Sztuczna inteligencja kompletnie zmieni reklamę kontekstową
Targetowanie kontekstowe nie jest nowością w branży technologicznej. Koncept ten pierwszy raz został zastosowany 20 lat temu, jednak stracił na popularności na rzecz plików cookie firm trzecich. Rozwiązanie to spowodowało zastąpienie przez reklamodawców kontekstu cyfrowymi profilami użytkowników. Rosnąca świadomość konsumencka odnośnie kontrowersyjnych kwestii prywatności i rozwój technologiczny doprowadziły jednak do tego, że targetowanie kontekstowe nie tylko wraca do łask, ale wręcz powraca w wielkim stylu, będąc okrzykniętym mianem przełomu.
Rozwój marketingu kontekstowego jest spowodowany trzema trendami: dzisiejsi konsumenci są narażeni na zbyt wiele komunikatów, otrzymują treści, które nie odnoszą się do nich, a do tego w nieodpowiednim czasie. Według jednego z badań każdy z nas jest celem nawet 5 tys. wiadomości reklamowych dziennie. W nowym świecie marketingu kontekstowego wymagane jest, aby nie tylko nawiązywać kontakty z konsumentami, ale móc ich angażować i wpływać na ich decyzje.
Postęp technologiczny pozwala obecnie na wykorzystanie targetowania kontekstowego, na znacznie większą niż dotychczas skale. Taką właśnie autorską technologią ContextAI, polegającą na wyświetlaniu reklam na podstawie treści artykułów i stron, posługuje się RTB House, polska firma specjalizująca się w prowadzeniu działań reklamowych opartych na zaawansowanych scenariuszach retargetingowych. Firma korzysta z algorytmów sztucznej inteligencji, będących w stanie przeskanować i zrozumieć treści 95% Internetu. Stanowi to 1,5 mln artykułów skanowanych co godzinę, publikowanych w ponad 40 językach. Mowa jest o wykorzystywaniu obecnie najbardziej zaawansowanej technologii deep learning, będącej 2,5 tys. razy szybszą od tradycyjnego machine learning i skuteczniejszej w kontekście radzenia sobie z dużymi ilościami nieuporządkowanych danych. Twórcy tłumaczą, że system to znacznie więcej niż analiza treści serwisów. Mianowicie każdy artykuł jest skanowany indywidualnie z zarejestrowaniem danych, takich jak adres URL, kluczowych słów i danych związanych z filmami i obrazami. Algorytmy przetwarzania języka naturalnego następnie analizują dane, wyodrębniają słowa kluczowe i przydzielają serwis do właściwej kategorii. Istotny jest tutaj wysoki poziom szczegółowości, uwzględniający wyrażenia i odmiany wyrazów, umożliwiający identyfikację kontekstowych grup odbiorców zainteresowanych danym tematem.
Algorytm deep learningu odpowiedzialny za licytowanie decyduje o formacie i treści wyświetlanej reklamy, tworząc spersonalizowane treści dla danego użytkownika. W ten sposób materiały reklamowe adresuje się do użytkowników zainteresowanych danym tematem czy produktem w danym momencie. Wyniki kampanii prowadzonych z wykorzystaniem technologii AI na poziomie deep learning mówią same za siebie – kampanie wideo osiągają 47% wyższy completed rate, do 33% lepsze viewability, również 56% więcej reklam jest odtwarzanych z dźwiękiem. Oczekuje się, że w przyszłości, na skutek stałego samodoskonaleniu się algorytmu w dopasowywaniu reklamy do oczekiwań użytkownika jego skuteczność będzie stale wzrastała.