Seperti kebanyakan pengiklan, penerbit, dan perusahaan AdTech, industri [secara keseluruhan] bahagia mendengar berita ini. Tertundanya perubahan baru telah memberikan waktu ekstra bagi industri kita untuk mendapatkan beberapa solusi komprehensif atas pergantian yang akan datang.
Di pernyataan terbaru mereka, Google mengumumkan bahwa perusahaan raksasa ini akan mengikuti semua rekomendasi yang diajukan oleh European Commission dan membantu para penerbit untuk mempersiapkan dan menguji berbagai solusi. Namun, para skeptis memperkirakan bahwa persyaratan antitrust dari pemerintahan Eropa tidak akan cukup untuk memastikan bahwa tidak akan ada preferensi bagi solusi yang dibuat oleh Google dalam pengembangan atau implementasi dari metode Privacy Sandbox
Meskipun memiliki kekurangan, Cookie Pihak Ketiga adalah solusi yang mumpuni untuk menyimpan, mengirim, menggunakan, dan memonetisasi data penargetan dan juga untuk mengukur paparan pengguna terhadap iklan dengan tujuan pembatasan frekuensi dan atribusi. Mari kita lihat lebih dekat pada usaha-usaha yang dilakukan Industri AdTech saat ini untuk mencari solusi dari hilangnya Cookie Pihak Ketiga.
Solusi identitas alternatif
Dengan Cookie Pihak Ketiga menjadi usang, brand, agen, dan perantara teknologi dapat menggunakan pengidentifikasi periklanan yang lain. Namun, mari kita sepakat bahwa alternatif ini bukan hanya sekedar Cookie Pihak Ketiga dengan nama yang berbeda. Pengidentifikasi deterministik non-consented akan kemudian menimbulkan masalah-masalah privasi yang sama, sehingga bukan solusi lintas industri jangka panjang.
Sejauh ini, rencana-rencana identitas terpisah menjadi dua kategori luas, non-consented ID probabilistik berbasis non-cookie dansolusi deterministik consented berbasis login. Yang pertama menggunakan alamat IP pengguna, string agen pengguna, dan lokasi geo untuk mendirikan identitas anonim, sedangkan yang kedua, mengandalkan ID deterministik dan tetap, misalnya, para pengguna mengenalkan diri mereka sendiri dengan log in.
Solusi penargetan alternatif selain menggunakan identitas
Bagaimana jika solusi identitas di atas tidak ada yang sukses? Solusi deterministik berbasis login mungkin akan gagal karena banyak pengguna yang akan menolak untuk mengidentifikasi mereka saat memeriksa cuaca lokal atau membaca berita harian. Solusi probabilistik mungkin akan gagal karena solusi ini tidak benar-benar privat dan sering tidak akurat.
MGID dan beberapa perusahaan lainnya sedang meningkatkan solusi kontekstual sebagai alternatif dari penargetan berbasis identitas. Meskipun penargetan kontekstual bukanlah hal yang baru, solusi berbasis machine learning seperti Contextual Intelligence (CI) milik MGID membuat penargetan kontekstual jauh lebih efektif.
Contextual Intelligence 100% menjaga privasi karena iklan ditargetkan ke konten di dalam sebuah halaman dan bukan data pengguna siapa pun. Konten yang diiklankan relevan dengan minat pengguna pada saat mereka datang. Mari kita perhitungkan contoh dari iklan-iklan b2b: penargetan lebih efektif saat pengguna mengonsumsi berita bisnis di tempat kerja. Pengguna tersebut kemungkinan besar akan menghiraukan iklan yang sama jika mereka melihatnya saat sedang memasak makan malam.
Titik lemah dari solusi penargetan seperti ini adalah data kontekstual yang lebih sedikit dibandingkan dengan data perilaku dan profil. Seorang pengguna dapat melihat satu halaman dengan sebuah topik tertentu pada suatu waktu (kontekstual), namun pengidentifikasi pengguna dapat terhubung ke ribuan halaman yang pengguna tersebut kunjungi di masa lalu (perilaku). Maka, pengguna tersebut dapat ditargetkan ke satu kontekstual dan ribuan kategori perilaku.
Contextual Intelligence dari MGID memecahkan masalah ini dengan menghubungkan konteks ke perilaku. Contoh, merek jam mahal tidak relevan secara kontekstual dengan perjalanan kelas pertama. Perilaku dari membeli sebuah jam mahal, dan perilaku dari membeli tiket kelas pertama dapat dihubungkan dengan satu sama lain.
Cara untuk mengembangkan penghasilan yang tidak berhubungan dengan penargetan
Alasan kenapa banyak Penerbit khawatir tentang depresiasi dari Cookie Pihak Ketiga: Penghasilan. Bagaimana jika ada beberapa cara untuk meningkatkan penghasilan yang tidak berhubungan dengan identitas atau penargetan? Mengejar peningkatan-peningkatan ini juga merupakan cara yang baik untuk mempersiapkan diri sebelum Cookiepokalypse.
Satu jawaban yang ada adalah alat optimasi yang lebih baik yang mengacu pada solusi Machine Learning. Kemampuan untuk mengidentifikasi profil pengguna atau minat pengguna hanyalah setengah dari solusi. Setengah lainnya, yang jauh lebih sulit, adalah menentukan apa yang harus dilakukan.
Contoh, jika Anda adalah sebuah perusahaan minuman soda, Anda mungkin ingin memilih halaman target yang membicarakan tentang minuman soda atau memilih untuk beriklan untuk ID pengguna yang menunjukkan minat pada minuman soda atau keduanya. Namun, semakin banyak batasan yang Anda gunakan untuk penargetan, skalabilitasnya akan menjadi semakin rendah.
Juga lebih seringnya Anda akan harus berhadapan dengan sedikit relevansi dan berbagai macam konteks. Dalam bahasa spesialis Machine Learning, "konteks" bukan hanya kategori halaman, namun juga banyak fitur lainnya seperti hari dalam satu minggu, waktu dalam satu hari, perangkat, browser, halaman dalam sebuah sesi, paparan ke iklan serupa di masa lalu, dll.
Tidak lama sebelumnya dari sekarang, para pengiklan mengandalkan banyak manajer kampanye yang memilih target, batasan frekuensi, dan bid secara manual untuk setiap jenis konteks. Pendekatan berbasis manual ini dapat memberikan hasil yang optimal bagi para pengiklan namun tidak dapat diskalakan dengan mudah. Seiring dengan meningkatnya jangkauan marketing Anda, penyesuaian one-to-one ini menjadi suatu hal mustahil dilakukan. Inilah kenapa MGID meningkatkan kapabilitas optimasinya dengan memanfaatkan perkembangan terbaru dari modeling dan machine learning.
Penutup
Dengan total penggunaan Google Chrome mencapai hampir 2/3 dari seluruh penggunaan browser global, keputusan Google untuk membuat Cookie Pihak Ketiga menjadi usang masih merupakan titik penentu terbesar dari hilangnya teknologi ini. Era tanpa cookie yang tidak diketahui dan tidak dapat diprediksi ini bisa lebih jauh atau dekat dari sekarang, namun semua pemain besar di industri ini masih harus menentukan bagaimana mereka akan memasuki era tersebut.
