Gizlilik Öncelikli Hedefleme: Üçüncü Taraf Çerezler Olmadan Ad Tech Kurmak

Büyük bir DSP, Chrome üçüncü taraf çerezlerini tamamen kaldırdıktan sonraki hafta audience match oranını ölçtü. Oran bir gecede %72'den %31'e düştü.

En hızlı toparlanan ekipler çok sinyalli hedefleme hatlarını çoktan kurmuştu. Geri kalanlar aylarını sonradan uyarlamayla geçirdi.

First-party veriyi en yüksek değerli hedefleme sinyali olarak toplayın

Sadakat programları, kimliği doğrulanmış deneyimler ve bülten abonelikleri üzerinden kullanıcılarıyla doğrudan ilişki kuran şirketler, programatik reklamcılıktaki en değerli veriye sahiptir.

Kimliği doğrulanmış birinci taraf sinyallerini işleyen bir demand-side platform, olasılıksal segmentlere dayanan bir platforma kıyasla %20-40 daha fazla gösterim eşleştirir. Mühendislik tarafında yapılacaklar:

• Hash'lenmiş e-postaları, oturum açma olaylarını ve yayıncı tarafından sağlanan kimlikleri kabul eden esnek kimlik çözümleme hatları
• Ham kullanıcı verisinin sistem sınırlarını aşmasını engelleyen PII izolasyon sınırları - ad exchange hiçbir zaman hash'lenmemiş tanımlayıcıları görmez
• Saatler içinde bayatlayan toplu hesaplanmış segmentler yerine, teklif anında gerçek zamanlı segment değerlendirmesi
• DSP tarafında şema değişikliği gerektirmeden özel taksonomileri kabul eden yayıncı verisi entegrasyon API'leri

Kullanıcı düzeyindeki hedefleme hassasiyetiyle boy ölçüşen bağlamsal yapay zekâyı devreye alın

Bağlamsal hedefleme, anahtar kelime eşleştirmesinin çok ötesine geçti. Transformer tabanlı modeller sayfanın tüm anlamsal yapısını - konu, duygu tonu, marka güvenliği sinyalleri - analiz ediyor ve birçok kampanya türünde kullanıcı düzeyindeki veriyle yarışan bir hedefleme hassasiyeti sunuyor.

Ad tech geliştiren ekipler için avantaj: bağlamsal sinyaller kullanıcı verisi, karmaşık onay yönetimi ve mevzuata maruziyet gerektirmez. Kısıt ise şu: çıkarım, reklam isteği anında gerçekleşmek zorunda.

• Her teklif değerlendirmesine 5ms ekleyen bağlamsal bir sınıflandırıcı, 10ms zaman aşımıyla çalışan bir gerçek zamanlı teklif verme platformu için fazla yavaştır
• Yayıncı sayfalarının tarama sırasında önceden sınıflandırılması, gerçek zamanlı yükü 0.5ms altındaki bir önbellek sorgusuna indirir
• Reklamverene özel marka güvenliği gereksinimleriyle eğitilmiş semantik modeller, alaka metriklerinde genel sınıflandırıcıları %15-25 geride bırakır

Bağlamsal yapay zekâ, kullanıcı verisi olmadan hedefleme sağlar. Mühendislik maliyeti gizlilik uyumu değil, çıkarım hızıdır.

Üretim olgunluğuna ulaşan üç gizlilik artırıcı teknolojiyi entegre edin

Gizliliği artıran teknolojilerin (PET) üç kategorisi artık üretimde çalışıyor:

• Cihaz üzerinde işleme - ML çıkarımı kullanıcının cihazında çalışır ve reklam borsasına yalnızca toplulaştırılmış sinyaller gönderilir. Apple'ın SKAdNetwork'ü ve Google'ın Topics API'si bu kalıbı izler.
• Clean room'lar - hem DSP hem SSP geliştirme ekipleri, iki taraf da ham kullanıcı verisini açığa çıkarmadan first-party veri kümelerini eşleştirmek için clean room kullanır. Bu eşleştirmeleri real-time bidding kararlarını besleyecek kadar hızlandırmak, işin asıl mühendislik zorluğudur.
• Diferansiyel gizlilik - toplulaştırılmış veriye eklenen kalibre edilmiş gürültü, tekil kullanıcının tanımlanmasını engeller. Kullanıcı düzeyinde tam kesinliğin gerekmediği ölçümleme ve raporlamada işe yarar.

Supply-side platform gelirleştirme sorununu çözün

Yayıncılar özel bir sorunla karşı karşıya: kullanıcı verilerini açık artırma zincirindeki her teklif vericiye sızdırmadan envanteri paraya çevirmek.

Satıcı tanımlı kitleler, supply-side platformun kendi kullanıcılarını segmentlere ayırmasına ve bu segmentleri bireysel kimlikleri açığa çıkarmadan alıcılara sunmasına imkân verir. Uygulama için gerekenler:

• Yayıncının birinci taraf verisi üzerinde kendi kitle sınıflandırma modellerini çalıştıran SSP
• Alıcı beklentileriyle uyumlu segment taksonomileri - temel olarak IAB Content Taxonomy 3.0
• Açık artırmaya latency eklemeden bid isteğiyle iletilen segment sinyalleri - hedef 1 ms'nin altında ek yük

Tarayıcı sinyallerinin bulunmadığı mobil uygulama ortamlarını yönetin

Uygulama içi gösterimlerde tarayıcı düzeyindeki sinyaller tamamen yoktur. iOS'ta IDFA opt-in'dir ve onay oranı yaklaşık %25'tir.

Mobilde etkili kitle hedefleme kurmak şu alanlara yatırım yapmak demektir:

• SDK düzeyinde bağlamsal sinyaller - uygulama kategorisi, oturum derinliği, uygulama içi davranış örüntüleri
• Ham davranış verisini aktarmadan kullanıcı niyetini skorlayan cihaz üstü çıkarım modelleri
• Piksel tabanlı takibin yerini alan sunucudan sunucuya atıf callback'leri - callback'ler gösterimden dakikalar veya saatler sonra geldiği için güvenilir altyapı, tekilleştirme mantığı ve gecikmeye toleranslı tasarım gerektirir
• Kullanıcı etkileşim kalıplarının web'den belirgin şekilde farklılaştığı uygulama içi bağlamlar için yeniden eğitilmiş tıklama oranı modelleri

Bir sonraki hedefleme değişimini atlatacak esnek pipeline'lar kurun

Hedefleme ortamı hâlâ her çeyrek değişiyor. Tek bir yaklaşım etrafında katı hatlar kuran mühendislik ekipleri pahalı yeniden çalışmalarla karşılaşıyor.

• Birden fazla sinyal türünü - birinci taraf, bağlamsal, kohort tabanlı - tek bir arayüz üzerinden kabul eden veri alım katmanları kurun
• Kimliği doğrulanmış ve anonim bağlamlarda çalışan kimlik çözümlemeye yatırım yapın
• Ölçüm altyapısını, sonradan eklenen bir raporlama işi olarak değil, birinci sınıf bir mühendislik konusu olarak ele alın
• Gizlilikle ilgili her hesaplamayı açık artırma zaman aşımı bütçesine göre kıyaslayın