OpenAdLibraryOpenAdLibrary
Definition

Dynamic Creative Optimization (DCO)

Dynamic Creative Optimization (DCO) är teknik som automatiskt sammanställer och byter ut reklamkomponenter, bilder, rubriker, CTAs baserat på realtidsprestandadata.

Redaktionell illustration: Dynamic Creative Optimization (DCO)

Dynamic Creative Optimization, vanligen förkortat DCO, är teknik som automatiskt sammanställer och byter ut reklamkomponenter, bilder, rubriker, uppmaningar till handling, baserat på realtidsprestandadata, snarare än att en människa manuellt väljer vilken statisk reklamkreativ som ska köras. Istället för en fast reklam behandlar DCO varje element som en variabel som systemet kan kombinera om på direkten för olika målgrupper eller sammanhang.

Hur det faktiskt fungerar#

En DCO-inställning börjar med ett bibliotek av utbytbara delar: flera rubrikalternativ, flera bilder, flera CTA-knapptexter, ibland olika priser eller erbjudandedetaljer hämtade från ett flöde. Plattformen serverar sedan kombinationer till olika segment av målgruppen och flyttar andel av visningar mot den kombination som konverterar bäst, liknande i andan till kontinuerlig A/B-testning men körs automatiskt över många fler kombinationer än en människa skulle testa manuellt en i taget. Dynamiska produktannonser på e-handelsplattformar är den mest synliga versionen av detta, som hämtar levande produktbilder, priser och namn direkt från ett flöde och sammanställer en unik reklam per tittare baserat på surfhistorik.

Var DCO dyker upp i native-reklam#

Native-nätverk har historiskt sett förlitat sig mer på manuell kreativ rotation än fullständig DCO, eftersom native-reklamformat är enklare än de flerelements-displaybanners som DCO ursprungligen byggdes för. Med det sagt har Taboola, Outbrain och andra nätverk lagt till automatiserade funktioner för rubrik- och bildrotation som lånar direkt från DCO-logik, testar flera rubrikvarianter mot samma bild, eller vice versa, och flyttar leveransen mot kombinationen med bäst CTR och nedströms konverteringsgrad.

Avvägningen: kontroll kontra skala#

DCO:s fördel är skala: det kan testa långt fler kombinationer än en människa någonsin skulle göra, och det reagerar på prestandaförändringar snabbare än en veckovis manuell granskning. Avvägningen är kontroll och kreativ sammanhållning, en automatiskt sammanställd kombination kan ibland para ihop en rubrik och bild som krockar, eller visa en erbjudandedetalj som är tekniskt korrekt men dåligt inramad. De flesta köpare som kör DCO granskar fortfarande utdata periodiskt snarare än att behandla det som helt hands-off, och använder kreativ utmattning signaler för att veta när hela elementbiblioteket, inte bara en kombination, behöver en uppdatering. Köpare som är nya på DCO antar ibland att det tar bort kreativt arbete helt, när det i praktiken bara flyttar det arbetet från att välja en slutgiltig reklam till att bygga ett starkt bibliotek av utbytbara delar från början.

Forska om DCO i det vilda#

Eftersom DCO producerar många kreativa varianter från samma underliggande kampanj, avslöjar övervakning av ett varumärkes reklamaktivitet över tid i ett transparensindex ofta en uppsättning nästan identiska annonser med små rubrik- eller bildskillnader, en bra indikation på att DCO eller automatiserad rotation körs i bakgrunden snarare än att en människa handplockar varje variant. OpenAdLibrary:s annonsintelligensplattform visar varje levande variant för ett varumärke så att du kan se det mönstret direkt.

Vanliga frågor

Är DCO samma sak som A/B-testning?
De är relaterade men inte identiska. A/B-testning jämför vanligtvis ett litet, fast antal fullständiga varianter. DCO sammanställer många kombinationer från ett bibliotek med utbytbara element och flyttar kontinuerligt leveransen mot de bäst presterande, närmare pågående multivariata tester i stor skala.
Stöder native-nätverk DCO?
Fullständig DCO i displayreklam-mening är mindre vanligt på native-nätverk, men de flesta större plattformar inklusive Taboola och Outbrain erbjuder automatiserade funktioner för rubrik- och bildrotation som tillämpar liknande logik inom en enda kampanj.
Vilka data behöver DCO för att fungera?
Det behöver tillräckligt med trafikvolym för att generera meningsfulla prestandasignaler över kombinationer, plus ett bibliotek med kreativa element som är byggda specifikt för att vara utbytbara, rubriker, bilder och CTAs designade så att alla kombinationer fortfarande hänger ihop.
Kan DCO ersätta manuell kreativ testning helt?
Inte helt. DCO hanterar optimering på kombinationsnivå bra, men det genererar inte genuint nya vinklar eller krokar på egen hand. De flesta köpare utvecklar fortfarande nya kreativa vinklar manuellt och matar in dem i DCO-elementbiblioteket snarare än att förvänta sig att systemet ska hitta på nya idéer.
OpenAdLibrary-teamet
Skriven avOpenAdLibrary-teamet
Annonsintelligens & forskning om native advertising

Vi bygger OpenAdLibrary, den öppna plattformen för annonstransparens. Varje dag fångar våra system levande native-annonser på Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo och MSN, identifierar den verkliga annonsören bakom varje annons och följer klicket till dess landningssida. Dessa guider destillerar vad vi ser i den datan så att du snabbare kan forska på marknaden.