Miten natiivimainonnan kohdentaminen toimii (kontekstuaalinen, kiinnostus ja evästeiden jälkeinen)

Natiivimainokset kohdentavat käyttäjiä kontekstuaalisten signaalien (sivu ja kategoria, jota he parhaillaan lukevat), verkon jo hallussa olevien ensiluokkaisten yleisötietojen (laite, maantiede, selaushistoria verkon omassa julkaisijaverkostossa) ja mainostajan toimittamien syötteiden, kuten uudelleenkohdentuspikselien ja lookalike-segmenttien, sekoituksen kautta, jotka ajetaan reaaliaikaisen huutokaupan kautta kiinteän sijoitusoston sijaan. Ei ole olemassa yhtä ainoaa "natiivikohdentamis"-mekanismia; se on päällekkäisten vaihtoehtojen pino, ja kuinka paljon painoa kukin saa, riippuu verkosta ja kampanjan tavoitteesta.

Kontekstuaalinen kohdentaminen: vanhin kerros, nyt kestävin#

Jokainen natiiviverkko antaa sinun kohdentaa sisältökategorian ja avainsanan mukaan: raha-artikkelit, terveyssisältö, autojen arvostelut ja niin edelleen. Tämä on vähiten tunkeileva kohdentamisen muoto, koska sen ei tarvitse tietää mitään yksittäisestä käyttäjästä, vain mitä he parhaillaan lukevat. Se on myös tullut pysyvämmäksi kerrokseksi kolmannen osapuolen evästeiden rajoitusten myötä, koska kontekstuaalinen kohdentaminen ei lainkaan riipu sivustorajat ylittävistä tunnisteista.

Kontekstuaalinen kohdentaminen natiiviverkoissa menee yleensä syvemmälle kuin laaja kategoria. Taboola ja Outbrain tarjoavat molemmat sivusto- ja osiotason kohdentamisen, joten voit tarjota erityisesti julkaisijan terveysvertikaaliin tai henkilökohtaisten talouksien osioon sen koko verkkotunnuksen sijaan. Tämä yksityiskohtaisuus on usein parempi vipu kuin yleisökohdentaminen sääntelyalojen mainostajille, koska se hallitsee vierekkäisyysriskiä suoraan.

Kiinnostus- ja käyttäytymiskohdentaminen#

Kontekstin lisäksi verkot rakentavat kiinnostusprofiileja selauskäyttäytymisestä omassa julkaisijakannassaan (mitä käyttäjä lukee, napsauttaa ja viipyy verkoston toimittajien sivustoilla). Nämä ovat verkon näkökulmasta ensiluokkaisia tietoja, vaikka ne kattavatkin monia julkaisijaverkkotunnuksia, koska ne kerätään verkon omassa seurantasuhteessa näiden sivustojen kanssa. Niitä käytetään laajojen kiinnostussegmenttien (auton ostohalukkaat, matkailututkijat, terveyssisältöä lukevat) rakentamiseen, joita mainostajat voivat pinota kontekstuaalisen ja maantieteellisen kohdentamisen päälle.

Uudelleenkohdentaminen: pikselipohjainen ja edelleen korkeimman aikomuksen vipu#

Aseta verkon pikseli sivustollesi, ja voit uudelleenkohdentaa vierailijoita, jotka eivät muunnu, natiivipaikoilla heidän selatessaan muualla kyseisen verkon tarjonnassa. Tämä pysyy yksi vahvimmista vivuista natiivissa, koska se perustuu suoraan ensiluokkaiseen suhteeseen (oma pikselisi, oma vierailijasi), ei kolmannen osapuolen evästekaavioon. Se on myös syy, miksi natiiviuudelleenkohdentaminen on ollut verrattain suojattu niistä evästeiden poistokeskusteluista, jotka koskettivat display- ja sosiaalimainontaa kaikkein kovimmin.

Maantieteellinen, laite- ja päiväosa-ajastus#

Nämä ovat perusasioita jokaisessa verkossa: maa ja usein alue/kaupunkitason maantieteellinen kohdentaminen, laitetyyppi (työpöytä, mobiili, tabletti) ja käyttöjärjestelmä, yhteyden tyyppi mobiilissa sekä kellonajan/viikonpäivän aikataulutus. Mikään näistä ei riipu identiteetin selvittämisestä, mikä on osa syytä, miksi natiivikampanjat altistuvat vähemmän tunnistetietojen menetykselle kuin ohjelmisto-ostot, jotka nojaavat tarjousvirran tietoihin.

Mitä "evästeiden jälkeinen" todella muuttaa tässä#

Ne osat natiivikohdentamisesta, jotka altistuivat eniten kolmannen osapuolen evästeiden poistolle, olivat aina ohuin kerros: sivustorajat ylittävät käyttäytymisprofiilit, jotka on yhdistetty yhden verkon omien tietojen ulkopuolella. Natiiviverkot olivat vähemmän riippuvaisia siitä kuin avoimen verkon display-ohjelmisto alun perinkin, koska niin suuri osa natiivin kohdentamispinosta (konteksti, verkon omistamat kiinnostustiedot, mainostajan pikselit, maantiede/laite) ei koskaan tarvinnut jaettua kolmannen osapuolen tunnistetta. Se on osa syytä, miksi natiivimainonta on pysynyt kanavana, kun taas osa display- ja sosiaalisen tunnistepohjaisesta kohdentamisesta on muuttunut kohisevammaksi. Kohortti- ja todennäköisyyspohjaiset lähestymistavat täyttävät jäljellä olevat aukot, mutta rehellinen vastaus on, että useimpien natiivimainostajien ei tarvinnut muuttaa kohdentamisstrategiaansa läheskään niin paljon kuin ohjelmisto-ostajien.

Yleisömarkkinapaikan segmentit ja kolmannen osapuolen tietokumppanuudet#

Jotkut verkot lisäävät kolmannen osapuolen yleisösegmenttejä tietojen hallintaplattformakumppanuuksien kautta, jolloin mainostajat voivat kohdentaa kategorioihin, kuten "markkinoilla autovakuutusta varten" tai "äskettäin haettu matkatarjouksia", jotka on rakennettu ulkopuolisten tietojen tarjoajien toimesta verkon omien ensiluokkaisten havaintojen sijaan. Nämä segmentit ovat yleensä kalliimpia ja, rehellisesti sanottuna, epätasaisempia kuin verkon omat kontekstuaaliset ja uudelleenkohdentamistyökalut, koska taustalla oleva metodologia vaihtelee tarjoajan mukaan eikä sitä aina paljasteta yksityiskohtaisesti. Käsittele kolmannen osapuolen segmenttejä testattavana lisäkerroksena, ei perustana; suorita kontrolli pelkästään kontekstuaalista kohdentamista vastaan ennen merkittävien budjettien sitouttamista niihin.

Kilpailijan kohdentamisen lukeminen ulkopuolelta#

Et näe kilpailijan tarkkoja segmenttiasetuksia, mutta voit päätellä paljon siitä, mikä todella ajetaan: missä maissa ja laitteissa mainos näkyy, mihin julkaisijavertikaaleihin se keskittyy ja kuinka kauan se säilyy, mikä on yleensä välillinen osoitus siitä, konvergoituvatko kohdentaminen ja luova sisältö toimivaan yleisöön, kuvio, jota käsitellään syvemmin oppaassamme median ostamisesta natiivimainoksille. Verkkokohtaiset oppaamme miten Taboola-mainokset toimivat, miten Outbrain toimii ja miten MGID-natiivimainokset toimivat selvittävät kunkin verkon erityisen kohdentamisvalikon ja huutokauppamekaniikat, ja artikkelimme skaalautumisesta uusiin maihin käsittelee, kuinka maantieteelliset kohdentamisvalinnat muuttuvat kampanjan laajetessa taso-2 ja taso-3 markkinoille.

OpenAdLibraryn mainostiedustelu -indeksi seuraa jokaisen tallennetun luovan sisällön maantieteellistä, laite- ja vertikaalijalanjälkeä, joten kilpailijan kohdentamisstrategian arvaamisen sijaan voit nähdä todellisen kuvion: missä maissa mainos on aktiivinen, onko se vain mobiiliin vai ajetaan kaikkialla, ja kuinka se on muuttunut sen ensimmäisen esiintymisen jälkeen.

Lookalike- ja samanlaisten yleisöjen kohdentaminen#

Kun uudelleenkohdentamispikselillä tai mukautetulla yleisölistalla on riittävästi volyymia, useimmat verkot voivat rakentaa siitä lookalike-segmentin: käyttäjät, joiden selauskäyttäytyminen muistuttaa muuntajiasi ilman, että heidän identiteettiään tarvitsee selvittää yksilöllisesti. Tässä vaiheessa natiivikohdentaminen alkaa muistuttaa sitä, mitä sosiaaliset alustat ovat tarjonneet vuosia, paitsi että siementiedot ovat yleensä pienemmät (pikselit yksittäisen mainostajan liikenteestä) verrattuna alustan laajaisiin käyttäytymiskaavioihin. Lookaliket toimivat parhaiten skaalausvivuna, kun sinulla on jo muuntuva ydinyleisö määriteltynä kontekstin ja uudelleenkohdentamisen perusteella; käytettynä kylmänä potentiaalisten asiakkaiden hankintatyökaluna ohuella siemenlistalla, ne usein suoriutuvat huonommin kuin suoraviivainen kontekstuaalinen kohdentaminen.

Miten kohdentaminen vaikuttaa huutokauppaan, ei vain saavutettavuuteen#

On helppoa ajatella kohdentamista puhtaasti yleisösuodattimena, mutta natiiviverkoissa se muuttaa myös tehokasta kustannustasi. Kapeampi, relevaattimpi kohdentaminen (tietty julkaisijaosio, lämmin uudelleenkohdentamispooli) tarkoittaa yleensä kilpailua vähemmän muiden mainostajien kanssa samasta näyttökerrasta, mikä voi alentaa tehokasta CPC:täsi jo ennen kuin luovan sisällön laatua otetaan huomioon. Laaja kohdentaminen saavuttaa enemmän ihmisiä, mutta heittää sinut suurempaan huutokauppapooliin, usein mukaan lukien mainostajat, jotka tarjoavat volyymin perusteella eivätkä relevanssin. Tämä on yksi syy, miksi kapeat kontekstuaaliset ja uudelleenkohdentamisensijaiset strategiat usein suoriutuvat paremmin puhtaalla ROAS-perusteella kuin laajan saavutettavuuden kampanjat, vaikka raaka näyttökertojen määrä näyttää paperilla pienemmältä.

Missä mainostajat tekevät kohdentamisessa virheitä#

Kaksi virhettä toistuu toistuvasti natiivitileissä. Ensimmäinen on liian monien rajoittavien kerrosten pinominen kerralla uudessa kampanjassa: tiukka maantieteellinen alue, kapea kiinnostussegmentti ja pieni julkaisijoiden valkoinen lista yhdessä, mikä näännyttää algoritmin volyymin puutteessa oppimisesta ja pitää kustannukset korkeina toistaiseksi. Toinen on päinvastainen: kaikkien ulottuvuuksien laaja ajaminen ensimmäisestä päivästä lähtien, koska "optimoidaan myöhemmin", mikä polttaa budjettia selvästi epärelevantteihin sijoituksiin ennen kuin tilillä on mitään signaalia, jolla työskennellä. Parempi järjestys on yleensä ensin maantiede ja laite (halpa saada oikein, kallista saada väärin), sitten konteksti, ja sitten kerrotaan uudelleenkohdentaminen ja kiinnostuksen laajentaminen, kun sinulla on perustaso todellista suorituskykytietoja, johon reagoida.

Käytännön opetus#

Natiivikohdentaminen ei ole yksi säätö, vaan viisi tai kuusi itsenäistä säätöä (konteksti, verkon kiinnostustiedot, oma pikselisi, maantiede, laite, aikataulu), jotka pinotaan yhteen, ja voittava yhdistelmä on erilainen jokaiselle vertikaalille. Terveys- ja rahoitusalan mainostajat nojaavat yleensä eniten osiotason kontekstuaaliseen kohdentamiseen, koska vierekkäisyys ja vaatimustenmukaisuus merkitsevät siellä enemmän. E-kaupat nojaavat enemmän uudelleenkohdentamiseen ja lookalikeihin, koska ostoaikomus on helpompi siepata pikselillä. Aloita kontekstilla ja maantieteellä turvallisen perustason luomiseksi, lisää uudelleenkohdentaminen, kun pikselilläsi on riittävästi volyymia, ja käsittele kiinnostussegmenttejä saavutettavuusvivuna, kun ydin on jo muuntuva.