Kako založniki uporabljajo umetno inteligenco za uravnoteženje prilagojenih izkušenj s strategijami monetizacije

Brez dvoma so založniki v dobrem položaju, da izkoristijo odnos s svojim občinstvom – imajo sredstva za zbiranje in izgradnjo močnih naborov podatkov prve osebe, ki so potrebni za zagotavljanje prilagojenih izkušenj in spodbujanje različnih tokov prihodkov.

Vendar pa se industrija vse bolj odmika od ciljanja na podlagi piškotkov – in Googla spregovori proti alternativnim rešitvam ID za sledenje med spletnimi mesti, kar omejuje zmožnost prilagajanja – založniki morajo najti nove načine za povečanje in sporočanje vrednosti svojega inventarja, hkrati pa zagotoviti, da so strategije monetizacije usklajene z uporabniško izkušnjo.

Tu nastopi umetna inteligenca (AI), ki igra ključno vlogo pri doseganju tega ravnovesja.

Priložnosti ne izginejo; samo drugačni so

Današnje oglaševalsko okolje je vedno bolj zapleteno. Večina porabe za digitalne oglase gre za ciljanje in ponovno ciljanje na določene posameznike, kar je odvisno od dosledne vidnosti in izračunljivosti identitete. Googlova poteza je ta pristop uvrstila na seznam "ogroženih" in bo verjetno prispevala k obstoječi razdrobljenosti. Konstruiranje naslovljivih identifikatorjev je bilo že težko – uporabniki so bili razpršeni po prenosnikih, mobilnih napravah, CTV in drugih pametnih pripomočkih – zdaj pa bodo morale blagovne znamke pri uporabi Googla ali odprtega spleta tudi preklapljati med različnimi tehnologijami in sistemi.

Na strani založnika bo to vplivalo na strategije personalizacije kot sredstva za zagotavljanje vrednosti, tako z vidika vsebine kot z vidika oglaševanja. Vendar pa založnikom ponuja tudi priložnost, da igrajo osrednjo vlogo pri zagotavljanju dostopa do ciljnih skupin za oglaševalce, ki želijo optimizirati porabo oglasov z izkušnjami, bogatimi z vsebino.

Z uporabo tehnologije umetne inteligence lahko založniki olajšajo postopek vključevanja podatkov in povežejo lastne podatke blagovnih znamk z lastnimi naslovljivimi ciljnimi skupinami z višjo stopnjo natančnosti kot druga orodja brez umetne inteligence. Če se uporablja v povezavi s tehnologijo čistih prostorov, to zagotavlja prostor, ki je varen glede zasebnosti in ga nadzoruje izdajatelj, za sodelovanje pri podatkih, ki se ujema s ciljnimi skupinami na podlagi podobnosti, kar omogoča postopen doseg na zasebnih trgih.

AI ponuja pot do učinkovitega izboljšanja dosega

Dva ključna asa založnikov sta seveda vsebina in privolitev. Izdelava privlačne vsebine pomaga pridobiti angažiranost in zvestobo uporabnikov, medtem ko soglasje, osredotočeno na uporabnika, poveča možnosti za izgradnjo zaupanja in pridobitev dovoljenja za zbiranje in uporabo zelo iskanih podatkov prve osebe. Na podlagi tega so založniki v dobrem položaju, da gradijo na temeljih svoje prve strategije podatkov strank, da zagotovijo osnovni doseg za znane, prijavljene uporabnike.

Težava pa je v omejitvah privoljenih podatkov. Vsi uporabniki ne bodo pripravljeni deliti podatkov. Pravzaprav splošno velja, da le 2–10 % potrošnikov deli podrobnosti, kot sta starost in spol.

Da bi ohranili optimalen doseg, bodo morali založniki raziskati možnosti onkraj prijavnih sten. Tisti, ki želijo ohraniti čim bolj odprto dostopnost vsebine, se bodo verjetno obrnili k uporabi zmogljivosti za obdelavo podatkov in izboljšave umetne inteligence za nadgradnjo lastnih podatkovnih strategij. Visoko na seznamu uporab je napovedno modeliranje, ki ga poganja strojno učenje. S tem, ko kot analitično osnovo vzame atribute uporabnikov, ki se strinjajo, omogoča natančno razširitev naslovljivega dosega – v skladu s prilagojenimi in preverljivimi stopnjami natančnosti, ki jih določi vsak izdajatelj – tudi če manjkajo deterministični podatki.

Na primer, če se uporablja skupaj s kontekstualnimi podatki v realnem času, lahko AI spodbuja ciljanje na ravni prikazov brez podatkov na ravni uporabnika. Pri vsakem primeru uporabe je glavna privlačnost ta, da poudarek na ugotovljenih – ne deklariranih – značilnostih ohranja zasebnost v ospredju, kar omogoča prilagojene izkušnje in ciljanje, ne da bi ovirali uporabniško izkušnjo.  

Primer, kako bi to lahko delovalo v resničnem svetu, so podatki o zaposlovanju. Založniki z oddelki za oglaševanje zaposlovanja lahko izkoristijo orodja za integracijo podatkov iskalcev zaposlitve za prikaz visoko ciljanih oglasov ustreznim kandidatom. Umetno inteligenco je nato mogoče uporabiti za povečanje dosega, s čimer razširite občinstvo na podlagi začetnih podatkov o zaposlovanju, da dosežete druge statistično pomembne potrošnike, ne da bi to vplivalo na uporabniško izkušnjo.

Kaj je naslednje za industrijo?

Gledanje v kristalno kroglo kolektivne industrije ni nikoli preprosto, vendar obstajajo znaki, v katero smer pihajo vetrovi. Na primer, zadnji predlog, ki izhaja iz Googlove pobude Privacy Sandbox, FLoC, predlaga uporabo analize strojnega učenja za ustvarjanje kohortnega pristopa k ciljanju.

Za založnike, ki so bili prej previdni glede združevanja občinstva s pomočjo umetne inteligence, bi to lahko bila dobra novica: omogočilo jim bo vzpostaviti močnejše vezi z oglaševalci in utrlo pot do povečanja občinstva. Če pustimo ob strani razpravo o tem, ali bo FLoC protikonkurenčen ali ne, ni mogoče zanikati, da bo verjetno spodbudil nadaljnji razvoj strojno naučena segmentacija in personalizacija, kar je dobra poteza za industrijo.

V industriji, ki se nenehno spreminja, umetna inteligenca končno ponuja priložnost za izdajatelje, da so optimistični glede svoje sposobnosti, da uravnotežijo prilagojene izkušnje s strategijami monetizacije, ki dajejo prednost zasebnosti. Napredne rešitve, ki jih ponuja umetna inteligenca, omogočajo založnikom, da si utirajo lastno pot, in jih opremijo z orodji, potrebnimi za dokazovanje, da niso le ponudniki podatkov prve osebe, temveč so vezni člen razširljivih rešitev, ki varujejo zasebnost.

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