Новость

Почему контекстный таргетинг на мобильных устройствах возвращается в эпоху конфиденциальности

23.05.2022 <<Назад

Вся отрасль находится в разгаре борьбы с последствиями развертывания Apple iOS 14.5+, новой структуры конфиденциальности Apple ATT и сопутствующего решения для атрибуции SKAdNetwork . На данный момент немногие из нас незнакомы с проблемами такого радикального и внезапного сдвига.

Мы все продолжим узнавать о том, что работает для экосистемы по мере распространения iOS 14.5+ и SKAdNetwork, но один из очевидных первых выводов — это важность актуальных, подробных и масштабируемых контекстуальных данных.

Хотя конкуренция за идентифицируемых пользователей, возможно, привела к увеличению стоимости приобретения, стратегическая ценность альтернативных подходов к таргетингу, помимо идентификаторов пользователей , предоставляет прекрасную возможность для увеличения отдачи от ваших инвестиций.

Что такое «контекстный»?

Если вернуться к определению «контекстных данных», это поможет отточить виды источников и типов данных, которые можно измерить для повышения производительности.

Данные о показе контекстной рекламы могут ссылаться на любые метаданные для запроса рекламы, которые сообщают нам что-то о среде просмотра, в которой показывается эта реклама. Это может быть как платформа, например, iOS по сравнению с Android, так и детализированное сочетание игровых функций или визуального стиля в рекламном контенте с поджанром игры, в которой показывается реклама.

Вне игр более подробные контекстные данные могут сопоставляться с персонажами бренда так, как это обычно делают сегодня аудитории, основанные на интересах. Например, интерес пользователей к веселым, красочным и оптимистичным брендам можно сопоставить с данными о настроении для более успешного продвижения игр или брендов.

Используя контекстные данные, мы пытаемся сделать о зрительской аудитории столько, сколько может нам рассказать окружающая среда. Чем богаче данные, тем лучше мы можем предсказать эффективность рекламы и ее потенциальную привлекательность для аудитории.

В прошлом мы полагались на обширные хранилища пользовательских данных, чтобы прогнозировать интерес и вовлеченность аудитории. Теперь, когда данные как на уровне пользователя, так и на уровне устройства гораздо более ограничены, нам нужны более подробные и подробные данные о среде просмотра.

Понимание среды просмотра

Контекстный таргетинг не нов, и, к счастью, у маркетологов есть много возможностей для добавления инструментов. Но стало обязательным, чтобы мы делали это с обеих сторон рекламного запроса, чтобы зафиксировать контекстные сигналы для всей среды просмотра, т. е. для издателя, а также для самого объявления.

Подразумевается, что рекламодатели должны следовать стратегиям сопоставления, чтобы показывать креативы с похожими контекстными подсказками в среде приложений, которые имеют одинаковые атрибуты, вплоть до высокого разрешения детализации.

В конечном счете, рекламодателям нужны наборы данных, которые выходят за рамки основных жанров и рейтинга производительности, а включают в себя поджанры, функции игр и другие атрибуты, которые указывают на интерес и позволяют рекламодателям масштабировать свои креативы.

Эта комбинация дает рекламодателям уникальный набор контекстных данных для всей среды просмотра, которые помогут им добиться наилучших результатов.

Применение контекстных данных на практике

Одной из ключевых проблем, которую масштабируемые контекстные данные могут помочь маркетологам решить, является сложность ручного управления целевыми списками приложений, метаданными и их систематического сопоставления для надлежащего выполнения целей кампании. Это усугубляется проблемой ограниченности пользовательских данных из-за недавних правил конфиденциальности Apple и высокой изменчивостью возврата инвестиций (ROI), когда прогнозируемых данных о производительности недостаточно.

Для маркетологов крайне важно иметь решение и источник данных, которые освобождают их от громоздких ручных электронных таблиц и освобождают рекламную команду, чтобы сосредоточиться на поиске рычагов производительности и оптимизации рентабельности инвестиций.

Маркетологи могут создавать масштабируемые белые списки, находя и используя контекстные наборы данных, описывающие обе стороны рекламной среды в одних и тех же терминах. Задача, конечно же, состоит в том, чтобы найти решения, которые могут предоставить надежные исходные данные и технологии, применимые к потенциально тысячам креативов и кампаний.

Среди вопросов, которые следует задать о вашем подходе к контекстуальному таргетингу, — верите ли вы в данные и достаточно ли они богаты и разнообразны, чтобы вы могли формировать гипотезы, которые вы можете проверять и повторять.

Тонкие наборы данных, которые останавливаются на оценках жанров или приложений, могут быть ограничены. Также помните, что вам нужно будет индексировать свои собственные креативы и применять последовательную методологию, чтобы вы могли быть уверены в своих результатах, не создавая для себя слишком много работы.

Критерии успеха

В то время как обширные наборы контекстных данных являются потенциальным источником информации и драйверами производительности в мире, в котором все больше внимания уделяется конфиденциальности , нам нужны контекстные данные, отвечающие трем критериям, чтобы двигаться вперед:

Данные должны быть действенными
И данные, и обоснованные действия должны быть масштабируемыми
Мы должны иметь возможность измерять результаты наших контекстуальных стратегий, основанных на данных.

«Действующие данные» означают, что данные должны быть достаточно надежными, чтобы на их основе можно было делать выводы и действовать с точки зрения проведения кампании.

Например, одностороннего набора данных о популярности или производительности приложения недостаточно для поддержки сложных стратегий. Наличие набора жанров и поджанров, информации об игровых элементах или функциях, персонажах, настроениях и стилях, которые дают четкое представление о конкретной аудитории по обе стороны среды обслуживания, позволит вам разработать и проверить надежные гипотезы с помощью повторяемые результаты.

Но как только будет определен более надежный и подробный набор данных, важным станет второй критерий: данные должны масштабироваться.

Это всегда было критическим тестом для прохождения данных таргетинга, лучшие собственные данные об аудитории настолько хороши, насколько хороши их возможности давать результаты в больших масштабах, а достижение предела охвата обычно является первым препятствием.

Для контекстных данных, ищущих уникальное пересечение просмотра и окружающей среды, масштабирование будет проблемой.

Наконец, и это очевидно, результаты должны быть измеримыми. Эксперименты должны быть структурированы и проводиться таким образом, чтобы рост, связанный с гипотезами, можно было измерить и проверить.

Как всегда, изоляция сигналов контекстного таргетинга и сопоставления будет сложной задачей в шуме активной кампании, и управление вашей кампанией для контекстного таргетинга, вероятно, будет таким же надежным, как и другие типы таргетинга.

Основные выводы

По мере того, как инициативы в области конфиденциальности набирают обороты в предстоящем году, а отрасль в целом ищет новые преимущества в производительности, ожидайте, что богатые наборы контекстуальных данных станут более ценными и будут применяться с большей строгостью.

Рекламодателям необходимо искать по-настоящему масштабируемые решения, чтобы выделиться и повысить производительность.

Менеджеры UA должны спросить себя, исследовали ли они лучшие доступные источники масштабируемых данных не на уровне пользователей, и могут ли они реализовать стратегии кампании, которые не только эффективно используют данные, но и повышают производительность.

<<Назад