Sådan forbliver du effektiv med digital privatlivskontrol og GDPR/CCPA
Scoring af anmodninger om indtryk
Med Europas GDPR og Californiens CCPA samt det faktum, at både Google og Apple begrænser brugen af enheds-ID'er og cookies, er branchen nødt til at begynde at arbejde med andre metoder for at sikre og opretholde effektivitet.
Den tilsyneladende mangel på nøjagtighed, som ovenstående medfører, betyder ikke, at en person ikke kan blive "fundet" og få vist en relevant annonce. Her er grunden:
På en normal dag modtager vi mere end 1 million annonceanmodninger i sekundet. Anmodningerne kommer med metadata såsom dato, tid, placering eller et enheds-ID som Apples IDFA. Vi kan bruge IDFA til at afgøre, om vi har vist en visning på denne enhed før. Vi kan også se, om enheden befinder sig inden for et bestemt datasegment, som vi finder relevant for den pågældende kampagne.
Mange leverandører og indkøbsnetværk er afhængige af ID'er for at finde og målrette specifikke enheder/individer. Men fra dag 1 har vi med succes anvendt maskinlæringsmekanismer til at afgøre, om en annonceanmodning er egnet til en bestemt kampagne. I bund og grund bliver hvert signal automatisk kategoriseret og får en score - baseret på maskinlæring - for at lære og anvende effekten af hvert signal på kampagnens performance.
Kombinationen af de nuværende variabler får en score baseret på historiske data og live/aktuel kampagneperformance. Denne score afgør, om vi byder (og hvor højt) på den specifikke annonceforespørgsel - "kigger" på kampagnekonfigurationen og dens mål.
De annonceanmodninger, der er beskrevet ovenfor, er også kendt som LAT-anmodninger (Limited Ad Tracking). Da hele branchen bevæger sig i retning af LAT-baserede anmodninger om visninger, føler vi, at vi har anvendt den rigtige strategi for målretning kontra privatliv fra dag 1. Vi fokuserer - og har altid gjort det - på nye måder at målrette og attribuere på.
Har du lyst til at dele idéer, har du spørgsmål, eller har du bare lyst til at diskutere? Så kontakt os!