Lucyna Koba i Mateusz Jędrocha z RTB House odpowiadają na pytania uczestników DIMAQ Voice.
Targetowanie kontekstowe raz jeszcze stało się kluczową kwestią dla marek i cyfrowych reklamodawców. Chociaż specjaliści od marketingu mogą odczuwać déjà vu, nie oznacza to, że wracamy do przeszłości. Poniżej wyjaśniamy, w jaki sposób algorytmy AI rewolucjonizują techniki targetowania kontekstowego.
Lucyna Koba była prelegentką listopadowej edycji DIMAQ Voice Online – bezpłatnych spotkań dla entuzjastów digital marketingu organizowanych przez IAB Polska. Podczas prezentowania możliwości targetowania kontekstowego pojawiło się wiele szczegółowych pytań dotyczących tego tematu. Poniżej odpowiedzi na wybrane z nich:
Jak zacząć z targetowaniem kontekstowym? Czy tu zawsze trzeba nawiązywać współpracę z agencją czy domem mediowym?
Aby rozpocząć kampanię z targetowaniem kontekstowym trzeba na pewno rozpocząć współpracę z partnerem technologicznym, który posiada ku temu odpowiednie narzędzia. Korzystanie z pośrednictwa agencji czy domu mediowego nie jest w tym wypadku konieczne. Najważniejsze jest zwrócenie uwagi na zaawansowanie technologii – jak szybko i na podstawie jakich zmiennych dany algorytm określa kontekst, w jakim ma się ukazać reklama.
Jak do targetowania kontekstowego ma się targetowanie behawioralne?
Targetowanie kontekstowe odbywa się w czasie rzeczywistym, podczas gdy targetowanie behawioralne bierze pod uwagę zachowania danego użytkownika w przeszłości i na tej podstawie zakłada pewne zachowania przyszłe. W przypadku targetowania kontekstowego wspomaganego zaawansowaną technologią AI docieramy do użytkowników, którzy z dużym prawdopodobieństwem zainteresowani są jakimś tematem czy kategorią produktową właśnie teraz – co przekłada się na krótko i długoterminowy efekt reklamy.
Jak dobre targetowanie kontekstowe może podnieść konwersję na przykładach rynkowych przy niezmiennym budżecie?
Na naszych kampaniach prowadzonych z wykorzystaniem technologii AI na poziomie deep learning widzimy, że jesteśmy w stanie poprawić wskaźniki jakościowe nawet o kilkadziesiąt procent. Porównując się do globalnych benchmarków, widzimy, że nasze kampanie wideo osiągają nawet do 47% wyższy completed rate i nawet do 33% wyższe viewability, a także do 56% wyższy odsetek reklam odtwarzanych z dźwiękiem. Te dane świadczą niezbicie o lepszym dopasowaniu reklam do zainteresowań odbiorcy, czyli o wyższym zaangażowaniu. Oczywiście takie wyniki osiągamy dzięki naszej technologii obecnej nie tylko w targetowaniu kontekstowym, ale także w pozostałych aspektach mających wpływ na efektywność działań reklamowych – czas, format i treść komunikacji.
Cały artykuł przeczytasz na łamach serwisu NowyMarketing.pl, partera DIMAQ:
Targetowanie kontekstowe z reguły wiąże się z wyższym kosztem dotarcia. Łatwo o przepalenie budżetu w wypadku błędnego określenia profilu użytkownika. Jak nie popełnić tego błędu?
W przypadku kampanii realizowanych przez RTB House targetowanie kontekstowe nie ma wpływu na koszt dotarcia – oferujemy je w ramach standardowych kosztów kampanii. Natomiast jeśli chodzi przepalanie budżetu to oczywiście kwestia precyzji odczytywania kontekstu – a więc kwestia technologii, która wspiera ten rodzaj targetowania. Korzystamy z najbardziej zaawansowanej technologii, jaką jest deep learning – jest 2,5 tysiąca razy szybsza niż konwencjonalny machine learning. Dlatego ewaluacja użytkownika i jego gotowości na tę konkretną reklamę jest na tyle dokładna, że możemy raczej mówić o oszczędnościach w efektywnym docieraniu do odbiorcy, a nie o przepalaniu budżetu.
A jak wygląda kwestia budżetów przy targetowaniu kontekstowym np. gdy mam produkt, który jest dedykowany do rodziców w wieku 25-45 i to jest najsilniejsza grupa? Gdybym chciała uwzględnić targetowanie kontekstowe i dobrać np. dziadków czy osoby, które mogłyby być też grupą docelową. Czy to nie podnosi znacznie budżetu reklamowego?
Targetowanie kontekstowe zakłada właśnie nie ograniczanie się do demograficznego segmentu target grupy. A to oznacza, że nie mówimy tu o dokładaniu kolejnej generacji – jak w podanym przykładzie. Kampania kierowana jest na strony, które z dużym prawdopodobieństwem odwiedzają osoby zainteresowane danym produktem – algorytm nie rozpoznaje czy są to rodzice, dziadkowie czy ciocie. Ocenia w czasie rzeczywistym na ile kontekst danej strony jest adekwatny do reklamy. Nie oznacza to, że np. reklama zabawek dla dzieci wyświetli się tylko na stronach parentingowych. Może to być również przy artykule na temat prezentów świątecznych czy też life style dla tzw. silver generation – na podstawie ważenia słów kluczowych.
Ile czasu potrzeba, aby przeprowadzić kampanie z pełnym potencjałem? Ile czasu ContextAI potrzebuje na naukę?
W przypadku kampanii brandingowych pełny potencjał kampanii osiągany jest po ok 3 dniach od startu. Technologia ContextAI jest autorską technologią stworzoną przez RTB House, która pozwala na dopasowanie wyświetlanych reklam w oparciu o treść artykułów i stron. Samo ContextAI nie potrzebuje dodatkowego czasu, aby pracować na pełnym potencjale. CAI stale prześwietla i analizuje inventory RTB House – odpowiednio je kategoryzując.
Czy algorytm wykluczy strony, które krytykują mój produkt choć kontekstowo wszystko się zgadza? Czy jednak będzie reklamował mnie dalej tam gdzie mnie „nie lubią”? 🙂
Algorytm wykluczy krytyczny artykuł, jeśli przed kampanią odpowiednio zdefiniujemy słowa/frazy kluczowe. Odpowiednio skonstruowana black lista pozwoli na uniknięcie większości takich sytuacji.
Czy w obliczu cookieless future szykują się jakieś przełomowe zmiany i optymalizacje w mechanizmach targetowania kontekstowego? W jakim kierunku będą szły te zmiany?
Targetowanie kontekstowe to właściwie dziś gotowa odpowiedź na cookieless world. W tym rozwiązaniu algorytm AI nie analizuje zachowania ciasteczka w przeszłości, ocenia zasadność wyświetlenia reklamy tu i teraz. A więc nie potrzebujemy kolekcjonować historii ciasteczka, aby podjąć decyzję o rozpoczęciu bidowania i jego stawce. To, co z pewnością zadzieje się w przyszłości (bo dzieje się cały czas już teraz) – algorytm deep learning na skutek stałej samo-nauki będzie jeszcze bardziej efektywny w dopasowaniu reklamy do oczekiwań użytkownika.
Autorzy: Lucyna Koba, Senior Business Development Manager Mateusz Jędrocha, Head of Upper-Funnel Solutions Development, RTB House
Cały artykuł przeczytasz na łamach serwisu NowyMarketing.pl, partera DIMAQ: