Mainonta vs. suositus

Kuinka kohdennettu mainonta tappaa suositusmoottorit kustannuksellasi

Vietit minuutin etsiessäsi lahjaksi veljentytärllesi ja näet sitten kuvia nukkeista kaikkialla. Kuulostaa tutulta?
Kohdennetut mainospalvelut kehitetään usein suositusmoottoreiksi, jotta voidaan hämärtää yritysten ja yksityishenkilöiden kannustimien väärinkäyttöä. On niin yleistä, että suurin osa ihmisistä pitää suosituspalveluja peiteltyinä mainosalustoina.
Katsotaanpa, kuinka kohdistettu mainonta eroaa suosituskoneesta ja mitä se tarkoittaa käyttäjälle: sinulle.

Tarkoitus ostaa [Tom Fishburne]

Mitä ovat suositukset ja kohdennettu mainonta?

Ensinnäkin, mitä tarkoitan suosituksella? Tämä on melko yksinkertainen: etsit jotain, joka vastaa henkilökohtaista makuasi, sano esimerkiksi musiikkia. Käytät palvelua, johon voit kirjoittaa asetuksesi, kuten Spotify. Tämä palvelu ehdottaa sitten uusia kappaleita, joita todennäköisesti rakastat, kun otetaan huomioon aiemmat makusi. Sait juuri suosituksia.

Suosituksen tarkoituksena on optimoida kokemuksesi toimittamalla parhaat makusi mukaan perustuvat tuotteet.

Kohdennettu mainonta puolestaan ​​koskee kolmansia osapuolia. Sano, että mainostaja A myy kenkiä ja mainostaja B myy matkapaketteja. He kumpikin luovat mainoskampanjansa ja maksavat mainosvälittäjille mainosten näyttämisen. Mainostaja A käyttää Googlen DoubleClick-palvelua ja mainostaja B AppNexusta. Vierailet verkkosivustoilla, jotka myyvät mainospaikkoja, kuten DailyNews. Kymmenesosassa sekunnista nämä mainosvälittäjät ostavat selaimesi historian tietomarkkinoilta ja tarjoavat sitten päättää, mikä mainos näytetään.
Jos DoubleClick maksaa eniten, näet hienot kengät. Jos AppNexus maksaa eniten, näet halvat eksoottiset matkapaketit ja mietit seuraavaa lomaasi.

Mainonnan tarkoituksena on optimoida mainostajan, julkaisijan ja kolmansien osapuolten voitot selaushistorian perusteella.
Henkilötietojen kerääminen

Mennään hetkeksi muttereihin ja pultteihin. Mainonnan kannalta mainosvälittäjää kutsutaan kysyntäpuoleksi (DSP). DSP maksetaan, kun napsautat mainosta, joten se laskee hintatarjoukset napsautuksen todennäköisyyden maksimoimiseksi. Samankaltainen suosituksen kanssa tulee, kun DSP käyttää henkilötietojasi, jotka on ostettu tiedonhallintaympäristöltä (DMP).

Suurimmat DMP: t, kuten Oracle tai Salesforce, tietävät paljon iästäsi, käymissasi verkkosivustoissa, hakuhistoriassasi, offline-ostossasi tai toiminnassasi sosiaalisissa verkostoissa. He käyttävät pahamaineisia seurantaevästeitä kerätäkseen tietoja kaikkialle ja synkronoidaksesi kaikki profiilisi yhdessä. DSP käyttää näitä tietoja napsautuksen todennäköisyyden ennustamiseen. Tästä syystä kun etsit kenkiä Googlesta, näet kenkämainokset uutisartikkeleidesi joukossa.

Verkkomainonta kolmansille osapuolille [Wikipedia]

Erilaiset tekniset puitteet

Kohdennettu mainonta eroaa merkittävästi suosituksesta kolmesta pääasiallisesta syystä: näihin lähestymistapoihin liittyvä tieto, käyttäjäprofiilien liian yksinkertaistaminen ja laskennalliset rajoitukset.

1. implisiittinen ja eksplisiittinen palaute

Ensinnäkin suositusjärjestelmät ovat vuorovaikutteisia. Voit säätää asetuksia muokataksesi saatavaa. Tällaiset palvelut käyttävät ensisijaisesti nimenomaista palautetta.
Päinvastoin, mainontajärjestelmät keräävät vain epäsuoraa palautetta usein kysymättä lupaa. Nähdessään runsaasti vauvojen tarjontaa useiden viikkojen ajan on turhauttavaa, kun ostit lahjan äskettäin vanhemmalle ystävällesi. Implisiittisen palautteen kautta saatu tieto on paljon vähemmän informatiivista kuin interaktiivisesta prosessista.
Musiikkiasiantuntijana voisitko suositella hyvää musiikkia jollekin lyhyestä musiikkikeskustelusta? Varmasti. Voisitko tehdä sen, kun otetaan huomioon vain heidän viimeaikaiset Google-haut? En napsauta sitä.

2. Käyttäjäprofiilien karkea kiinnitys

Toinen merkittävä ero johtuu reaaliaikaisten tarjouskilpailujen prosessissa mukana olevien kolmansien osapuolten lukumäärästä. Koska DSP (mainosvälittäjät) ja DMP (tietoalustat) ovat erillisiä yrityksiä, tietosi käsittely on erotettu olennaisesti reaaliaikaisesta suosituksesta. DMP ei tiedä, mitkä ovat nykyiset mainoskampanjat, kun se puristaa lukemattomat tietopisteensä informatiivisiksi ääriviivoiksi. Tämä prosessi johtaa käyttäjäprofiilien liian yksinkertaistettuun segmentointiin ennalta määritellyissä karkeissa luokissa. Tuntuisitko ymmärretyksi, jos stereotyyppisenä sinun makuun tulisi vain valita jotkut seuraavista 44 ominaisuudesta?

IPinYou-tietojoukon 44 käyttäjäsegmenttiä [sic]

DMP: lle on usein kannattavampaa kerätä miljardeja käyttäjien yhteenvetoja sen sijaan, että kuluttaisit aikaa ja rahaa kerätäkseen syvällisiä makuasetuksia muutamalle ihmiselle. DMP voi merkitä sinut nimellä "30 vuotta vanha mies, joka etsii kenkiä", mutta he eivät tiedä, millaisia ​​kenkiä pidät, eivätkäkä ystäväsi käyttänyt tietokonettasi tähän hakuun.

3. Laskentakyky

Kolmas tekninen kontrasti, jonka haluaisin huomauttaa, on DSP: lle asetettu erittäin lyhyt aikarajoitus tarjouksen tekemiseksi mainospaikassa: usein alle 100 ms. Tämä pakottaa täysin naiivien algoritmien käytön verrattuna siihen, mitä suosittelijajärjestelmillä on varaa. Ennustealgoritmi reaaliaikaiseen hinnoitteluun (RTB) valitsee tyypillisesti harvan 30–40 ominaisuuden alajoukon, jossa suositusalgoritmi käyttäisi tiheitä esityksiä kymmenillä miljoonilla parametreilla.

Yhdessä edellä selitetyn yksinkertaistuksen kanssa on ilmeistä, että yleisillä suositusmoottoreilla on laskennallinen tehonluokka, joka on suurempi kuin RTB: llä.

Reaaliaikainen hinnoittelupeli [AdExchanger]

Mitä se tarkoittaa käyttäjälle

Nyt kun olemme määritelleet tärkeimmät erot, katsotaan miten se vaikuttaa käyttökokemukseen. Edellä olevien teknisten rajoitusten takia mainokset eivät ole kaukana räätälöityjä käyttäjän makuun. Täydellinen tilastotieto tämän tosiasian osoittamiseksi on se, että mainoksen keskimääräisten napsautusten lukumäärä on vähemmän kuin 1/1000. Samoin keskimääräinen tulosten (esim. Osto, lataus) lukumäärä on alle 1/20 000. Suositusmoottori, jolla on vain yksi hyvä arvaus koskaan 20 000 arvausta ei voinut katsoa peiliin aamulla.

Koska online-mainostajat saavat maksun napsautuksella, he käyttävät kiinnostavia käyttäjiä kiinnittämään tunnettuja menetelmiä: vilkkuvia animaatioita, korkea visuaalinen kontrasti ja ääniefektit. Tämä vahingoittaa tietysti verkkokokemusta ja selittää miksi ihmiset kiirehtivät mainosten esto-ohjelmistoja. eMarketer odottaa, että 30% Internetin käyttäjistä käyttää yhtä vuonna 2018.

Mainoslukko-ohjelmistoa käyttävien laitteiden lukumäärä [PageFair]

Tällä tarjousjärjestelmällä itsessään on vaikutus kokemukseen. Valittu mainos päätyy DSP: stä, joka maksaa eniten. Se mitä käyttäjä näkee, ei ole vain merkityksetöntä, vaan myös voimakkaasti puolueellista varakkaille yrityksille. Indie-bändejä tai elokuvantekijöitä ei koskaan mainosteta kilpaillessaan suurten teollisuudenalojen kanssa, vaikka ne olisivatkin parempi ottelu sinulle.

Ääritapauksissa käyttäjät eivät näe mitään, ellei kallis mainoskampanja maksa siitä. Mainospaikat eivät ole paikka, jolla ihmisille ehdotettaisiin vierailua tähän piilotettuun puistoon, josta naapurit kertoivat sinulle, tai pienelle julkiselle museolle, jonka löysit kaksi vuotta jokaisen ohituksen jälkeen. Sitä vastoin hyvä suositusmoottori, jota ei tuota voitto, valitsee ne ehdottomasti, jos se toimii sinulle. Erityisesti ilmaisia ​​esineitä ja aktiviteetteja!

Palaamme luottamus suositusmoottoreihin

Kun luottamus vahingoittuu, suhde muuttuu ikuisesti. Verkkokokemuksen vahingoittaminen tekee meistä yhä epäilyttäviä vastaanottamistamme algoritmisista ehdotuksista. Aidon suositusmoottorin on oltava huolissaan vain sinusta, yksilöstä ja työskenneltävä parhaiden etujesi mukaan. En luottaisi suosituksiin alustalta, joka tarjoaa sponsoroituja tuotteita tai, mikä pahempaa, myy henkilökohtaisia ​​tietojani kolmansien osapuolien edustajille.

Kuvittele kaksi futuuria: sellainen, jossa mainontavoitot ja ponnahdusikkunat suoratoistetaan suoraan näköhermoihisi; toinen, jossa AI on täällä auttaa sinua löytämään asioita, joita rakastat. Minkä tulevaisuuden haluat olla osa rakennusta?
Tästä syystä Crossing Minds -yhtiössä luomme interaktiivisen media- ja viihdeohjelman hai, joka on vapaa kaikista puolueellisuuksista. Voit kirjautua täällä kokeillaksesi alfaversiota: miljoonia parametreja, itse koulutettuja, oman voittoasi varten!