Banyak brand yang semakin menjauh dari pengguna.
Pasar periklanan semakin jenuh sekarang ini. Bagi kebanyakan pengiklan, menangkap perhatian pemirsa mulai menjadi sebuah permainan peluang. Terlebih lagi sekarang ini, kelangsungan hidup brand bergantung pada kemampuannya untuk menjangkau pemirsa dengan pesan yang autentik di saat yang tepat.
Namun banyak brand yang masih tidak tahu bagaimana cara membuat iklan yang efisien. Tanpa adanya data yang dapat digunakan, para penerbit sering gagal untuk memprediksi kebutuhan para pengguna dan terjadilah over-optimize dalam hal viewability di website mereka. Hal ini sering kali memperburuk pengalaman pengguna, yang akhirnya menghasilkan engagement pengguna yang rendah dan hasil kampanye yang mengecewakan.
Para marketer berjuang sebaik mungkin untuk menemukan solusi dalam mengantarkan iklan yang tepat, di saat dan tempat yang tepat, ke pengguna yang tepat juga. Namun solusi-solusi mereka tidak dapat berbuat banyak tanpa adanya data untuk mendukung asumsi mereka.
Di MGID, kami memiliki semua informasi yang kami butuhkan untuk membuat keputusan terbaik dalam peletakan iklan, didukung oleh hasil-hasil dari studi terbaru tentang engagement dan perhatian pengguna.
Kenapa terobosan dalam peletakan iklan ini bisa terjadi
Dalam hal solusi peletakan iklan, sudah jelas bahwa kita butuh lebih dari data bounce rate dan dwell time. Meskipun dwell time memberikan ide yang cukup tentang tingkat engagement pengguna, data ini tidak menjelaskan tentang bagaimana pengguna berinteraksi dengan konten setelah membuka tautan. Dengan kata lain, Anda tidak tahu di mana para pengguna tertangkap (atau di mana Anda kehilangan mereka).
Tanpa adanya data apa pun yang mengungkapkan bagian mana dari sebuah artikel yang paling memikat pemirsa, para marketer tidak dapat mengoptimalkan peletakan iklan dengan cara yang obyektif dan berbasis data. Untuk meningkatkan peluang dalam mendapatkan perhatian tanpa menggunakan data, marketer biasanya memilih peletakan generik atau membombardir pengguna dengan banyak iklan di satu halaman.
Inovasi kami di dalam in-content impact widgets adalah reaksi dari tren yang tidak efektif ini. Kami tidak membanjiri artikel dengan iklan yang tidak akan mendapatkan perhatian. Algoritme peletakan attention-based kami mengandalkan bukti empiris yang dikumpulkan dari ribuan artikel berita, menunjukkan bagaimana para pengguna menjadi terlibat dengan konten dan apa saja yang paling banyak menarik perhatian mereka.
Kami menemukan inspirasi untuk algoritme attention-based kami dari dua studi penting yang berkaitan dengan modeling sub-document attention dan mengukur user engagement.
Menggunakan data viewport, misal, data yang menunjukkan seberapa panjang beberapa elemen halaman tertentu yang ditampilkan di layar pengguna, para peneliti berhasil mempelajari user engagement dengan lebih dalam dari sebelumnya, tingkat HTML di dalam halaman. Mereka mampu mendapatkan data akurat tentang perhatian pengguna di seluruh elemen-elemen halaman web berbeda dengan menganalisis metrik-metrik scrolling dan viewport. Hasilnya lebih spesifik dari apa yang dapat mereka peroleh jika hanya mengamati dwell time.
Bagaimana cara kerja algoritme attention-based MGID?
Di MGID, kami telah mengembangkan algoritme berbasis AI yang mengandalkan data viewport untuk mengidentifikasi peletakan dengan potensial terbaik di dalam artikel. Algoritme ini secara otomatis memasukkan iklan ke dalam bagian "terpanas" dari konten apa pun yang ada, meletakkan brand di bagian muka dan depan demi mendapatkan calon lead.
Kami menggunakan sebuah sampel dari lebih dari 100 juta page view yang tersebar di sekitar 120 ribu artikel dari situs-situs berita terkemuka untuk mengembangkan algoritme auto-placement kami. Berkat data aktivitas pengguna yang berasal dari mitra-mitra penerbitan MGID, kami mampu membuat sistem prediktif canggih yang dapat menunjuk secara akurat elemen-elemen yang paling banyak mendapat perhatian. Analisis kami fokus ke jumlah waktu yang dihabiskan oleh para pengguna di setiap bagian dari artikel, bagaimana mereka berinteraksi dengan setiap elemen dari halaman, dan bahkan panjang artikel dan data geografis.
Analisis ini membantu kami dalam mengembangkan algoritme attention-based auto-placement. Teknologi kami memprediksi waktu dan lokasi yang sempurna untuk menampilkan in-content impact widgets dengan konteks yang relevan secara otomatis dan memiliki peluang besar untuk menarik perhatian pengguna.
Peletakan widget tertarget dan format native dari iklan kami menghasilkan viewability yang lebih tinggi bagi iklan. Bersamaan dengan fitur-fitur optimalisasi lainnya dan pengetahuan dalam optimalisasi hasil lintas format, teknologi kami menghasilkan kinerja tertingkatkan bagi semua mitra periklanan dan penerbitan MGID:
- rata-rata vCPM di dalam platform kami meningkat 18%
- rata-rata CTR meningkat 10%, rata-rata CR meningkat 23%, dibandingkan dengan format iklan lainnya.
Penutup
Algoritme attention-based auto-placement MGID adalah sebuah alat marketing inovatif yang didukung oleh penelitian dan analisis konten selama beberapa tahun. Dengan semua data di tangan Anda dan sebuah solusi AI yang dapat memanfaatkannya, menemukan pemirsa yang tepat bukan lagi mengadu nasib.
Berkat teknik-teknik peletakan iklan canggih kami, kami dapat dengan percaya diri menjamin kepuasan penerbit dan pengiklan. Para pengiklan tidak harus lagi menghabiskan lebih banyak uang pada iklan-iklan yang tidak penting yang memenuhi halaman dan mengganggu perjalanan pengguna, dan para penerbit mendapatkan lebih banyak keuntungan dari semua peletakan iklan.
Pendekatan berbasis data kami digabungkan dengan format native dari iklan-iklan kami adalah metode jitu untuk mengoptimalkan usaha-usaha periklanan Anda. Algoritme yang kami kembangkan adalah bukti bahwa peletakan iklan itu bukan hanya sekedar bermain tebak-tebakan.
