信号丢失需要使用其他信号。
22Squared是一家总部位于亚特兰大的媒体机构,其客户包括巴斯金-罗宾斯(Baskin-Robbins)、Publix和东南丰田(Southeast Toyota)。该公司负责数字投资的媒体总监约翰•柯克(John Kirk)表示:“对我们来说,目前最大的趋势是想方设法减少对cookie数据的依赖。”
柯克说,另一种方法是“锁定我们有数据的受众”。
本着这种精神,22Squared一直在测试一种解决方案AdTheorent该公司利用机器学习,根据印象将导致预期结果的概率,对程序性清单进行评分。东南丰田也是该产品的发布合作伙伴。
AdTheorent首席执行官吉姆•劳森表示:“我们并不是在追逐个人id,并对他们进行反复定位。“我们正在确定目标受众的统计参数。”
编程了
AdTheorent不是使用CRM文件或cookie来识别用户并提供印象,而是分析通常由品牌提供的种子数据集,以尽可能多地了解品牌的目标受众,包括行为、从应用程序sdk中提取的位置数据、人口统计数据和垂直特定数据,如CPG、汽车、旅游或零售。
AdTheorent随后建立了一个预测模型,用于搜索广告购买者最有可能找到具有这些特征的人的库存。
这是一种在不暴露个人数据或针对个人的情况下扩大目标受众的方法,劳森说。
他说:“我知道‘隐私安全’已经成为一个流行词,非常流行,但我认为这是隐私安全的,因为它不是以用户为中心的,它是一个聚合数据集,种子数据不用于定位。”
最新数据
从数据新鲜度的角度来看,使用种子数据推断受众信息也很有帮助。
柯克说,数据的新鲜度“一直是个挑战”。
他说:“购买行为在不断变化,总的来说是这样,但在新冠肺炎期间变得更加明显。”“而不是最新鲜的第三方观众群体也不利于演出。”
但机器学习方法允许AdTheorent对受众和库存进行近乎实时的评分。
假设一个汽车品牌正在寻找有可能在一定时间内购买汽车的市场汽车消费者。
该品牌将向AdTheorent提供过去购买过汽车的人的信息(例如CRM数据或关键字搜索列表),AdTheorent将使用这些信息提取所需行为的一系列预测属性,并找到相关的印象机会,这些印象机会很有可能转化为特定的kpi。
柯克说:“我想说的是,我们不只是在寻找志同道合的人,我们也在寻找志同道合的印象。”“预测算法正在寻找我们的广告有可能接触到准备购买的人的任何地方。”
测量是通过一个简单的站点像素来提供的,它可以标记广告投放后是否发生了事件——但仅此而已。
“这是一个‘是’或‘不是’的问题,”劳森说。“我们只是想知道某个印象是否产生了效果,但我们不会在竞选活动结束后获取身份证件,并将其列入名单。”
这不是魔法
然而,AdTheorent确实让广告商了解了它的模型是如何工作的,这在机器学习驱动的广告产品中并不常见。
谷歌的最大性能而且Meta的优势两者都是黑箱,要求广告商以控制权换取业绩。
劳森说:“我们希望帮助品牌更多地了解他们的受众。“这就像黑盒子的反面。”
柯克说,能够控制数据输入和输入模型的内容是一个很有吸引力的前景,尤其是从战略的角度来看。
柯克说:“我们总是听到谷歌说,‘嘿,它就是有用’,就像它有魔力一样,但这还不够好。”“我们还需要透明的数据输入,我们希望对这些输入有发言权。”