Adverteerders en mediabureaus worden geconfronteerd met een heel andere wereld in de nasleep van Google's besluit om 3rd-party tracking cookies met pensioen te sturen. Het verlies van deze cookies maakt het leveren van gepersonaliseerde advertenties aanzienlijk uitdagender, waarbij meer dan 47% van de professionals in de sector het vinden van een nieuwe oplossing als zeer belangrijk aanmerkt. Een van de meest veelbelovende oplossingen is de volgende evolutie van machine learning: Deep Learning.
Wat betekent het einde van 3rd-Party Tracking Cookies voor adverteerders?
Het einde van 3rd-party tracking cookies lag al een tijdje in het verschiet. Zeer reële bezorgdheid over de privacy van gebruikers betekende dat veel grote browsers, zoals Mozilla Firefox, al de beslissing hadden genomen om 3rd-party tracking cookies te laten vallen zonder adverteerders een alternatieve targetingmethode te bieden. De beslissing van Google om deze cookies te laten vallen was de laatste nagel aan de doodskist.
Het verlies van de rijke gegevens die deze cookies bieden, vormt een enorme uitdaging voor adverteerders. Daarom heeft Google het op zich genomen om een geanonimiseerd alternatief voor 3rd-party tracking cookies te ontwikkelen: de Google Privacy Sandbox.
RTB House is vanaf de eerste dag nauw betrokken geweest bij het project en was het eerste Demand-Side Platform dat het systeem met succes gebruikte om wereldwijd echte advertentie impressies te kopen.
De uitdaging met deze nieuwe benaderingen is dat traditionele machine learning systemen moeite hebben met deze nieuwere, meer gecompliceerde, geanonimiseerde data-sets. Gelukkig heeft RTB House al de ultieme tool gebouwd voor campagnes die zijn gewijd aan elke fase van de funnel in de cookieloze wereld: Deep Learning.
Steve Jobs: "Mensen weten niet wat ze willen totdat je het ze laat zien."
Deep Learning is bij uitstek geschikt voor het interpreteren van geanonimiseerde gegevens
Laten we het voorbeeld nemen van winkelen voor een nieuwe jurk. Wanneer een shopper op iets op de website bekijkt, registreert ons aanbevelings mechanisme elk stukje informatie. Het controleert de kleur van de jurk, details waar je op gefocust was, de prijsklasse, maten en tientallen andere actiepunten. Vervolgens verbindt het zoveel mogelijk interactiepatronen met elkaar. Door deze te meten en te analyseren (in real time) kan het systeem de geschiedenis, smaak, interesses of zelfs stemming begrijpen - en vervolgens nauwkeurige voorspellingen doen van talloze andere interessante producten - naast de bekeken jurk.
In tegenstelling tot mensen analyseert Deep Learning onophoudelijk talloze datasets, zonder moe te worden of verveeld te raken, en zal superlogische, risicoloze beslissingen produceren zonder stress, twijfel of emoties. Dit is de essentie van de zelflerende algoritmen en waarom ze zo effectief zijn voor de advertentie-industrie.
Deep Learning is een evolutie van machine learning-technologie. Het woord "Deep" verwijst naar het aantal lagen waar gegevens in worden verwerkt. Elke laag is in staat om steeds complexere kenmerken uit de ruwe input te extraheren. In de context van gerichte reclame, kunnen diepere lagen van Deep Learning een gebruikersgroep identificeren, terwijl een hogere laag van Deep Learning kan proberen een specifieke interesse binnen die groep te identificeren. Dit stelt de Deep Learning-algoritmen van RTB House in staat om effectief te bepalen welke positie een gebruiker inneemt in de marketing funnel, en ook om de meest geschikte inhoud voor die specifieke gebruiker te selecteren. Door de implementatie van Deep Learning stijgt de efficiëntie van productaanbevelingen tot 41%, vergeleken met campagnes die geen gebruik maakten van deep learning.
Het beste aan Deep Learning? Hoe meer data je hebt en hoe vaker je het gebruikt, hoe beter het wordt. Het is een verbetering en een stap boven standaard machine learning omdat Deep Learning-algoritmen in staat zijn patronen te identificeren zonder menselijke tussenkomst, wat zorgt voor veel efficiëntere zelflerende systemen.
Net als andere machine-learning algoritmen verbetert Deep Learning op basis van de gegevens waarmee het wordt gevoed. Waar Deep Learning echt in uitblinkt, is zijn vermogen om te werken met grote, ingewikkelde datasets, zelfs ongestructureerde datasets, zonder dat een mens hoeft te definiëren naar welke patronen het moet zoeken.
Deze aanpak heeft echte resultaten opgeleverd. De Deep Learning-algoritmes van RTB House hebben, volgens de campagne-inzichten van RTB House in september 2021, tot 47% hogere video completion rate en tot 33% betere viewability opgeleverd in vergelijking met wereldwijde benchmarks.
RTB House Deep Learning wordt al gebruikt in echte campagnes
RTB House maakt sinds 2017 actief gebruik van Deep Learning en gebruikt momenteel Deep Learning-algoritmen in 100% van zijn campagnes. Dit is effectief gebleken en RTB House heeft de afgelopen 5 jaar significant betere resultaten voor klanten kunnen behalen. De Deep Learning oplossingen van RTB House hebben daarom talrijke hoogwaardige industrie awards en certificaten ontvangen.
Locked down, Scaled up: Scapino’s e-commerce groei samen met RTB House
Scapino is een bekende Nederlandse retailer op het gebied van schoenen en kleding met een geschiedenis van ruim 45 jaar. Het staat bekend als één van de toonaangevende merken in Nederland en verkoopt een breed scala aan betaalbare A-merken schoenen, kleding, sport- en vrijetijdsproducten.
De lockdowns als gevolg van COVID-19 in 2020 versnelden de overgang naar e-commerce. Het was dus zaak voor Scapino de online aanwezigheid snel uit te bouwen. Dit werd nog urgenter toen de fysieke winkels hun deuren moesten sluiten tijdens het hoogseizoen in december 2020. Vanwege de pandemie vond een natuurlijke verschuiving plaats naar digital door consumenten. De strategie van RTB House speelde hier perfect op in door naar de totale customer journey te kijken.
Door het budget open te stellen (“open budget scenario”) kon de kracht van de Deep Learning-algoritmen volledig benut worden. Hiermee presteerde RTB House aanzienlijk beter dan de vooraf gestelde branding doelstellingen. Zo was viewability voor gebruikers in de Awareness-fase 18% hoger dan de van te voren geformuleerde doelstelling en 22% hoger voor gebruikers in de Consideration-fase.
Ook de effecten op Scapino's bottom line waren aanzienlijk. In de eerste maanden van 2021 was er een verdrievoudiging van het het aandeel van RTB House’s conversies op Scapino’s website. Terwijl het aantal conversies op Scapino aanzienlijk groeide, wist RTB House daarnaast een return on ad spend (ROAS) van 25% boven target te behalen in dezelfde periode.
Verbetering van Trivago's retargeting resultaten
Trivago is een toonaangevende hotel zoek website die tarieven vergelijkt voor meer dan 1,8 miljard accommodaties in ongeveer 190 landen. Trivago gebruikte RTB House's Deep Learning technologie om een gepersonaliseerde aanbeveling te bouwen voor haar gebruikers op zoek naar accommodatie, waarbij efficiëntie en schaalbaarheid centraal stonden in het ontwerp van het product. Dit alles met behoud van de privacy van de gebruiker en gegevensbescherming.
De oplossing hielp al snel om de retargetingresultaten te verbeteren. De advertenties sloten ook beter aan op de voorkeuren van elke gebruiker en hielpen de budgetefficiëntie aanzienlijk te verbeteren. Trivago en RTB House werken nu samen in meer dan 30 markten.
Het is duidelijk dat Deep Learning nu al effectiever is dan andere bestaande oplossingen. Met het cookieloze landschap in het verschiet, is het essentieel dat u zich zo snel mogelijk begint voor te bereiden op die verschuiving. Dit stelt u in staat om uw processen te optimaliseren en ervoor te zorgen dat u niet achterblijft met het repareren van bugs in een campagne nadat third-party tracking cookies zijn verlopen.
RTB House is al begonnen met deze inspanning. Onze Deep Learning-algoritmen hebben hun waarde bewezen tijdens performance campagnes, en we zijn ze al aan het implementeren in andere delen van de sales funnel. We gebruiken Deep Learning actief in awareness- en performance campagnes, die een heel andere aanpak vereisen. Onze algoritmes kunnen specifiek worden aangepast om elke combinatie van viewability, VCR, bereik of CTR te maximaliseren, om de waarde van awareness- en performance campagnes te maximaliseren.
Elja Polak is VP Agency Sales BNLX bij RTB House
Plaats als eerste een reactie
Ook een reactie plaatsen? Word lid van Adformatie!