Ko se digitalno oglaševanje prilagaja večji zasebnosti uporabnikov in strogim pravilom, se pojavlja vprašanje, kako brez tretjeosebnih podatkov še vedno ciljati prave uporabnike. Tradicionalne metode, ki so temeljile na sledenju uporabnikom na spletu, so zaradi zahtev po večji zasebnosti manj učinkovite. Oglaševalci in znamke zdaj iščejo nove pristope, ki upoštevajo zasebnost, a hkrati zagotavljajo relevantnost in personalizacijo. V iPROMu že vrsto let uporabljamo več metod ciljanja, ki ne slonijo na uporabi tretjeosebnih piškotkov. V prvem delu bloga se bom osredotočil na tri glavne metode, ki danes oblikujejo svet digitalnega oglaševanja.

Zakaj so alternativne metode ciljanja danes vse pomembnejše?

Tradicionalno ciljanje je močno odvisno od tretjeosebnih podatkov, zbranih z uporabo piškotkov in drugih sledilnih orodij, kar je oglaševalcem omogočalo prikazovanje oglasov specifičnim uporabnikom na podlagi njihovega prejšnjega vedenja na spletu. Vendar se z uvedbo novih regulativ in s povečevanjem števila brskalnikov, ki blokirajo piškotke tretjih oseb, pojavlja nujnost prehoda na druge metode ciljanja.

Doseganje uporabnikov z močjo kontekstualnega ciljanja

Kontekstualno ciljanje, kljub temu da ni nov koncept v svetu digitalnega oglaševanja, doživlja preporod kot ena izmed pomembnih strategij ciljanja v dobi poudarjene zasebnosti uporabnikov. Ta metoda se oddaljuje od tradicionalnega ciljanja, ki temelji na uporabnikovem vedenju, in se osredotoča na analizo vsebine spletne strani.

Velja za zelo učinkovito, saj oglase umesti v digitalne medije, ki vključujejo vsebino, neposredno relevantno za oglaševani izdelek ali storitev. To dokazuje tudi primer iz prakse, kjer smo s kombinacijo kontekstualnega ciljanja in rešitve iPROM Spider Ad™ na portalu Mozaik znatno izboljšali vključenost uporabnikov – povprečno trajanje seje je naraslo za 70 odstotkov, ogledi strani so se povečali za 54 odstotkov, trajanje sej pa za 73 odstotkov v primerjavi z drugim prometom.

Z močjo semantične analize do poglobljenega razumevanja vsebin medija

Semantično ciljanje predstavlja napredno nadgradnjo kontekstualnega ciljanja, ki prinaša še boljše razumevanje pomena vsebine. S tehnologijo obdelave naravnega jezika (NLP) in strojnim učenjem lahko natančno analiziramo vsebino medija z namenom razumevanja konteksta, tona, čustev in namena vsebine. Takšna analiza presega zgolj identifikacijo ključnih besed, saj omogoča celovito razumevanje celotne vsebine, ki jo uporabnik prebira.

V iPROMu smo z uporabo teh tehnologij za promocijo Murske Sobote in paviljona Expano poleti dosegli 50 odstotkov večji obisk paviljona. Prav tako so bile poleti namestitvene zmogljivosti v Pomurju skoraj popolnoma zasedene.

V prihodnosti lahko pričakujemo, da se bo ta metoda z uporabo velikih jezikovnih modelov (LLM) in generativne umetne inteligence še nadgradila.

Prvoosebni podatki kot temelj prilagojenega ciljanja

Prvoosebni podatki, zbrani neposredno od uporabnikov prek lastnih medijev blagovne znamke, postajajo osnova za napredne oglaševalske strategije. S platformo za upravljanje prvoosebnih podatkov, kot je iPROM Private DMP, lahko podjetja oblikujejo vpoglede, na podlagi katerih lahko ustvarijo visoko prilagojene in relevantne oglaševalske akcije, ki natančno ustrezajo potrebam in zanimanjem njihovih ciljnih skupin.

Blagovna znamka Lisca je s strategijo ciljanja in zakupa digitalnih medijev na podlagi prvoosebnih podatkov povečala spletno prodajo kopalk na hrvaškem trgu za osemkrat. Zaradi dokazanega uspeha namerava Lisca postopoma vpeljati podobne strategije tudi na drugih trgih. Podobno je SKB banka z uporabo iPROM Private DMP-ja in prvoosebnih podatkov o svojem digitalnem občinstvu povečala učinkovitost oglaševanja za 72 odstotkov ter znižala ceno za doseženega uporabnika za 25 odstotkov.

Ob stalnem napredku v digitalnem oglaševanju je bistveno, da nadaljujemo z iskanjem ravnovesja med zagotavljanjem zasebnosti uporabnikov in učinkovitosti oglaševanja, ki prinaša koristi tako za podjetja kot za potrošnike. V drugem delu tega zapisa se bom podrobneje posvetil dopolnjevanju omenjenih metod ciljanja s strategijami ciljanja s podatki, pridobljenimi neposredno od uporabnikov.