A crise do coronavírus acelerou o ritmo de lançamento de novos produtos de publicidade e fez com que anunciantes e editores se tornassem ainda mais ágeis. Agora, os editores competem por orçamentos muito mais reduzidos, enquanto os anunciantes cortam os canais de baixo desempenho em um piscar de olhos.
Impulsionados por mudanças na demanda dos anunciantes, os lucros de formatos de publicidade padrão e programas editoriais também sofrem flutuações significativas. Por exemplo, os anúncios em vídeo, um dos formatos mais envolventes que gerou retornos consideráveis antes do coronavírus, também teve um impacto maior na recente redução de gastos.
Nos últimos seis meses, os programas de conteúdo de marca e espaços de anúncios premium foram os mais atingidos, forçando os editores a lançarem novos produtos para gerar receita e trazer resultados consideráveis para os anunciantes. Por exemplo, a Trusted Media Brands parou de trabalhar em elaboradas produções de conteúdo de marca que exigiam semanas de produção e ofereceram integrações mais rápidas do conteúdo dos anunciantes nas páginas editoriais existentes.
No entanto, simplesmente adicionar novos formatos de publicidade ou programas de conteúdo não será necessariamente suficiente para garantir um fluxo constante de receita. Os editores devem ser capazes de identificar e selecionar continuamente os tipos de anúncios que gerarão as maiores receitas e alternar facilmente entre esses formatos.
Na MGID, desenvolvemos a ferramenta dedicada: Otimização de Rendimento Nativa; essa solução ajudará os editores a veicular vários formatos em uma única veiculação e aumentará sua capacidade de publicidade e capacidade de atender a uma variedade de necessidades e objetivos de campanha.
Habilite vários formatos em um canal com a MGID
A Otimização de Rendimento Nativa faz com que seja possível escolher o tipo de anúncio para veiculação em trânsito, permitindo que os editores aumentem o valor de seu inventário e aprimorem a experiência do usuário no site. O algoritmo baseado em IA incorpora demanda direta e programática e otimiza a eficiência do canal para o editor e seu público.
Tipos de demanda dentro do ecossistema de otimização de rendimento da MGID:
- campanhas de anúncios nativos de anunciantes diretos
- demanda programática nativa de trocas premium e acordos PMP com anunciantes e agências
- demanda de exibição programática de parcerias diretas com os principais DSPs locais e globais
- anúncios de vídeo diretos e programáticos
O ecossistema de otimização de rendimento funciona da seguinte maneira: no momento da solicitação de anúncio, o algoritmo baseado em IA da MGID analisa um site, o conteúdo da página e um usuário específico com base em dados primários da MGID, do editor e de outros fornecedores. Simultaneamente, a solução envia solicitações a todos os parceiros programáticos que incluem dados MGID DMP e verifica as receitas potenciais desses tipos de demanda.
Assim que o algoritmo recebe todas as entradas necessárias, um leilão ocorre com base nos CPMs calculados e na probabilidade de conversão do usuário. O pacote de otimização seleciona o formato do anúncio de demanda nativa, exibição e vídeo em um canal e, portanto, garante o maior CPM para o editor e a melhor experiência do usuário para seu público. Tudo feito com os dados pessoais dos usuários protegidos.
Considerações finais
Hoje, os jogadores de tecnologia de publicidade precisam ser capazes de se adaptar ao mundo de mudanças ao seu redor e superar a concorrência do triopólio do Google, Facebook e Amazon. Enquanto os anunciantes são pressionados para provar que os orçamentos que gastam em cada canal estão gerando resultados, os editores procuram adicionar mais formatos e pretendem desbloquear todo o potencial de seu inventário.
Nesse ambiente acelerado, os editores precisam de uma estratégia inteligente para impulsionar o sucesso contínuo. Na MGID, desenvolvemos uma solução para ajudá-los - Otimização de Rendimento Nativa, que ajusta o formato do anúncio em movimento, levando em consideração as receitas potenciais e a probabilidade de um determinado usuário converter.
