게시자가 AI를 사용하여 개인화 된 경험과 수익 화 전략의 균형을 맞추는 방법

의심 할 여지없이 게시자는 잠재 고객과의 관계를 활용할 수있는 위치에 있습니다. 개인화 된 경험을 제공하고 다양한 수익원을 지원하는 데 필요한 강력한 자사 데이터 세트를 수집하고 구축 할 수있는 수단을 보유하고 있습니다.

그러나 업계가 쿠키 기반 타겟팅에서 멀어지면서 말하다 교차 사이트 추적을위한 대체 ID 솔루션과 비교하여 확장 기능을 제한합니다. 게시자는 인벤토리의 가치를 높이고 전달하는 동시에 사용자 경험에 맞는 수익 창출 전략을 보장하는 새로운 방법을 찾아야합니다.

인공 지능 (AI)이 이러한 균형을 이루는 데 핵심적인 역할을합니다.

기회는 사라지지 않습니다. 그들은 단지 다르다

오늘날의 광고 환경은 점점 더 복잡해지고 있습니다. 대부분의 디지털 광고 지출은 특정 개인을 타겟팅하고 재 타겟팅하는 데 사용되며, 이는 일관된 가시성과 신원 계산 가능성에 의존합니다. 구글의 움직임은 이러한 접근 방식을 '위험'목록에 올렸으며 기존의 단편화에 추가 될 가능성이 높습니다. 사용자가 노트북, 모바일, CTV 및 기타 스마트 기기에 퍼져 있기 때문에 주소 지정이 가능한 식별자를 구성하는 것은 이미 어려웠지만 이제 브랜드는 Google 또는 개방형 웹을 사용할 때 다른 기술과 시스템간에 전환해야합니다.

게시자 측에서 이는 콘텐츠 및 광고 관점에서 가치를 제공하는 수단으로서 개인화 전략에 영향을 미칩니다. 그러나 콘텐츠가 풍부한 경험을 통해 광고 지출을 최적화하려는 광고주에게 주소 지정 가능한 잠재 고객에 대한 액세스를 제공하는 데있어 게시자에게 더 중요한 역할을 할 수있는 기회도 제공합니다.

AI 기술을 사용하여 게시자는 데이터 온 보딩 프로세스를 촉진하고 다른 비 AI 도구보다 높은 정확도로 브랜드의 자사 데이터를 자신의 주소 지정 가능한 대상과 일치시킬 수 있습니다. 클린 룸 기술과 함께 적용하면 유사성 기반의 청중과 일치하는 데이터 공동 작업을위한 개인 정보 보호 및 게시자 제어 공간을 제공하여 비공개 시장에서 점진적으로 도달 할 수 있습니다.

AI는 효과적인 도달 범위 향상을위한 경로를 제공합니다

게시자가 보유한 두 가지 핵심 에이스는 물론 콘텐츠와 동의입니다. 매력적인 콘텐츠를 제작하면 사용자 참여와 충성도를 높이는 데 도움이되는 반면, 사용자 중심 동의는 신뢰를 구축하고 많이 찾는 자사 데이터를 수집하고 사용할 수있는 권한을 얻을 가능성을 높입니다. 이를 바탕으로 게시자는 자사 데이터 전략을 기반으로 알려진 로그인 사용자에게 기본적인 도달 범위를 제공 할 수있는 좋은 위치에 있습니다.

그러나 문제는 동의 된 데이터의 한계에 있습니다. 모든 사용자가 데이터를 공유하는 것은 아닙니다. 실제로 소비자의 2 ~ 10 %만이 나이와 성별과 같은 세부 정보를 공유하는 것으로 널리 알려져 있습니다.

따라서 최적의 도달 범위를 유지하려면 게시자는 로그인 벽을 넘어 옵션을 탐색해야합니다. 콘텐츠를 가능한 한 공개적으로 유지하려는 사람들은 AI의 데이터 처리 및 향상된 기능을 사용하여 자사 데이터 전략을 구축 할 가능성이 높습니다. 사용 목록에서 가장 높은 것은 기계 학습을 기반으로하는 예측 모델링입니다. 동의 한 사용자 속성을 분석 기반으로 삼아 결정 론적 데이터가 부족한 경우에도 각 게시자가 설정 한 사용자 지정되고 검증 가능한 정확도 비율에 따라 주소 지정 가능한 도달 범위를 정확하게 확장 할 수 있습니다.

예를 들어 실시간 문맥 데이터와 함께 사용하면 AI가 사용자 수준 데이터없이 노출 수준 타겟팅을 유도 할 수 있습니다. 모든 사용 사례에서 주된 매력은 선언되지 않은 추론 된 특성에 대한 강조가 프라이버시를 전면 중앙에 유지하여 사용자 경험을 방해하지 않고 개인화 된 경험과 타겟팅을 가능하게한다는 것입니다.  

이것이 실제 세계에서 어떻게 작동 할 수 있는지에 대한 예는 채용 데이터입니다. 채용 광고 부서가있는 게시자는 도구를 활용하여 구직자의 데이터를 통합하여 관련 후보자에게 고도로 타겟팅 된 광고를 표시 할 수 있습니다. 그런 다음 AI를 사용하여 도달 범위를 확장하고 초기 모집 데이터를 기반으로 잠재 고객을 확장하여 사용자 경험에 영향을주지 않고 통계적으로 관련있는 다른 소비자에게 도달 할 수 있습니다.

업계의 다음 단계는 무엇입니까?

집단 산업의 수정 구슬을 바라 보는 것은 결코 쉬운 일이 아니지만, 바람이 불고 있다는 신호가 있습니다. 예를 들어, Google의 프라이버시 샌드 박스 이니셔티브 인 FLoC에서 나온 최신 제안은 타겟팅에 대한 집단 기반 접근 방식을 만들기 위해 머신 러닝 분석을 사용할 것을 제안합니다.

이전에 AI 지원 잠재 고객 신디케이션을 경계했던 게시자에게는 좋은 소식이 될 수 있습니다. 광고주와의 유대 관계를 강화하고 잠재 고객을 확장 할 수있는 길을 열어주는 것입니다. FLoC가 반 경쟁적 일지 여부에 대한 논쟁을 제쳐두고, FLoC가 향후 개발을 주도 할 것이라는 사실을 부인할 수 없습니다. 기계 학습 세분화 및 개인화, 이는 업계에 좋은 움직임입니다.

지속적으로 변화하는 산업에서 AI는 궁극적으로 게시자가 개인화 된 경험과 개인 정보 보호 우선 수익 화 전략의 균형을 맞출 수있는 능력에 대해 낙관 할 수있는 기회를 제공합니다. AI가 제공하는 고급 솔루션은 게시자가 자신의 경로를 구축하고 단순히 자사 데이터 제공 업체가 아니라 확장 가능한 개인 정보 보호 솔루션에 대한 린치 핀을 보여주는 데 필요한 도구를 제공 할 수 있도록합니다.

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