakupem określonych typów produktów i usług. Na przykład ta kombinacja danych może prowadzić do wniosków, że osoby, które przeglądają strony internetowe poświęcone aktywnościom rodzinnym, z dużym prawdopodobieństwem są też zainteresowane zakupem odzieży outdoorowej.

To tylko kilka z wielu sposobów, w jakie rozwiązania technologii reklamowych mogą kreatywnie skalować i dostosowywać segmenty odbiorców bez polegania na identyfikatorach użytkowników w wielu witrynach. Mogą też integrować więcej sygnałów, np. dane własne, i inne kombinacje interfejsów API chroniących prywatność, aby osiągać jeszcze lepsze wyniki. Dlatego rozwiązania technologii reklamowych mogą się wyróżniać, stosując różne podejścia do tworzenia list odbiorców, zabezpieczania unikalnych danych i rozwijania zaawansowanych funkcji uczenia maszynowego.

Remarketing

Reklamodawcy mogą ponownie angażować użytkowników, którzy wcześniej odwiedzili ich witrynę, za pomocą remarketingu. Obecnie polega on na umieszczaniu w przeglądarce pliku cookie podmiotu zewnętrznego w momencie odwiedzin witryny, a następnie na składaniu ofert w celu wyświetlania reklam w tej przeglądarce, gdy plik cookie zostanie wykryty w innej witrynie. Rozwiązania technologii reklamowych mogą tworzyć różne segmenty remarketingowe dla danej witryny na podstawie działań użytkowników w tej witrynie.

Bez plików cookie innych firm rozwiązania technologii reklamowych będą mogły korzystać z interfejsu FLEDGE API do obsługi przypadków użycia remarketingu:

• FLEDGE API: rozwiązania technologii reklamowych mogą tworzyć niestandardowe segmenty remarketingowe dla witryny, tworząc grupy zainteresowań zależne od aktywności użytkowników. W poprzednich przypadkach użycia FLEDGE rozwiązania technologii reklamowych tworzyły bardzo duże listy odbiorców z wielu witryn. W tym przypadku tylko jedna witryna próbuje ponownie zaangażować użytkownika, który ją wcześniej odwiedził. Bez ochrony prywatności wbudowanej w FLEDGE może to prowadzić do wyodrębniania poszczególnych osób przez witryny. Ten interfejs API umożliwia skuteczne remarketingowanie do odbiorców, a jednocześnie chroni prywatność poszczególnych osób, ponieważ ustawia progi k-anonimowości, aby zapewnić, że odpowiednia liczba osób kwalifikuje się do wyświetlenia reklamy.

Nawet bez plików cookie innych firm Piaskownica prywatności umożliwia reklamodawcom korzystanie z danych własnych na potrzeby remarketingu na dużą skalę w witrynach innych firm.

Rozszerzenie liczby odbiorców

Reklamodawcy czasami chcą docierać do większej liczby odbiorców, których widzą u określonego wydawcy, ale gdy ci użytkownicy są na innych stronach internetowych. Rozszerzenie liczby odbiorców to proces rozszerzania własnych list odbiorców wydawcy przez znajdowanie ich na innych stronach, aby zwiększyć częstotliwość wyświetlania reklam lub zasięg wśród tych samych odbiorców. Dzięki rozszerzaniu zasięgu wśród odbiorców wydawca może udostępnić reklamodawcy segment odbiorców, np. odbiorców o podobnych zainteresowaniach (np. golfistów) lub odbiorców o określonych cechach demograficznych (np. w określonym przedziale wiekowym), i umożliwić mu znajdowanie tych odbiorców w innych witrynach. Rozszerzanie zasięgu na odbiorców jest też używane, gdy reklamodawca chce zwiększyć świadomość swoich produktów, docierając do konsumentów, którzy robią zakupy w witrynie sprzedawcy lub w innych miejscach w internecie.

Rozwiązania technologii reklamowych będą rozszerzać zasięg odbiorców wydawców bez użycia plików cookie innych firm:

• FLEDGE API: rozwiązania technologii reklamowych mogą tworzyć niestandardowe segmenty rozszerzające listę odbiorców w witrynie, tworząc grupy zainteresowań zależne od aktywności użytkowników, np.czytania określonej sekcji witryny (np. sekcji poświęconej podróżom). Ten proces jest podobny do remarketingu i zapewnia taką samą ochronę prywatności. Jest to przydatne dla reklamodawców, którzy cenią sobie dane o odbiorcach własnych wydawcy, ale nie mogą uzyskać wystarczającej ilości zasobów reklamowych w jego witrynie, aby dotrzeć do tych odbiorców.

Jak uczenie maszynowe może maksymalizować skuteczność przy użyciu sygnałów chroniących prywatność?

W związku z wycofaniem plików cookie innych firm reklamodawcy mogą zastanawiać się, jak wykorzystać uczenie maszynowe i sygnały zapewniające ochronę prywatności, aby osiągać najlepsze wyniki.

Osiąganie przez reklamodawców lepszych wyników dzięki automatyzacji

Większość rozwiązań technologii reklamowych oferuje różny stopień ręcznej i automatycznej optymalizacji kampanii.

Najbardziej ręczne rozwiązania wymagają od reklamodawców określenia docelowych odbiorców, miejsc docelowych i stawek, a następnie utrzymywania się w ramach tych danych wejściowych. Ustawienia ręczne zapewniają reklamodawcom dużą kontrolę, ale mogą dawać wyniki gorsze od optymalnych, jeśli reklamodawca musi znać wszystkich skutecznych odbiorców i miejsca docelowe lub nie może przewidzieć teoretycznej optymalnej stawki za każde wyświetlenie z uwzględnieniem wszystkich zmiennych.

Najbardziej zautomatyzowane rozwiązania wymagają od reklamodawców określenia oczekiwanego wyniku biznesowego (np. 2 zł za działanie/sprzedaż) i wykorzystuje uczenie maszynowe do identyfikowania odbiorców i miejsc docelowych, które przynoszą temu reklamodawcy dobre wyniki, oraz do określania odpowiedniej stawki, która pozwoli osiągnąć pożądany cel. W tym przypadku rozwiązanie technologii reklamowej ma niewiele ograniczeń lub nie ma ich wcale, z wyjątkiem budżetu i celu. Wybór odbiorców przez reklamodawcę może być traktowany jako „sugestia” lub „punkt wyjścia”, ale systemy uczące się będą szukać wzorców we wszystkich dostępnych danych, które mogą być niedostrzegalne dla ludzi.

Systemy uczące się wykorzystują te wzorce do optymalizacji skuteczności przez dodawanie bardziej odpowiednich odbiorców i dostosowywanie stawek na podstawie przewidywanej skuteczności tych odbiorców. Piaskownica prywatności to jedno z wielu źródeł sygnałów, które będą dostępne na potrzeby uczenia maszynowego po wycofaniu plików cookie innych firm. Uczenie maszynowe może zmaksymalizować skuteczność reklam, nieustannie testując i poznając najlepszych odbiorców, miejsca docelowe i stawki w różnych okresach, kampaniach, a nawet u różnych reklamodawców. Warto jednak pamiętać, że zaawansowane analizy przeprowadzane przez wykwalifikowane zespoły również mogą wykrywać podobne korelacje.

Zmniejszenie potrzeby zarządzania przez reklamodawców odbiorcami, miejscami docelowymi i stawkami uprości ich pracę i umożliwi systemom uczenia maszynowego osiąganie jak najlepszych wyników. Inwestycje w technologie reklamowe w zakresie rozwiązań zautomatyzowanych mogą nie tylko przynosić korzyści reklamodawcom, ale też ułatwiać przejście na inne rozwiązania niż pliki cookie innych firm.

Dodatkowe sygnały dla uczenia maszynowego

Rozwiązania technologii reklamowych zawsze uwzględniały wiele sygnałów przy podejmowaniu decyzji o określeniu stawki za wyświetlenie reklamy. W świecie bez śledzenia za pomocą plików cookie w różnych witrynach rozwiązania z branży technologii reklamowych będą korzystać z każdego dostępnego sygnału zapewniającego ochronę prywatności w systemach uczących się, aby przewidywać wyniki biznesowe, takie jak kliknięcia czy konwersje. Te sygnały chroniące prywatność są czasami niedoceniane, ale w przyszłości, gdy nie będzie już plików cookie innych firm, mogą mieć duży wpływ na trafność reklam:

1. Funkcje kreacji reklamy: analiza kreacji reklamy na poziomie komponentów (np.tekst, obrazy, projekt) może pomóc w przewidywaniu skuteczności w przypadku określonych odbiorców lub na określonych stronach, np. tematyki reklamy lub tego, czy zawiera ona dużo tekstu.
2. Dane własne: wydawcy, marketerzy i sieci handlowe coraz częściej tworzą własne identyfikatory i segmenty, takie jak odbiorcy zdefiniowani przez sprzedawcę. Znajomość zachowań użytkownika w danej witrynie na przestrzeni czasu pozwala lepiej przewidywać, które reklamy będą dla niego lub dla danego segmentu w tej witrynie najskuteczniejsze, bez profilowania w różnych witrynach. Dane własne wydawcy mogą pomóc w ulepszaniu określania stawek we wszystkich jego witrynach. Te ulepszenia stawek w przypadku poszczególnych witryn mogą łącznie zwiększyć skuteczność kampanii.

Rozwiązania technologii reklamowych mogą przynosić najlepsze wyniki, łącząc wszystkie dostępne narzędzia, takie jak uczenie maszynowe i sygnały chroniące prywatność z interfejsów API zapewniających ochronę prywatności, a także dane kontekstowe, dane o kreacjach i dane własne.

Podsumowanie

Po wycofaniu plików cookie innych firm branża reklamowa musi nadal wyświetlać trafne reklamy, a konsumenci muszą otrzymywać oczekiwaną ochronę prywatności. Wiemy, że korzystanie z nowych narzędzi, takich jak te z Piaskownicy prywatności, wymaga wysiłku, dlatego będziemy nadal wspierać branżę w tym procesie.

Zachęcamy do:

1. Zainwestuj w dodanie do swoich rozwiązań technologii reklamowych interfejsów API chroniących prywatność, takich jak Topics, FLEDGE i Attribution Reporting, aby obsługiwać typowe przypadki użycia reklam opartych na zainteresowaniach po wycofaniu plików cookie innych firm.
2. Testuj interfejsy API Piaskownicy prywatności w połączeniu z innymi sygnałami zapewniającymi ochronę prywatności, w tym danymi własnymi wydawców, aby poznać przyszłe wyniki i określić strategię.
3. Zwiększ skuteczność, umożliwiając systemom uczącym się korzystanie ze wszystkich dostępnych danych chronionych przez zasady prywatności, z jak największą swobodą uczenia się i optymalizacji.

Branża technologii reklamowych może wykonywać wiele podstawowych funkcji kierowania i określania stawek za pomocą interfejsów API Piaskownicy prywatności. Wprowadzenie dodatkowych sygnałów chroniących prywatność, które nie są związane z tymi interfejsami API, oraz wdrożenie wszystkich tych sygnałów razem przynosi jednak wiele korzyści.

Innowacyjność jest wpisana w DNA branży reklamy cyfrowej. Rozwijając dotychczasowe podejścia do trafności reklam, możemy skutecznie przejść od plików cookie innych firm do bardziej prywatnej i wydajnej sieci.