เช่นเดียวกับผู้โฆษณา ผู้เผยแพร่โฆษณา และบริษัท AdTech ส่วนใหญ่ อุตสาหกรรม[โดยรวม] ยินดีกับข่าวดังกล่าว การเลิกใช้งานได้จัดสรรเวลาเพิ่มเติมให้กับอุตสาหกรรมของเราในการแก้ปัญหาที่ครอบคลุมหนึ่งหรือหลายวิธีเพื่อเตรียมพร้อมสำหรับการเปลี่ยนแปลงที่กำลังจะเกิดขึ้น
ในแถลงการณ์ล่าสุดของพวกเขา Google ประกาศว่าบริษัทจะปฏิบัติตามคำแนะนำทั้งหมดจัดทำโดยคณะกรรมาธิการยุโรปและช่วยผู้เผยแพร่โฆษณาในการจัดเตรียมและทดสอบโซลูชันต่าง ๆ อย่างไรก็ตาม ผู้คลางแคลงใจอาจคาดหวังว่าข้อกำหนดต่อต้านการผูกขาดโดยรัฐบาลยุโรปจะไม่เพียงพอที่จะทำให้แน่ใจว่าจะไม่มีการตั้งค่าใด ๆ สำหรับโซลูชันของ Google เองในการพัฒนาหรือการนำวิธีการแซนด์บ็อกซ์ความเป็นส่วนตัวไปใช้
แม้จะมีข้อบกพร่อง แต่คุกกี้ของบุคคลที่สามเป็นโซลูชันที่ยอมรับได้สำหรับการจัดเก็บ ส่ง ใช้ และสร้างรายได้จากข้อมูลการกำหนดเป้าหมายตลอดจนการวัดการเปิดเผยของผู้ใช้ต่อโฆษณาเพื่อวัตถุประสงค์ในการกำหนดความถี่สูงสุดและการระบุแหล่งที่มา มาดูความพยายามในปัจจุบันของอุตสาหกรรม AdTech ในการต่อต้านการล่มสลายของคุกกี้บุคคลที่สามกัน
โซลูชันการระบุตัวตนทางเลือก
ด้วยการแสดงคุกกี้ของบุคคลที่สามอย่างสมบูรณ์ แบรนด์ เอเจนซี่ และตัวกลางทางเทคโนโลยีอาจเลือกใช้ตัวระบุโฆษณาทดแทน อย่างไรก็ตาม เราตกลงกันว่ามันไม่สามารถทำได้อย่างคุกกี้ของบุคคลที่สามโดยใช้ชื่ออื่นได้ ตัวระบุที่ไม่ได้รับความยินยอมที่กำหนดได้จะทำให้เกิดข้อกังวลด้านความเป็นส่วนตัวในที่สุดเช่นเดียวกัน ดังนั้นจึงไม่สามารถเป็นโซลูชันข้ามอุตสาหกรรมในระยะยาวได้
จนถึงตอนนี้ แผนข้อมูลประจำตัวแบ่งออกเป็นสองประเภทกว้าง ๆ คือ รหัสที่ไม่ได้รับความยินยอมที่อิงตามความน่าจะเป็นที่ไม่ใช่คุกกี้ และ โซลูชันการยินยอมที่พิจารณาตามการเข้าสู่ระบบ รายการแรกใช้ที่อยู่ IP ของผู้ใช้ สตริงตัวแทนผู้ใช้ และตำแหน่งทางภูมิศาสตร์เพื่อสร้างข้อมูลที่ไม่ระบุตัวตน ในขณะที่รายการหลังใช้ ID ที่กำหนดขึ้นเองและถาวร เช่น ผู้ใช้ระบุตัวตนด้วยตนเองโดยการเข้าสู่ระบบ
โซลูชันการกำหนดเป้าหมายทางเลือกภายนอกข้อมูลประจำตัว
จะเกิดอะไรขึ้นถ้าวิธีการระบุตัวตนข้างต้นไม่สำเร็จ โซลูชันที่กำหนดขึ้นโดยใช้การเข้าสู่ระบบอาจล้มเหลวเนื่องจากผู้ใช้จำนวนมากปฏิเสธที่จะระบุตัวเองเพื่อตรวจสอบสภาพอากาศในท้องถิ่นหรือบริโภคข่าวรายวัน วิธีแก้ปัญหาความน่าจะเป็นอาจล้มเหลวเนื่องจากไม่สอดคล้องกับความเป็นส่วนตัวอย่างแท้จริงและไม่แม่นยำ
MGID และบริษัทอื่น ๆ อีกหลายแห่งกำลังปรับปรุงโซลูชันตามบริบทเพื่อเป็นทางเลือกแทนการกำหนดเป้าหมายตามข้อมูลประจำตัว แม้ว่าการกำหนดเป้าหมายตามบริบทจะไม่ใช่เรื่องใหม่ แต่โซลูชันที่ใช้การเรียนรู้ของเครื่องจักร เช่น บริบทอัจฉริยะของ MGID (CI) ทำให้การกำหนดเป้าหมายตามบริบทมีประสิทธิภาพมากขึ้น
บริบทอัจฉริยะ (Contextual Intelligence) เป็นมิตรกับความเป็นส่วนตัว 100% เนื่องจากโฆษณากำหนดเป้าหมายไปยังสิ่งที่อยู่ในหน้าไม่ใช่ข้อมูลผู้ใช้ เนื้อหาที่โฆษณามีความเกี่ยวข้องกับความต้องการของผู้ใช้ในขณะนี้ ลองพิจารณาตัวอย่างโฆษณา b2b: การกำหนดเป้าหมายจะมีประสิทธิภาพมากกว่าในขณะที่ผู้ใช้กำลังดูข่าวธุรกิจในที่ทำงาน ผู้ใช้จะมีแนวโน้มที่จะเพิกเฉยต่อโฆษณาเดียวกันมากขึ้นหากเห็นในขณะที่จองอาหารค่ำ
จุดอ่อนของโซลูชันการกำหนดเป้าหมายเหล่านี้คือมีข้อมูลตามบริบทน้อยกว่าข้อมูลพฤติกรรมและข้อมูลโปรไฟล์ ผู้ใช้สามารถดูหน้าที่มีหัวข้อเฉพาะได้ในแต่ละครั้ง (ตามบริบท) แต่ตัวระบุผู้ใช้อาจเชื่อมโยงกับหน้าหลายพันหน้าที่พวกเขาเคยเข้าชมในอดีต (ตามพฤติกรรม) ดังนั้น ผู้ใช้สามารถถูกกำหนดเป้าหมายไปยังหมวดหมู่ตามบริบทหนึ่งหมวดหมู่ แต่มีหมวดหมู่พฤติกรรมนับพันรายการได้
บริบทอัจฉริยะโดย MGID แก้ปัญหานี้ได้ด้วยบริบทที่เกี่ยวข้องกับพฤติกรรม ตัวอย่างเช่น แบรนด์นาฬิการาคาแพงจะไม่เกี่ยวข้องในเชิงบริบทกับการซื้อตํ๋วเดินทางชั้นหนึ่ง ซึ่งจริง ๆ แล้วพฤติกรรมการซื้อนาฬิการาคาแพงและพฤติกรรมการซื้อตํ๋วเดินทางชั้น 1 อาจมีความเกี่ยวข้องกันบ้าง
วิธีปรับปรุงรายได้ที่ไม่เกี่ยวข้องกับการกำหนดเป้าหมาย
สาเหตุที่ผู้เผยแพร่โฆษณาจำนวนมากกังวลเกี่ยวกับการเลิกใช้งานคุกกี้บุคคลที่สามคือจำนวนรายได้ จะเกิดอะไรขึ้นหากมีวิธีการเพิ่มรายได้ที่ไม่เกี่ยวข้องกับข้อมูลประจำตัวหรือการกำหนดเป้าหมาย การดำเนินการปรับปรุงดังกล่าวจะเป็นวิธีที่ดีในการเตรียมตัวสำหรับวันสิ้นคุ้กกี้
คำตอบหนึ่งที่เป็นไปได้คือเครื่องมือเพิ่มประสิทธิภาพที่ดีกว่าโดยอิงจากโซลูชันการเรียนรู้ของเครื่องจักร การสามารถระบุโปรไฟล์ผู้ใช้หรือความตั้งใจของผู้ใช้ได้นั้นช่วยได้เพียงครึ่งเดียว การต่อสู้ที่สำคัญอีกประการหนึ่งคือการตัดสินใจว่าจะทำอย่างไรกับมัน
ตัวอย่างเช่น หากคุณเป็นบริษัทน้ำอัดลม คุณอาจเลือกกำหนดเป้าหมายหน้าเว็บที่พูดถึงน้ำอัดลม หรือเลือกโฆษณาไปยัง ID ผู้ใช้ที่แสดงความสนใจในเครื่องดื่มไม่มีแอลกอฮอล์หรือทั้งสองอย่างได้ แต่ยิ่งคุณมีข้อจำกัดในการกำหนดเป้าหมายมากเท่าใด ความสามารถในการเพิ่มขนาดก็จะยิ่งน้อยลงเท่านั้น
บ่อยครั้ง คุณจะต้องจัดการกับระดับของความเกี่ยวข้องและบริบทต่าง ๆ ในภาษาของผู้เชี่ยวชาญการเรียนรู้ของเครื่องจักร (Machine Learning) “บริบท” ไม่ได้เป็นเพียงหมวดหมู่ของหน้า แต่อาจเป็นคุณสมบัติอื่น ๆ อีกหลายสิบอย่าง เช่น วันของสัปดาห์ ช่วงเวลาของวัน อุปกรณ์ เบราว์เซอร์ หน้าในเซสชัน การแสดงโฆษณาที่คล้ายคลึงกันในอดีต เป็นต้น
ในอดีตอันไม่นานนัก ผู้โฆษณาอาศัยกองทัพผู้จัดการแคมเปญที่เลือกเป้าหมาย ความถี่สูงสุด และการเสนอราคาด้วยตนเองสำหรับบริบทแต่ละส่วน วิธีการแบบใช้ด้วยตนเองนี้สามารถให้ผลลัพธ์ที่ดีที่สุดสำหรับผู้โฆษณา แต่ไม่สามารถเพิ่มขนาดได้อย่างง่ายดาย เมื่อการเข้าถึงการตลาดของคุณเติบโตขึ้นเรื่อย ๆ การปรับเปลี่ยนแบบทีละตัวเหล่านี้กลายเป็นงานที่แทบจะเป็นไปไม่ได้เลย นี่คือเหตุผลที่ MGID ปรับปรุงความสามารถในการเพิ่มประสิทธิภาพโดยใช้ประโยชน์จากความก้าวหน้าล่าสุดในการสร้างแบบจำลองและการเรียนรู้ของเครื่องจักร
ความคิดเห็นสุดท้าย
คิดเป็นเกือบสองในสามของการใช้งานเบราว์เซอร์ทั่วโลก การตัดสินใจของ Google ในการเลิกใช้งานคุกกี้ของบุคคลที่สามยังคงเป็นจุดเปลี่ยนสุดท้ายในการล่มสลายของเทคโนโลยีนี้ น่านน้ำที่ยังไม่ถูกสำรวจของยุคไร้คุกกี้อาจอยู่ใกล้หรือไกลออกไปในอนาคต แต่ผู้เล่นในอุตสาหกรรมรายใหญ่ทั้งหมดยังคงต้องตัดสินใจว่าจะเข้าสู่ยุคเหล่านี้อย่างไร
