Share on LinkedIn
Share on X
L’emergere della pubblicità in programmatic ha creato ai marketer l’enorme opportunità di raggiungere in modo più efficace i clienti target, e ha permesso agli inserzionisti di fare offerte su posizionamenti entro millisecondi. Sebbene i vantaggi di automazione ed efficienza siano chiari, il programmatic può presentare nuove sfide quando si tratta di misurare se un annuncio sta creando l’impatto desiderato.
Affrontare le sfide fondamentali per la ‘verifica’ degli annunci
Le campagne pubblicitarie devono spesso affrontare sfide per la verifica degli annunci: traffico non umano non valido, posizionamenti pubblicati su contenuti inappropriati o offensivi o annunci completamente fuori dalla vista degli utenti. Per aumentare la trasparenza, le soluzioni di monitoraggio di IAS analizzano: la viewability, il traffico non valido (IVT) e la brand safety in tutte le campagne pubblicitarie. L’ottimizzazione di IAS fa un passo avanti nella trasparenza, consentendo agli inserzionisti di evitare questi rischi prima di fare un’offerta a livello di codice. Ma le richieste sono cresciute, e gli inserzionisti ora cercano anche meccanismi per guidare le piattaforme lato domanda (DSP) in modo da affrontare in modo più sofisticato la viewability e IAS ha ampliato le proprie capacità per soddisfare queste esigenze. Oltre a considerare la viewability come una domanda binaria sul fatto se un annuncio è visualizzabile (un modo efficace per gestire la viewability in molti casi), IAS offre segnali in tempo reale (RTS) come alternativa per affrontare questa sfida. I segnali in tempo reale considerano la viewability come parte di un algoritmo più sofisticato, espandendo al contempo la varietà di metriche a cui un inserzionista può fare riferimento.
Per massimizzare il ritorno sugli investimenti, le DSP devono valutare, per conto dell’inserzionista, il valore monetario di ciascuna impression pubblicata consentendogli di fare offerte per i posizionamenti in tempo reale. Quando si tratta di frode e bran safety, può sembrare ovvio valutare se una impression valga o meno la spesa. Una impression offerta al traffico non umano, che sia fraudolento o bot non dannosi, per l’inserzionista non ha valore (dopo tutto, è difficile convincere un bot ad acquistare prodotti). Allo stesso modo, se l’acquirente fornisce una impression su contenuti inappropriati, offensivi o in contrasto con i valori del brand, la sua reputazione e la fedeltà dei consumatori potrebbero essere influenzate in modo significativo. Gli standard di viewability, tuttavia, non sono così bianco e nero.
Gli annunci digitali possono essere classificati come non visibili se l’utente non ha fatto scorrere completamente la pagina Web per raggiungere l’annuncio o se l’annuncio non è stato visualizzato sullo schermo (time-in-view) abbastanza a lungo da essere considerato visibile. Una volta effettuata un’offerta, né l’inserzionista né la DSP hanno alcuna idea di come l’utente finale interagirà con la pagina. Per molti posizionamenti digitali, è impossibile dire con certezza se l’annuncio sarà o non sarà visualizzato, solo se è probabile, sulla base di dati storici.
Il filtro pre-bid e altri approcci rule-based sono metodi semplici e diretti che permettono agli inserzionisti di evitare l’acquisto di impression, che probabilmente non saranno visibili o di concentrarsi sull’acquisto di impression con buone probabilità di viewability. E se una impression avesse una probabilità del 40% di essere vista? Dovrebbero evitare completamente di fare offerte per quel posizionamento o semplicemente fare meno offerte per tenere conto di questa probabilità di in-view più bassa? Se la viewability è uno dei tanti KPI che si desidera ottimizzare, prendere in considerazione queste probabilità potrebbe essere utile. Piuttosto che l’approccio binario, visualizzabile o non visualizzabile, una soluzione più robusta che considera la variabilità della viewability potrebbe essere la soluzione migliore per raggiungere gli obiettivi della tua campagna.
Utilizza i segnali in tempo reale per informare sulle offerte
I segnali in tempo reale (RTS) consentono misurazioni della viewability per informare istantaneamente gli algoritmi di offerta, bilanciandoli con altri fattori. A differenza dell’approccio binario, comprare o non comprare, l’RTS offre una soluzione che tiene conto delle gradazioni tra visualizzabile e non visualizzabile.
Ad esempio, considera una campagna per aiutare a vendere una mountain bike a 20 velocità con due opzioni per il targeting:
- Opzione A: un 25enne del Colorado (noto per le sue montagne e la bellezza del suo ambiente), con solo il 30% di probabilità di essere in view.
- Opzione B: un 80enne del Kansas (non noto per il suo terreno montuoso) con una probabilità del 90% di essere in vista.
Quale posizionamento è più probabile che favorisca le vendite per la mountain bike? È probabile che scegliere come target il ragazzo del Colorado, produrrà un ritorno più favorevole sulla spesa pubblicitaria, nonostante la probabilità di una viewability inferiore.
Ulteriore complicanza della probabilità in-view, è la necessità di definire la viewability come una metrica che avrà un impatto reale sull’utente finale. Le linee guida del settore per la viewability stabiliscono una base eccellente, in genere considerando un posizionamento con un secondo per gli annunci display o due secondi per i posizionamenti video come “in-view”. Tuttavia, gli studi dimostrano che i consumatori non sono sempre influenzati dalla scansione di un annuncio display per un secondo. Per gli annunci video, il nome del brand potrebbe non apparire nemmeno fino a quando non viene riprodotto per 10 secondi o più. Pertanto, l’ottimizzazione della viewability standard può andare bene per molte campagne, ma può rivelarsi non ottimale per altre. Le campagne in programmatic non avranno tutti gli stessi standard ottimali di time-in-view e, pertanto, la vera ottimizzazione della viewability deve essere adattata a ciascun inserzionista, campagna e pezzo di creatività.
La complessità di queste domande relative alla viewability ha motivato IAS ad offrire segnali personalizzati in tempo reale per l’ottimizzazione in programmatic. Questo approccio consente l’ottimizzazione per qualsiasi time-in-view e percentuale richiesta dall’inserzionista – o meglio, raccomandata da IAS. Utilizzando l’RTS, IAS invia segnali a una DSP, indicando che il posizionamento ha raggiunto la soglia di viewability in tempo reale, consentendo aggiornamenti istantanei ai modelli di offerta. Tali dati possono essere utilizzati in modo molto simile all’offerta tradizionale pre-bid di IAS per qualsiasi preferenza desiderata in termini di time-in-view o possono essere immessi direttamente nell’offerta, consentendo la viewability come componente di un algoritmo basato su KPI più complesso. Questa soluzione tiene conto delle complessità della previsione della viewability ed è pronta a rimodellare il modo in cui i marketer considerano la viewability in futuro.
Per maggiori informazioni sulla nostra soluzione scarica il toolkit e visita il nostro sito
Leggi anche: Viewability: elementi essenziali (guida)
