Maximizar a relevância do anúncio sem cookies de terceiros

14 de dezembro de 2022

Joey Trotz
Diretor de gerenciamento de produtos, Sandbox de privacidade

Introdução

O objetivo do Sandbox de privacidade é manter a atividade das pessoas em particular em uma Internet aberta e sem custo financeiro. Para isso, estamos colaborando com o setor de publicidade para fazer a transição para novas tecnologias de anúncios particulares e descontinuar o suporte a cookies de terceiros no Chrome no segundo semestre de 2024.

Seja você um líder de produto, CTO, CMO ou CEO, é essencial entender como apoiar casos de uso de publicidade em um mundo cada vez mais preocupado com a privacidade e adotar soluções que possam otimizar os resultados comerciais e a privacidade do usuário.

Não há dúvida de que 2023 será um ano importante para se preparar para um mundo sem cookies de terceiros. Neste guia, vamos discutir como o ecossistema de publicidade pode abordar a relevância do anúncio em um futuro sem cookies:

• O que está mudando nos dados usados para mostrar anúncios relevantes?
• Como as soluções de tecnologia de publicidade podem oferecer publicidade com base em interesses sem cookies de terceiros?
• Como o aprendizado de máquina pode maximizar a performance usando indicadores que protegem a privacidade?

O que vai mudar nos dados usados para mostrar anúncios relevantes?

A publicidade com base em interesses, também conhecida como publicidade personalizada, é um tipo de publicidade que usa informações sobre os interesses e preferências de um indivíduo para mostrar anúncios mais relevantes. Esse tipo de publicidade usa uma ampla variedade de dados como indicadores para determinar qual anúncio mostrar, como o conteúdo que um usuário visualizou, o padrão de sites que ele acessou recentemente ou um site específico visitado anteriormente.

Hoje, esses indicadores são alimentados principalmente por identificadores entre sites, como cookies de terceiros, que são exclusivos de um dispositivo individual. À medida que os cookies de terceiros são desativados, as soluções de tecnologia de publicidade para publicidade com base em interesses precisam evoluir para aproveitar os indicadores que respeitam a privacidade e mostrar anúncios relevantes. Isso inclui dados próprios, indicadores contextuais e APIs que preservam a privacidade fornecidas pela plataforma, como a API Topics, a API FLEDGE e a API Attribution Reporting, que ajudam a oferecer suporte a casos de uso essenciais para o setor de publicidade e protegem contra o rastreamento entre sites.

A publicidade com base em interesses pode sobreviver e prosperar com tecnologias inovadoras desenvolvidas em todo o ecossistema. Essas tecnologias vão nos ajudar a avançar para um mundo em que os dados das pessoas são mais protegidos, enquanto os anúncios continuam gerando resultados de marketing que apoiam uma Web dinâmica e aberta.

Como as soluções de tecnologia de publicidade podem oferecer publicidade com base em interesses sem cookies de terceiros?

Hoje, os anunciantes com base em interesses geralmente configuram o seguinte para campanhas pelos provedores de tecnologia de publicidade:

1. Meta: qual é o resultado comercial que o anunciante quer alcançar com essa campanha publicitária? Isso informa às plataformas de publicidade o que otimizar. Por exemplo, o anunciante pode querer gerar vendas no site de roupas infantis. Muitas vezes, essas metas são medidas com tags de conversão entre sites e relatórios de atribuição.
2. Público-alvo: quem o anunciante quer alcançar? Isso informa à plataforma de publicidade quem o anunciante considera uma boa opção para o anúncio. Por exemplo, o anunciante pode querer alcançar novos clientes que estão no mercado de roupas infantis.
3. Canal: em quais sites o anunciante quer veicular anúncios? Isso especifica onde os anúncios podem ser veiculados em termos de inventário ou categorias de inventário. Por exemplo, os anunciantes podem veicular anúncios em um conjunto amplo de sites ou selecionar sites específicos com maior probabilidade de alcançar o público-alvo desejado.
4. Orçamento e lance:quanto o anunciante quer gastar no total e em uma ação específica, como impressão veiculada, clique no anúncio ou conversão do anúncio? Isso garante que a campanha atenda aos requisitos de custo para as metas. Por exemplo, o anunciante pode querer gastar até US $1.000 e pagar no máximo US $2,00 de CPM para veicular 500.000 impressões para públicos-alvo e em sites específicos.

Criação de público-alvo em evolução

Em um mundo pós-cookies de terceiros, os provedores de soluções de publicidade vão querer adaptar a forma como as plataformas deles veiculam anúncios relevantes. Hoje, a relevância do anúncio é alcançada com frequência por públicos-alvo que um anunciante pode usar para alcançar as pessoas com maior probabilidade de ter interesse nos produtos e serviços dele. Hoje, os anunciantes usam com frequência estes diferentes tipos de público-alvo:

1. Afinidade: alcance usuários com base no que eles gostam e nos hábitos e interesses deles.
2. No mercado: alcance as pessoas com base na intenção de compra recente delas.
3. Remarketing: alcance pessoas que já visitaram o site de um anunciante.
4. Extensão de público-alvo: alcance usuários de um editor específico em outros sites.

Após a descontinuação dos cookies de terceiros, os provedores de soluções de publicidade podem continuar apoiando as metas desses tipos de público-alvo usando novas abordagens, incluindo as APIs do Sandbox de privacidade.

Afinidade

Hoje, os anunciantes alcançam os usuários classificados por afinidade (também conhecidos como interesses), geralmente usando segmentos de dados de terceiros. Esses públicos-alvo são fornecidos por vários mercados de dados e distribuídos para ativação em todo o ecossistema de tecnologia de publicidade por canais como plataformas de demanda (DSPs) e plataformas de gerenciamento de dados (DMPs).

Esses segmentos geralmente são criados rastreando indivíduos com cookies de terceiros e agrupando usuários com base em uma taxonomia de categorias e metodologias próprias para determinar quando um usuário se qualifica para uma categoria.

Após a descontinuação dos cookies de terceiros, a seleção de público-alvo com base na afinidade vai usar outros indicadores para qualificar os usuários e incluí-los em um público-alvo específico. Há várias maneiras de fazer isso usando as APIs do Sandbox de privacidade, incluindo:

• API Topics: oferece uma taxonomia padronizada de interesses e uma metodologia conhecida publicamente para a classificação de interesses no dispositivo de um determinado usuário com base nos tipos de sites visitados recentemente. As soluções de tecnologia de publicidade podem chamar a API Topics para receber interesses de um determinado usuário. Ao mesmo tempo, a API protege a privacidade limitando o período do histórico de navegação considerado, as partes que podem acessar um determinado tema, o número de categorias retornadas e muito mais. Essa API é especialmente útil para adtechs que não têm relações diretas com editores ou recursos de otimização contextual.
• API Topics com dados contextuais: um método mais avançado envolve comparar os temas de um usuário e o contexto de uma página para estimar outras afinidades dos usuários. Por exemplo, as soluções de tecnologia de publicidade podem saber que as pessoas interessadas em um determinado conjunto de temas (como atividades ao ar livre) têm uma probabilidade maior de visitar categorias específicas de páginas (como sites sobre churrascos). Uma adtech pode treinar um modelo de machine learning para prever que um visitante de um site de "atividade ao ar livre" pode se interessar por churrasco, mesmo que "Churrasco" não seja retornado como um tema pela API Topics. Esse método é especialmente útil para uma adtech de compra se ela tiver recursos de otimização contextual.
• API FLEDGE: permite que soluções de adtech criem segmentos de público-alvo rotulando os visitantes de uma página da Web como membros de um segmento específico, como "interessados em aventuras em família". Se o provedor de solução de tecnologia de publicidade tiver outros sites na rede de parceiros relacionados a "aventuras em família", ele também poderá adicionar visitantes desses sites ao mesmo segmento. A FLEDGE protege a privacidade do usuário mantendo a atribuição de usuários a segmentos de público-alvo no dispositivo e não compartilhando com soluções de adtech se o mesmo usuário pertence a vários grupos de interesse. Isso limita o rastreamento entre sites. A API é especialmente útil para uma solução de adtech com uma rede de parcerias de sites.

Com esses métodos, as soluções de adtech podem oferecer segmentos de público-alvo por afinidade escalonados sem depender de identificadores de usuários entre sites. As soluções de adtech não precisam se limitar a um método e podem se diferenciar com base nos relacionamentos com editores e anunciantes e nas funcionalidades de aprendizado de máquina.

No mercado

Atualmente, os anunciantes alcançam usuários classificados como "no mercado" (também conhecidos como "intenção de compra") usando segmentos de cookies de terceiros de maneira semelhante a como acessam públicos-alvo com base em "afinidade". Se um usuário é classificado como "no mercado" para um produto como "utensílios de cozinha" ou simplesmente interessado em cozinhar, isso depende das taxonomias e metodologias exclusivas dos provedores de soluções de publicidade.

Após a descontinuação dos cookies de terceiros, as APIs que preservam a privacidade vão fornecer novos indicadores para informar a criação de públicos-alvo "no mercado". Alguns métodos alternativos incluem:

• API Topics: assim como no uso dessa API para públicos-alvo por afinidade, o uso para públicos-alvo no mercado envolve retornar um tema que pode aproximar a intenção de compra de um determinado usuário com base em uma metodologia e taxonomia conhecidas publicamente no dispositivo. O período de três semanas padronizado para gerar esses temas protege a privacidade do usuário ao limitar a quantidade total de dados disponibilizados aos provedores de soluções de publicidade. No entanto, diferentes categorias de produtos e serviços têm ciclos de consideração diferentes, que variam de dias a meses. Isso torna a API útil para anunciantes cujo ciclo de compra do cliente se alinha à janela de lookback do tema.
• API FLEDGE: assim como no caso de uso de afinidade, essa API permite que as plataformas de adtech criem seus próprios segmentos, como "compradores de carros no mercado". Se o provedor de solução de adtech tiver outros sites na rede de parceiros relacionados a "compradores de carros no mercado", ele também poderá adicionar visitantes desses sites ao mesmo segmento, mantendo a privacidade do usuário em vários sites. A FLEDGE é particularmente útil para uma solução de adtech quando há uma relação direta entre editor e anunciante que permite uma parceria de dados e uma necessidade de maior personalização do que a API Topics permitiria.
• API Topics + API Attribution Reporting: ao combinar as APIs Topics e Attribution Reporting, você pode expandir as listas de temas que correspondem a conversões específicas, como compras, criando outras maneiras de alcançar um público-alvo no mercado. Por exemplo, sistemas de análise ou aprendizado de máquina podem descobrir que os usuários que viram e compraram um anúncio sobre equipamentos de mergulho geralmente têm os temas "Praias e ilhas" e "Pesca" associados a eles. Uma solução de tecnologia de publicidade pode traduzir esse insight em um alcance aprimorado para usuários "no mercado de equipamentos de mergulho" ao selecionar usuários com esses dois tópicos. A Attribution Reporting protege a privacidade do usuário nesse caso fornecendo dados de conversão agregados com ruído sobre associações de temas com conversões. Essa abordagem faz sentido quando os provedores de soluções de publicidade não têm muitos dados contextuais, mas têm recursos de machine learning ou ciência e análise de dados robustas.
• Dados contextuais + API Attribution Reporting: as soluções de adtech podem aproveitar a categorização contextual das páginas em que os anúncios são mostrados, a categorização de anunciantes e produtos e os dados da API Attribution Reporting para descobrir tendências ou padrões nos tipos de sites que as pessoas preferem quando estão no mercado para comprar determinados tipos de produtos e serviços. Por exemplo, essa combinação de dados pode gerar insights, como aprender que as pessoas que estão em páginas da Web sobre atividades familiares têm grande probabilidade de comprar roupas para atividades ao ar livre.

Esses métodos são apenas algumas das muitas maneiras pelas quais as soluções de adtech podem dimensionar e personalizar segmentos de público-alvo de forma criativa sem depender de identificadores de usuários entre sites. Eles também podem integrar mais indicadores, como dados próprios e outras combinações de APIs que preservam a privacidade, para ter resultados ainda melhores. Assim, as soluções de adtech podem se diferenciar adotando abordagens diferentes para a criação de público-alvo, protegendo dados exclusivos e desenvolvendo recursos superiores de aprendizado de máquina.

Remarketing

Os anunciantes podem engajar novamente os usuários que já visitaram o site deles usando o remarketing. Atualmente, isso envolve colocar um cookie de terceiros em um navegador no momento da visita ao site e fazer um lance para mostrar anúncios a esse navegador quando o cookie é observado em outro site. As soluções de adtech podem criar diferentes segmentos de remarketing para um determinado site com base nas atividades do usuário realizadas nele.

Sem cookies de terceiros, as soluções de adtech poderão usar a API FLEDGE para oferecer suporte a casos de uso de remarketing:

• API FLEDGE: as soluções de tecnologia de publicidade podem criar segmentos de remarketing personalizados para um site criando grupos de interesse dependentes da atividade do usuário. Em casos de uso anteriores com a FLEDGE, as soluções de adtech criavam públicos-alvo muito grandes de vários sites. Nesse caso de uso, apenas um site tenta reengajar um visitante anterior. Sem as proteções de privacidade integradas à FLEDGE, esse caso de uso pode levar os sites a isolar indivíduos. Ao permitir o remarketing de público-alvo eficaz, essa API protege a privacidade individual definindo limites de k-anonimato para garantir que um número suficiente de pessoas esteja qualificado para ver o anúncio.

Mesmo sem cookies de terceiros, o Sandbox de privacidade permite que os anunciantes usem dados próprios para fazer remarketing em grande escala em sites de terceiros.

Extensão de público-alvo

Às vezes, os anunciantes querem alcançar mais pessoas do mesmo público-alvo de um publisher específico, mas quando esses usuários estão em outros sites. A extensão de público-alvo é um processo que amplia os públicos-alvo próprios dos editores encontrando-os em outros sites para aumentar a frequência ou o alcance entregue do mesmo público. Ao usar a extensão de público-alvo, um editor pode fornecer a um anunciante um segmento de público-alvo, como afinidade (por exemplo, golfistas) ou dados demográficos (por exemplo, faixa etária), e permitir que o anunciante encontre esse público em outros sites. A extensão de público-alvo também é usada quando um anunciante quer aumentar o reconhecimento dos produtos dele alcançando os consumidores enquanto eles fazem compras no site de um varejista e em outros lugares da Web.

As soluções de tecnologia de publicidade vão ampliar os públicos-alvo para editores sem cookies de terceiros:

• API FLEDGE: as soluções de adtech podem criar segmentos de extensão de público-alvo personalizado para um site criando grupos de interesse dependentes da atividade do usuário, como ler uma seção específica de um site (por exemplo, seção de viagens). Esse processo é semelhante ao remarketing e oferece as mesmas proteções de privacidade. É útil para anunciantes que valorizam os dados de público-alvo próprios de um publisher, mas não conseguem inventário de anúncios suficiente no site dele para esse público.

Como o aprendizado de máquina pode maximizar a performance usando indicadores que protegem a privacidade?

Com a descontinuação dos cookies de terceiros, os anunciantes podem considerar como o aprendizado de máquina e os indicadores com proteção da privacidade podem ser usados para gerar os melhores resultados.

Como gerar resultados para os anunciantes com a automação

A maioria das soluções de tecnologia de publicidade oferece diferentes níveis de otimização manual e automatizada de campanhas.

As soluções mais manuais exigem que os anunciantes especifiquem os públicos-alvo, as posições e os lances desejados e permaneçam dentro dessas entradas. As configurações manuais oferecem controle robusto aos anunciantes, mas podem gerar resultados abaixo do ideal se o anunciante precisar conhecer todos os públicos-alvo e posições de alta performance ou não conseguir prever o lance ideal teórico para cada impressão, considerando todas as variáveis envolvidas.

As soluções mais automatizadas pedem que os anunciantes especifiquem o resultado de negócios desejado (por exemplo, R$ 2 de custo por ação/venda), usando o aprendizado de máquina para identificar os públicos-alvo e posicionamentos que têm boa performance para esse anunciante e o lance certo para alcançar a meta desejada. Nessa configuração, há poucas ou nenhuma restrição na solução de adtech, exceto um orçamento e uma meta. A seleção de público-alvo feita pelo anunciante pode ser tratada como uma "sugestão" ou um "ponto de partida", mas o machine learning vai procurar padrões em todos os dados disponíveis que podem ser imperceptíveis para os humanos.

O aprendizado de máquina usa esses padrões para otimizar a performance adicionando públicos-alvo mais relevantes e ajustando os lances com base na performance prevista deles. O Sandbox de privacidade é uma das muitas fontes de indicadores que estarão disponíveis para informar o aprendizado de máquina após a descontinuação dos cookies de terceiros. O aprendizado de máquina pode maximizar a performance dos anúncios testando e aprendendo continuamente os melhores públicos-alvo, posicionamentos e lances ao longo do tempo, das campanhas e até mesmo dos anunciantes. Vale a pena observar que análises sofisticadas realizadas por equipes qualificadas também podem descobrir correlações semelhantes.

Ao reduzir a necessidade de os anunciantes gerenciarem públicos-alvo, posicionamentos e lances, simplificamos a carga de trabalho e permitimos que os sistemas de aprendizado de máquina gerem os melhores resultados possíveis. Os investimentos em tecnologia de publicidade em soluções automatizadas, além de beneficiar os anunciantes, também podem ajudar na transição dos cookies de terceiros.

Indicadores adicionais para aprendizado de máquina

As soluções de tecnologia de publicidade sempre consideraram vários indicadores ao decidir se farão um lance para veicular um anúncio. Em um mundo sem rastreamento de cookies entre sites, as soluções de tecnologia de publicidade vão se beneficiar do uso de todos os indicadores disponíveis com proteção da privacidade no aprendizado de máquina para prever resultados comerciais, como cliques ou conversões. Os seguintes indicadores que preservam a privacidade às vezes são subestimados, mas podem contribuir significativamente para a relevância do anúncio em um futuro sem cookies de terceiros:

1. Recursos de criativo do anúncio: analisar o criativo do anúncio no nível do componente (por exemplo, texto, imagens, design) pode ajudar a prever a performance com públicos-alvo específicos ou em determinadas páginas, como o assunto do anúncio ou se ele inclui muito texto.
2. Dados próprios: publishers, profissionais de marketing e redes de varejo estão criando cada vez mais identificadores e segmentos próprios, como públicos-alvo definidos pelo vendedor. Conhecer o comportamento de um usuário ao longo do tempo em um determinado site permite prever melhor quais anúncios funcionam melhor para esse usuário ou segmento no site, sem criar perfis em vários sites. Os dados próprios de um publisher podem ajudar a melhorar os lances em todos os sites dele. Essas melhorias de lances específicas do site podem aumentar cumulativamente a performance em uma campanha.

As soluções de adtech podem gerar os melhores resultados combinando todas as ferramentas disponíveis, como aprendizado de máquina e indicadores com proteção da privacidade de APIs que preservam a privacidade, além de dados contextuais, criativos e próprios.

Conclusão

Depois que os cookies de terceiros forem desativados, é essencial que o setor de publicidade continue veiculando anúncios relevantes e que os consumidores recebam as proteções de privacidade esperadas. Sabemos que criar com novas ferramentas, como as do Sandbox de privacidade, exige esforço, e vamos continuar apoiando o setor durante essa transição.

Recomendamos que você:

1. Invista na adição de APIs que preservam a privacidade, como Topics, FLEDGE e Attribution Reporting, às suas soluções de adtech para oferecer suporte a casos de uso comuns de publicidade com base em interesses após a descontinuação dos cookies de terceiros.
2. Teste as APIs do Sandbox de privacidade com outros indicadores de proteção da privacidade, incluindo dados próprios do publisher, para entender a performance futura e informar a estratégia.
3. Maximize a performance ativando o aprendizado de máquina para usar todos os dados disponíveis com proteção da privacidade, com a maior liberdade possível para aprender e otimizar.

O setor de adtech pode realizar muitas funções principais de segmentação e lances usando as APIs do Sandbox de privacidade. No entanto, há muitos benefícios em incorporar outros indicadores que preservam a privacidade além dessas APIs e em implantar todos esses indicadores juntos.

A inovação está no DNA do setor de publicidade digital. Ao evoluir as abordagens atuais para a relevância dos anúncios, podemos fazer a transição dos cookies de terceiros para uma Web mais privada e com melhor performance.