Hvordan native annonsetargeting fungerer (kontekstuell, interessebasert og post-cookie)

Native annonser targeter brukere gjennom en blanding av kontekstuelle signaler (siden og kategorien de for øyeblikket leser), førsteparts publikumsdata som nettverket allerede har (enhet, geografisk plassering, nettleserhistorikk innenfor sitt eget utgivernettverk), og annonsørens egne innspill som retargeting-piksler og lookalike-segmenter, kjørt gjennom en sanntidsauksjon i stedet for et fast plasseringskjøp. Det finnes ikke én enkelt "native targeting"-mekanisme; det er en stabel med overlappende alternativer, og hvor mye vekt hver enkelt får avhenger av nettverket og kampanjemålet.

Kontekstuell targeting: det eldste laget, nå det mest motstandsdyktige#

Hvert native nettverk lar deg targete etter innholdskategori og nøkkelord: finansartikler, helseinnehold, bilanmeldelser, og så videre. Dette er den minst påtrengende formen for targeting fordi den ikke trenger å vite noe om den enkelte brukeren, bare hva de for øyeblikket leser. Det har også blitt laget med størst holdbarhet ettersom tredjeparts-cookies blir begrenset, fordi kontekstuell targeting ikke er avhengig av tverrnettsteds-identifikatorer i det hele tatt.

Kontekstuell targeting på native nettverk går vanligvis dypere enn en bred kategori. Taboola og Outbrain tilbyr begge nettsted- og seksjonsnivåtargeting, slik at du kan by spesifikt inn i en utgivers helsevertikal eller dens personlige finansseksjon i stedet for hele domenet. Den detaljerte kontrollen er ofte en bedre spak enn publikumstargeting for annonsører i regulerte kategorier, siden den kontrollerer tilstøtningsrisiko direkte.

Interesse- og atferdstargeting#

Utover kontekst, bygger nettverk interesseprofiler fra nettleseratferd på tvers av sitt eget utgivernettverk (hva en bruker leser, klikker på og dveller ved på tvers av nettstedene i nettverkets forsyning). Dette er førstepartsdata fra nettverkets perspektiv selv om det spenner over mange utgivernettsteder, siden det samles inn under nettverkets eget sporingsforhold til disse nettstedene. Det brukes til å bygge brede interessesegmenter (bilinteressenter, reisesøkere, helseinneholdslesere) som annonsører kan legge oppå kontekstuell og geografisk targeting.

Retargeting: pixelbasert, og fortsatt spaken med høyest intensjon#

Legg et nettverks pixel på nettstedet ditt, og du kan retargete besøkende som ikke konverterte med native plasseringer mens de surfer andre steder i det nettverkets forsyning. Dette forblir en av de sterkeste spakene i native annonsering fordi den bygger på et direkte førstepartsforhold (ditt eget pixel, dine egne besøkende), ikke en tredjeparts-cookie-graf. Det er også grunnen til at native retargeting har vært relativt isolert fra cookie-avviklingsdiskusjonene som traff display og sosiale medier hardest.

Geografisk, enhets- og tidstargeting#

Dette er grunnleggende funksjoner på tvers av alle nettverk: land og ofte region-/by-nivå geografisk targeting, enhetstype (stasjonær PC, mobil, nettbrett) og OS, tilkoblingstype på mobil, og tidspunkt-/ukedag-planlegging. Ingen av disse er avhengige av identitetsløsning, noe som er en del av grunnen til at native kampanjer har en tendens til å være mindre utsatt for identifikatortap enn programmatiske displaykjøp som støtter seg på budstrømsdata.

Hva "post-cookie" faktisk endrer her#

Delene av native targeting som var mest utsatt for tredjeparts-cookie-avvikling var alltid det tynneste laget: tverrnettsteds atferdsprofiler sydd sammen utenfor et enkelt nettverks egne data. Native nettverk var mindre avhengige av det enn åpen-web display-programmatisk fra starten, fordi så mye av native sin targetingstabel (kontekst, nettverkseide interessedata, annonsørpiksler, geografisk/enhets) aldri trengte en delt tredjeparts-identifikator. Det er en del av grunnen til at native har holdt seg som en kanal mens noe display og sosial ID-basert targeting har blitt mer støyete. Kohortstil og probabilistiske tilnærminger fyller de gjenværende hullene, men det ærlige svaret er at de fleste native kjøpere ikke trengte å endre sin targetingstrategi i nærheten av like mye som programmatiske displaykjøpere gjorde.

Publikumsmarkedsplasssegmenter og tredjeparts datapartnerskap#

Noen nettverk legger inn tredjeparts publikumssegmenter gjennom databehandlingsplattform-partnerskap, slik at annonsører kan targete kategorier som "på markedet for bilforsikring" eller "nylig søkt reisetilbud" bygget av eksterne dataleverandører i stedet for nettverkets egne førstepartsobservasjoner. Disse segmentene har en tendens til å være dyrere og, ærlig talt, mer hit-or-miss enn nettverkets egne kontekstuelle og retargeting-verktøy, siden den underliggende metodologien varierer etter leverandør og ikke alltid er avslørt i detalj. Behandle tredjepartssegmenter som et testbart tilleggslag, ikke et fundament; kjør en kontroll mot kun kontekstuell targeting før du forplikter betydelig budsjett til dem.

Å lese en konkurrents targeting utenfra#

Du kan ikke se en konkurrents eksakte segmentinnstillinger, men du kan anslå mye fra det som faktisk kjører: hvilke geografiske områder og enheter en annonse dukker opp i, hvilke utgivervartikaler den konsentrerer seg om, og hvor lenge den overlever, som vanligvis er en proxy for om targetingen og kreativet konvergerer mot et fungerende publikum, et mønster dekket mer i dybden i vår guide til mediakjøp for native annonser. Våre nettverksspesifikke guider om hvordan Taboola-annonser fungerer, hvordan Outbrain fungerer og hvordan MGID native annonser fungerer går gjennom hvert nettverks spesifikke targetingmeny og auksjonsmekanismer, og vårt stykke om skalering til nye geografiske områder dekker hvordan geografiske targetingsvalg endres når en kampanje utvider seg til tier-2 og tier-3-markeder.

OpenAdLibrary's annonseintelligens-indeks sporer det geografiske, enhets- og vertikale fotavtrykket til hvert fanget kreativ, så i stedet for å gjette på en konkurrents targetingstrategi kan du se det faktiske mønsteret: hvilke land en annonse er aktiv i, om den kun er på mobil eller kjører overalt, og hvordan det har endret seg siden den først dukket opp.

Lookalike- og lignende-publikum-targeting#

Når en retargeting-pixel eller en tilpasset publikumsliste har nok volum, kan de fleste nettverk bygge et lookalike-segment fra den: brukere hvis nettleseratferd ligner dine konverterende, uten at deres identitet må løses individuelt. Det er her native targeting begynner å ligne det sosiale plattformer har tilbudt i årevis, bortsett fra at utgangsdataene vanligvis er mindre (pixel-utløsere fra en enkelt annonsørs trafikk) i stedet for plattformvide atferdsgrafer. Lookalikes har en tendens til å fungere best som en skaleringsspak etter at du allerede har et konverterende kjerne-publikum definert av kontekst og retargeting; brukt som et kaldt prospekteringsverktøy med en tynn utgangsliste, underpresterer de ofte rett fram kontekstuell targeting.

Hvordan targeting samhandler med auksjonen, ikke bare rekkevidde#

Det er lett å tenke på targeting kun som et publikumsfilter, men på native nettverk endrer det også din effektive kostnad. Smalere, mer relevant targeting (en spesifikk utgiverseksjon, et varmt retargeting-pool) betyr vanligvis at du konkurrerer mot færre andre annonsører for det samme inntrykket, noe som kan senke din effektive CPC selv før kreativ kvalitet er tatt i betraktning. Bred targeting når flere mennesker, men kaster deg inn i en større auksjonspool, ofte inkludert annonsører som byr på volum snarere enn relevans. Dette er en grunn til at smale kontekstuelle og retargeting-først-strategier ofte overgår bred-rekkevidde-kampanjer på et rent ROAS-grunnlag, selv om det råe inntrykksvolumet ser mindre ut på papiret.

Hvor annonsører gjør targeting feil#

To feil dukker opp gjentatte ganger i native kontoer. Den første er å stable for mange restriktive lag samtidig på en ny kampanje: stram geografisk plassering, et smalt interessesegment og en liten utgiver-hvitliste sammen, som sulter algoritmen for nok volum å lære av og holder kostnadene høye på ubestemt tid. Den andre er det motsatte: å kjøre bredt på alle dimensjoner fra dag én fordi "vi optimaliserer senere", som brenner budsjett på tydelig irrelevante plasseringer før kontoen har noe signal å jobbe med. Den bedre sekvensen er vanligvis geografisk plassering og enhet først (billig å få riktig, dyrt å få feil), kontekst andre, deretter legg inn retargeting og interesseutvidelse når du har en grunnlinje av reelle ytelsesdata å reagere på.

Den praktiske konklusjonen#

Native targeting er ikke én knapp, det er fem eller seks uavhengige (kontekst, nettverks interessedata, ditt eget pixel, geografisk plassering, enhet, tidsplan) som du stablet sammen, og den vinnende kombinasjonen er forskjellig for hver vertikal. Helse- og finansannonsører har en tendens til å lene seg hardest på seksjonsnivå kontekstuell targeting fordi tilstøtning og overholdelse betyr mer der. E-handel lener seg hardere på retargeting og lookalikes fordi kjøpsintensjon er lettere å fange med et pixel. Start med kontekst og geografisk plassering for å etablere en trygg grunnlinje, legg inn retargeting når pixelen din har nok volum, og behandle interessesegmenter som en rekkevidde-spak når kjernen allerede konverterer.