Comment les éditeurs utilisent l'IA pour équilibrer les expériences personnalisées avec les stratégies de monétisation

Il ne fait aucun doute que les éditeurs sont bien placés pour exploiter la relation avec leur public - possédant les moyens de collecter et de créer les solides ensembles de données de première partie nécessaires pour offrir des expériences personnalisées et alimenter diverses sources de revenus.

Mais, à mesure que le secteur s'éloigne du ciblage basé sur les cookies - et Google parle par rapport aux solutions d'identification alternatives pour le suivi intersites, ce qui limite la capacité d'évolution - les éditeurs doivent trouver de nouvelles façons d'augmenter et de communiquer la valeur de leur inventaire tout en veillant à ce que les stratégies de monétisation s'alignent sur l'expérience utilisateur.

C'est là qu'intervient l'intelligence artificielle (IA), jouant un rôle clé dans la réalisation de cet équilibre.

Les opportunités ne disparaissent pas; ils sont juste différents

Le paysage publicitaire actuel est de plus en plus compliqué. La plupart des dépenses publicitaires numériques sont consacrées au ciblage et au reciblage d'individus spécifiques, qui reposent sur une visibilité et une calculabilité cohérentes de l'identité. La décision de Google a mis cette approche sur la liste des `` en danger '' et ajoutera probablement à la fragmentation existante. Construire des identifiants adressables était déjà difficile - avec des utilisateurs répartis sur les ordinateurs portables, mobiles, CTV et autres gadgets intelligents - mais maintenant, les marques devront également basculer entre différentes technologies et systèmes lors de l'utilisation de Google ou du Web ouvert.

Du côté des éditeurs, cela affectera les stratégies de personnalisation en tant que moyen de créer de la valeur, à la fois du point de vue du contenu et de la publicité. Cependant, il offre également aux éditeurs la possibilité de jouer un rôle plus central en fournissant un accès à des audiences adressables aux annonceurs qui cherchent à optimiser leurs dépenses publicitaires grâce à des expériences riches en contenu.

En utilisant la technologie de l'IA, les éditeurs peuvent faciliter le processus d'intégration des données et faire correspondre les données de première partie des marques avec leurs propres audiences adressables avec un taux de précision plus élevé que d'autres outils non AI. Lorsqu'il est appliqué en conjonction avec la technologie des salles blanches, cela fournit un espace de collaboration de données sécurisé et contrôlé par l'éditeur, qui correspond aux audiences sur une base de similitude, permettant une portée incrémentielle sur les marchés privés.

L'IA offre un moyen d'améliorer efficacement la portée

Les deux principaux atouts des éditeurs sont, bien sûr, le contenu et le consentement. La production de contenu attrayant permet de gagner l'engagement et la fidélité des utilisateurs, tandis que le consentement centré sur l'utilisateur augmente les chances de renforcer la confiance et d'obtenir la permission de collecter et d'utiliser des données de première partie très recherchées. Sur cette base, les éditeurs sont bien placés pour s'appuyer sur leur stratégie de données de première partie pour offrir une portée de base aux utilisateurs connus et connectés.

Le problème, cependant, réside dans les limites des données consenties. Tous les utilisateurs ne seront pas disposés à partager des données. En fait, il est largement admis que seulement 2 à 10% des consommateurs partagent des informations telles que l'âge et le sexe.

Pour maintenir une portée optimale, les éditeurs devront donc explorer des options au-delà des murs de connexion. Ceux qui souhaitent garder le contenu aussi ouvertement disponible que possible se tourneront probablement vers l'utilisation de la capacité de traitement et d'amélioration des données de l'IA pour s'appuyer sur des stratégies de données de première partie. La modélisation prédictive, alimentée par l'apprentissage automatique, figure parmi les principales utilisations. En prenant les attributs des utilisateurs consentants comme base analytique, il permet une extension précise de la portée adressable - conformément aux taux de précision personnalisés et vérifiables fixés par chaque éditeur - même en l'absence de données déterministes.

Par exemple, lorsqu'elle est utilisée en tandem avec des données contextuelles en temps réel, l'intelligence artificielle peut générer un ciblage au niveau des impressions sans données au niveau de l'utilisateur. Avec chaque cas d'utilisation, le principal attrait est que l'accent mis sur les caractéristiques inférées - non déclarées - maintient la confidentialité au premier plan, permettant des expériences et un ciblage personnalisés sans nuire à l'expérience utilisateur.  

Un exemple de la façon dont cela pourrait fonctionner dans le monde réel est avec les données de recrutement. Les éditeurs disposant de services de publicité de recrutement peuvent exploiter des outils pour intégrer les données des demandeurs d'emploi afin d'afficher des publicités très ciblées auprès des candidats pertinents. L'IA peut ensuite être utilisée pour étendre la portée, en élargissant l'audience en fonction des données de recrutement initiales pour atteindre d'autres consommateurs statistiquement pertinents sans affecter l'expérience utilisateur.

Quelle est la prochaine étape pour l'industrie?

Il n'est jamais facile de se plonger dans la boule de cristal de l'industrie collective, mais il y a des signes de la façon dont les vents soufflent. Par exemple, la dernière proposition issue de l'initiative Privacy Sandbox de Google, FLoC, suggère l'utilisation de l'analyse d'apprentissage automatique pour créer une approche de ciblage basée sur une cohorte.

Pour les éditeurs qui se méfiaient auparavant de la syndication d'audience assistée par l'IA, cela pourrait être une bonne nouvelle: leur permettre de tisser des liens plus solides avec les annonceurs et d'ouvrir la voie à une audience plus large. Si l'on met de côté le débat sur la question de savoir si le FLoC sera ou non anticoncurrentiel, on ne peut nier qu'il conduira probablement à un développement ultérieur de segmentation et personnalisation apprises par machine, ce qui est une bonne initiative pour l’industrie.

Dans un secteur en constante évolution, l'IA offre en fin de compte une opportunité aux éditeurs d'être optimistes quant à leur capacité à équilibrer des expériences personnalisées avec des stratégies de monétisation axées sur la confidentialité. Les solutions avancées proposées par l'intelligence artificielle permettent aux éditeurs de tracer leur propre voie et de les doter des outils nécessaires pour montrer qu'ils ne sont pas simplement des fournisseurs de données propriétaires, mais qu'ils sont les piliers de solutions évolutives et sécurisées pour la confidentialité.

Source : https://dataconomy.com/2021/04/how-publishers-use-ai-personalized-experiences-monetization-strategies/