Мир без cookies: тренды и рекомендации от агентства Mera

Старший директор по продуктам Privacy Sandbox Виктор Вонг допустил, что дедлайн может сдвинуться из-за согласований с британским регулятором, но призвал участников рынка готовиться к отключению в ранее заявленные сроки.

Рекламный рынок не надеется на отсрочку, поэтому адаптируется к новой среде: тестирует альтернативные методы сбора данных, таргетинга и аналитики.

Основными рабочими альтернативами third party cookies являются first party данные и контекстный (он же контекстуальный) таргетинг. Эффективность последнего будет драйвить искусственный интеллект — в первую очередь, технологии машинного обучения и алгоритмы.

Усиление роли собственных данных

В отсутствие сторонних cookies лучшим способом улучшить эффективность рекламных кампаний и персонализацию предложений являются first party данные. Именно поэтому рекламодатели, которые хотят сохранить привычные подходы к персонализации и таргетингу, обращаются к walled gardens — закрытым платформам, владельцами которых являются интернет-сервисы, маркетплейсы, банки, ритейлеры, телеком-операторы. В России к числу крупнейших поставщиков 1P Data относятся Ozon, Сбербанк, «Яндекс», VK, МТС, «Билайн», «М.Видео-Эльдорадо», X5 Group.

В чем польза сотрудничества с walled gardens?

1. Данные, добровольно предоставляемые пользователями экосистем, можно использовать для поиска существующих и похожих клиентов.
2. Готовые аудитории без дополнительных расходов: walled gardens предоставляют различные сегменты бесплатно.
3. Точные межканальные измерения: платформы вроде «Яндекса» и VK измеряют эффективность рекламы на различных устройствах на протяжении всего пути покупателя.

Артем Сараев

Digital Excellence Expert в Mera

Важность использования собственных данных подтверждается на практике. К примеру, наша аналитика для одного из FMCG-клиентов показала, что размещение на сегментах, основанных на собственных CRM-данных, дает прирост до 50% к CTR. Кроме того, доход с одного визита увеличивается в среднем на 9% по сравнению с размещением на предустановленных сегментах.

Контекстный таргетинг: всё новое — это хорошо забытое старое

Размещение рекламы рядом с релевантным контентом — один из первых методов таргетирования рекламы в интернете, который использовался до начала широкого использования файлов cookie.

Поскольку объем инвентаря с поддержкой традиционных методов таргетинга будет сокращаться, брендам придется искать площадки, которые предлагают интересный ее ЦА контент. Далее рекламное сообщение будет адаптироваться к содержанию страницы, ключевым словам, местоположению пользователя и другим факторам.

На фоне возрождения интереса к контекстному таргетингу российские рекламодатели тестируют новые форматы:

• In-Image (реклама в изображении), когда реклама встраивается непосредственно в релевантные изображения на веб-странице. Например, реклама спортивной обуви появляется на изображениях, где люди занимаются спортом.
• In-video native advertising (реклама в видео), когда реклама размещается внутри видеоконтента на основании содержания видео. Это может быть баннер или короткое рекламное сообщение в начале ролика, соответствующее его тематике.
• Content recommendation widgets (виджеты рекомендаций контента) представляют собой элементы, внутри которых размещаются рекомендованные статьи, видео и другие типы контента, релевантные просматриваемой странице. Рекомендации могут включать как органический контент, так и рекламные материалы.
• Semantic targeting (семантическое таргетирование) — расширенный подход к контекстному таргетингу, который анализирует семантические связи и значение текста на странице для более точного соответствия рекламы контексту. Это позволяет достигать высокой релевантности рекламы, даже если ключевые слова не совпадают напрямую.
• Audio content advertising (реклама в аудиоконтенте) — рекламные сообщения, интегрированные в подкасты или музыкальные стримы, основанные на тематике или содержании аудио. Например, короткое рекламное объявление, связанное с темой подкаста.

Усиление роли искусственного интеллекта и автоматизации

Развитию контекстного таргетинга будут способствовать технологии машинного обучения, поскольку они играют ключевую роль в анализе контекстуальных факторов. К таким факторам относятся ключевые слова, тематика страницы и местоположение пользователя.

По мере совершенствования алгоритмы машинного обучения смогут обрабатывать все больше данных, выявлять скрытые закономерности и тенденции, что сделает возможным предсказание интересов и предпочтений пользователя, основываясь на контексте, без необходимости применения cookies. На основе анализа собранной информации ИИ подберет наиболее релевантные рекламные сообщения для каждого конкретного случая.

В переходный период ИИ приобретет особую значимость для маркетологов: он поможет оптимизировать распределение рекламного бюджета, минимизировать затраты на ручное управление данными и процессами и таким образом повысить эффективность и целевую направленность кампаний.

По нашим прогнозам, проникновение ИИ в digital-рекламу будет только ускоряться. Еще несколько лет назад результаты использования контекстуального таргетинга в большей части случаев уступали таргетингу по cookies в плане кост-эффективности. Однако вместе с развитием нейросетей и их внедрением в контекстуальный таргетинг (улучшается понимание контекста и смысла текста, а не просто ключевые слова) мы видим, что все в большем количестве размещений результаты становятся сопоставимыми, а в некоторых случаях даже превосходят размещения с таргетингом по cookies.

Как подготовиться к новым реалиям без cookies и не потерять в эффективности рекламы?

Максимально собирать и использовать собственные данные

Для эффективного сбора и использования 1st party data рекомендуется:

1. Внедрение CRM или CDP систем: эти инструменты обеспечивают сбор, хранение и анализ данных о клиентах, что является ключевым фактором успеха при управлении клиентской базой.
2. Сбор данных на собственном веб-сайте: использование различных методов, таких как формы регистрации и подписки на новости, поможет собрать ценную информацию о пользователях.
3. Разработка программ лояльности: такие программы дают возможность собирать данные о предпочтениях и поведении клиентов.
4. Сотрудничество с партнерами: обмен данными с надежными партнерами может расширить объем и разнообразие собранной информации, что улучшит качество таргетинга.
5. Разработка стратегии использования собственных данных: важно определить, как лучше всего использовать собранные данные для создания персонализированных рекламных кампаний, учитывая размеры и специфику доступных сегментов.

Выбрать поставщиков, обладающих достаточным объемом собственных данных

Неполный список таких поставщиков приведен выше. Важно сотрудничать с платформами, которые предлагают актуальные и достоверные данные, гарантирующие точное понимание целевой аудитории.

Формировать сегменты из сторонних источников

Это необходимо для расширения охвата аудитории и обогащения информации о поведении и интересах потенциальных клиентов.

Сегменты могут быть созданы на основе

• стабильных идентификаторов (stable ID), собранных крупными walled gardens;
• контентного/контекстного таргетинга, который учитывает содержание веб-страницы и позволяет сегментировать аудиторию на основе ее интереса к определенным темам.