Hogyan használják a kiadók az AI-t a személyre szabott élmények és a bevételszerzési stratégiák közötti egyensúly megteremtésére

Kétségtelen, hogy a kiadók jó helyzetben vannak a közönségükkel fennálló kapcsolat kiaknázásához – rendelkeznek azokkal az eszközökkel, amelyek a személyre szabott élmény biztosításához és a különböző bevételi források biztosításához szükséges erős belső adatkészletek összegyűjtéséhez és létrehozásához szükségesek.

De ahogy az iparág egyre távolodik a cookie-alapú célzástól – és a Google-tól megszólal a webhelyek közötti nyomon követés alternatív azonosítómegoldásaival szemben, korlátozva a méretezhetőséget – a megjelenítőknek új módokat kell találniuk készletük értékének növelésére és kommunikálására, miközben gondoskodniuk kell arról is, hogy a bevételszerzési stratégiák összhangban legyenek a felhasználói élménnyel.

Itt jön be a mesterséges intelligencia (AI), amely kulcsszerepet játszik ennek az egyensúlynak a elérésében.

A lehetőségek nem tűnnek el; csak mások

A mai hirdetési környezet egyre bonyolultabb. A legtöbb digitális hirdetési kiadás meghatározott egyének megcélzására és újracélzására irányul, ami az identitás következetes láthatóságán és kiszámíthatóságán alapul. A Google lépése feltette ezt a megközelítést a "veszélyeztetettek" listájára, és valószínűleg tovább fokozza a meglévő széttagoltságot. A címezhető azonosítók létrehozása már korábban is nehéz volt – a felhasználók laptopokon, mobilokon, CTV-n és egyéb intelligens kütyükön voltak –, de most a márkáknak is váltaniuk kell a különböző technológiák és rendszerek között, amikor a Google-t vagy a nyílt webet használják.

A kiadói oldalon ez hatással lesz a személyre szabott stratégiákra, mint értékteremtésre, mind tartalmi, mind hirdetési szempontból. Ugyanakkor lehetőséget kínál a megjelenítőknek arra, hogy központibb szerepet játsszanak a megszólítható közönség elérésében azoknak a hirdetőknek, akik tartalomban gazdag élmények révén optimalizálni kívánják a hirdetési kiadásokat.

A mesterséges intelligencia technológia használatával a megjelenítők megkönnyíthetik az adatok betáplálási folyamatát, és a márkák belső adatait saját megszólítható közönségükkel nagyobb pontossággal egyeztethetik, mint más nem mesterséges intelligencia eszközök. A tisztatér technológiával együtt alkalmazva ez a magánélet védelmét biztosító és a kiadó által ellenőrzött teret biztosít az adat-együttműködéshez, amely hasonlósági alapon találja meg a közönséget, lehetővé téve a növekvő elérést a magánpiacokon.

A mesterséges intelligencia egy utat kínál a hatékony elérés növeléséhez

A kiadók két alapvető ásza természetesen a tartalom és a beleegyezés. A lebilincselő tartalom előállítása segít elnyerni a felhasználók elkötelezettségét és lojalitását, míg a felhasználóközpontú beleegyezés növeli a bizalom kiépítésének esélyét és az engedély megszerzését a sok keresett belső adatok gyűjtésére és felhasználására. Ennek alapján a megjelenítők jó helyzetben vannak, hogy az első fél-adatstratégiájuk alapjaira építsenek, hogy alapvető elérést biztosítsanak az ismert, bejelentkezett felhasználók számára.

A probléma azonban a jóváhagyott adatok korlátaiban rejlik. Nem minden felhasználó hajlandó megosztani az adatokat. Valójában széles körben úgy tartják, hogy a fogyasztók mindössze 2-10%-a oszt meg olyan részleteket, mint az életkor és a nem.

Az optimális elérés fenntartásához a megjelenítőknek ezért a bejelentkezési falakon túli lehetőségeket is meg kell vizsgálniuk. Azok, akik a lehető legnyilvánosabban elérhetővé akarják tartani a tartalmat, valószínűleg az AI adatfeldolgozási és -bővítő kapacitását fogják használni, hogy saját adatstratégiákra építsenek. A felhasználások listáján előkelő helyen áll a gépi tanuláson alapuló prediktív modellezés. A hozzájáruló felhasználói attribútumok elemzési alapként történő felhasználásával lehetővé teszi a címezhető elérés pontos kiterjesztését – az egyes kiadók által meghatározott testreszabott és ellenőrizhető pontossági rátáknak megfelelően – még determinisztikus adatok hiányában is.

Például, ha a valós idejű kontextuális adatokkal együtt használják, az AI felhasználói szintű adatok nélkül képes a megjelenítési szintű célzást előmozdítani. Minden használati esetnél a fő vonzereje az, hogy a kikövetkeztetett – nem deklarált – jellemzőkre fektetve az adatvédelmet az előtérben és középpontban tartják, lehetővé téve a személyre szabott élményt és a célzást a felhasználói élmény akadályozása nélkül.  

Egy példa arra, hogyan működhet ez a valós világban, a toborzási adatok. A toborzási hirdetési részleggel rendelkező kiadók olyan eszközöket használhatnak, amelyek segítségével integrálhatják az álláskeresőktől származó adatokat, és célzott hirdetéseket jeleníthetnek meg a releváns jelöltek számára. A mesterséges intelligencia ezután az elérés skálázására használható, a kezdeti toborzási adatok alapján kibővítve a közönséget, hogy más statisztikailag releváns fogyasztókat is elérjen a felhasználói élmény befolyásolása nélkül.

Mi következik az ipar számára?

A kollektív ipar kristálygömbjébe nézni soha nem könnyű, de vannak jelei, hogy merre fújnak a szelek. Például a Google Privacy Sandbox kezdeményezésének, a FLoC-nak a legújabb javaslata a gépi tanulási elemzés használatát javasolja a célzás kohorszalapú megközelítésének létrehozásához.

Ez jó hír lehet azoknak a megjelenítőknek, akik korábban ódzkodtak a mesterséges intelligencia által támogatott közönségterjesztéstől: ez lehetővé teszi számukra, hogy szorosabb kapcsolatot építsenek ki a hirdetőkkel, és előkészítsék az utat a közönség növeléséhez. Félretéve azt a vitát, hogy a FLoC versenyellenes lesz-e vagy sem, nem tagadható, hogy valószínűleg a géppel tanult szegmentálás és személyre szabás, ami jó lépés az iparág számára.

A folyamatosan változó iparágban a mesterséges intelligencia végső soron lehetőséget biztosít a kiadók számára, hogy optimisták legyenek a személyre szabott élmények és a személyes adatok védelmét szolgáló bevételszerzési stratégiák közötti egyensúly megteremtésében. A mesterséges intelligencia által kínált fejlett megoldások lehetővé teszik a kiadók számára, hogy megtalálják saját útjukat, és felszereljék őket azokkal az eszközökkel, amelyek megmutatják, hogy nem pusztán belső adatszolgáltatók, hanem a méretezhető, adatvédelem szempontjából biztonságos megoldásokhoz is kapcsolódnak.

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