Johan Liden och Björn Bigander, marknads- och säljansvariga i Norden på Quantcast, om framtiden inom AI och tredjepartskakor och hur det kan påverka aktörer inom e-handeln.
Vilka utmaningar står marknadsförare och publicister inför när det gäller att nå ut till en större publik på internet efter att användningen av tredjepartskakor minskat?
Den största utmaningen är att så länge annonsören inte använder alternativa lösningar för
tredje parts kakan samt om volymen tredjeparts kakor minskar så blir annonsörens
addressable market mindre och mindre. Vi kan också anta att priset går upp mot målgrupper som använder tredje parts kakor då fler annonsörer konkurrerar om en mindre del av marknaden. Annonsörens målgrupp blir med andra ord mindre och mindre. Det finns två övergripande utmaningar som vi ser det; 1. du når färre i din målgrupp samt
2. Mätning och attribuering kommer i allra högsta grad att påverkas. Det som tidigare sköttes av tredje partskakan måste nu ersättas av alternativa tekniker. Här finns det ingen universell lösning idag och frågan är om det kommer finnas någon. Därför är det viktigt att börja förstå inverkan på annonsörens eller publicistens egna digitala affär i ett tidigt skede och för det kommer det krävas alternativa synsätt vid utvärdering och attribuering.
Hur påverkar användningen av kakor på internet marknadsföring och annonsering idag?
Användningen av kakor på internet möjliggör marknadsföring och annonsering genom att det ger marknadsförare och publicister möjlighet att samla in data om användare och deras beteenden på nätet när de rör sig ”cross domain”. Dvs när profiler rör sig mellan olika siter över internet. Denna data kan användas för att skapa mer relevanta annonser och för att
kunna mäta effekten av annonserna.
Då tredje parts kakan möjliggör att annonsören kan följa beteended över olika domäner så kan även en frekvens sättas och därmed får du kontroll på din räckvidd. Försvinner denna möjlighet så försvinner möjligheten att förstå frekvens och räckvidd över en målgrupp som rör sig cross domain.
Hur kan marknadsförare och publicister anpassa sig till förändringar i internetanvändares inställning till kakor och personlig data?
Marknadsförare och publicister kan anpassa sig till förändringar i internetanvändares inställning till kakor och personlig data genom att i första hand se över sin egen strategi för hur den personliga integriteten kan skyddas och ge konsumenten möjligheten att själv kunna välja hur informationen ska användas och när den ska användas.
Annonsörer letar naturligt alternativa sätt att samla in data om användare och deras beteenden på nätet men dessa sätt behöver ta hänsyn till konsumentens rätt till personlig integritet annars är vi tillbaka på ruta ett.
Vad är fördelarna och nackdelarna med att använda en cookielös lösning för att nå ut till en publik på internet?
Fördelarna med att använda en cookielös lösning för att nå ut till en publik på internet inkluderar att det kan öka användarnas förtroende för företaget och dess annonser, och att det kan minska risken för att företaget bryter mot dataskyddslagar. En annan uppenbar
fördel är att med en cookielös teknik nå målgrupper de tidigare aldrig haft möjligheten att kommunicera med. I och med att det just nu är kostnadseffektivt att nå denna målgrupp. Det är fortfarande få annonsörer som köper på detta sätt.
En cookielös teknik breddar räckvidden och skapar helt nya möjligheter att växa affären. Nackdelarna handlar till största delen om att kunna spåra och attribuera dina onlineaktiviteter. Här måste annonsören se över hur de ska utvärdera sina kampanjer och hur de ska allokera sin mediabudget. Här tar Quantcast hjälp av AI och maskininlärning för att med hög sannolikhet avgöra vad som ger upphov till ett köp online, eller en beteendeförändring.
Vilka alternativa tekniker eller metoder finns tillgängliga för marknadsförare och publicister att nå ut till internetanvändare utan tredjepartskakor?
Alternativa tekniker eller metoder som finns tillgängliga för marknadsförare och publicister att nå ut till internetanvändare utan tredjepartskakor är flera. En generell indelning av dessa lösningar är; kontextuella lösningar, ID-lösningar samt tekniker som drivs av data som
kategoriserar in personer i intressegrupper, Cohorts. Kontextuellt är det traditionella köpsättet där miljön styr annonseringen. En ID-lösning använder en så kallad identifier för att försöka mappa ut vem profilen är genom exempelvis en e-postadress eller att profilen är inloggad i olika miljöer. Cohorts är grupper av profiler som kategoriseras utifrån ett gemensamt intresse som ofta baseras på olika datasignaler där första parts data är en viktig parameter. Kommande lösningar kommer primärt använda första parts data istället för tredje parts kakan.
Första parts data kan vara cookies, publicistens CRM data, e-postadresser eller andra typer av signaler som publicisten har på sina användare. Exempelvis sitter publicisten på första parts data över sina besökare på hemsidan. Den informationen blir allt mer viktig.
Quantcast som exempel har tidigt tagit fram en lösning som kategoriseras som en multiple signal approach. Med detta angreppssätt så används flera olika signaler för att bygga förståelse över målgruppen. Den innehåller både kontextuella, ID´n samt första parts data.
Vilka är de framtida trenderna inom marknadsföring och annonsering?
Några av de starkaste trenderna inom marknadsföring och annonsering just nu handlar om artificiell intelligens och maskininlärning, för att skapa mer relevant annonsering, Quantcast
har jobbat med detta i snart 15 år när det blev möjligt att köpa enskilda annonsvisningar och
köpa mer automatiserat. Vi ser också att flera mediaslag blir digitala och köps automatiserat programmatiskt som tex Connected TV (CTV), digitala skärmar utomhus (DOOH). Om vi tar
CTV som exempel så finns nu möjligheten att köpa målgrupsstyrt och även med hjälp av AI koppla ihop en sådan aktivitet med vad som händer på din hemsida. Något som inte varit
möjlig i traditionell linjär TV.
Starkaste trenderna inom marknadsföring och annonsering handlar just nu om artificiell intelligens och maskininlärning