Reklaam vs soovitus

Kui sihitud reklaam tapab teie kulul soovitusmootorid

Veetsite minut õetütrele kingituse otsimisel ja näete siis kõikjal pilte nukkudest. Kõlab tuttavalt?
Sihtreklaamiteenused on sageli kujundatud soovitusmootoriteks, et hägustada ettevõtete ja üksikisikute stiimulite vahelist erinevust. See on nii tavaline, et enamik inimesi peab soovitusteenuseid varjatud reklaamiplatvormideks.
Vaatame, kuidas sihitud reklaamimine erineb soovitusmootorist ja mida see kasutaja jaoks tähendab: teie.

Kavatsus osta [Tom Fishburne]

Mis on soovitused ja suunatud reklaam?

Esiteks, mida ma soovituse all mõtlen? See on üsna sirgjooneline: otsite midagi, mis sobib teie isikliku maitsega, näiteks muusika. Kasutate teenust, kus saate oma eelistused sisestada, näiteks Spotify. Seejärel soovitab see teenus uusi laule, mida tõenäoliselt oma eelnevaid maitseid arvestades armastate. Saite just soovitusi.

Soovituse eesmärk on optimeerida teie kogemusi, pakkudes parimaid tooteid vastavalt teie isiklikule maitsele.

Teisalt on suunatud reklaam suunatud kolmandatele isikutele. Ütle, et reklaamija A müüb kingi ja reklaamija B reisipakette. Mõlemad loovad oma reklaamikampaania ja maksavad reklaamimaakleritele nende reklaamide kuvamise eest. Reklaamija A kasutab Google'i DoubleClicki ja reklaamija B AppNexust. Külastate veebisaiti, kus müüakse reklaamiautosid, näiteks DailyNews. Kümne sekundi jooksul ostavad need reklaamimaaklerid teie brauseri ajaloo andmeturult ja teevad seejärel pakkumise, et otsustada, millist reklaami näidata.
Kui DoubleClick maksab kõige rohkem, näete väljamõeldud kingi. Kui AppNexus maksab kõige rohkem, näete odavaid eksootilisi reisipakette ja mõtlete oma järgmiste pühade peale.

Reklaamimise eesmärk on reklaamija, kirjastaja ja kolmandate osapoolte kasumi optimeerimine teie sirvimisajaloo põhjal.
Isikuandmete kogumine [turundaja]

Läheme korraks mutrite ja poltide juurde. Reklaami mõttes nimetatakse reklaamimaaklerit nõudluse pooleks (DSP). DSP makstakse siis, kui klõpsate reklaamil, seetõttu arvutab see pakkumised klõpsamise tõenäosuse maksimeerimiseks. Sarnasus soovitusega tuleb esile siis, kui DSP kasutab teie isikuandmeid, mis on ostetud andmehaldusplatvormilt (DMP).

Suurimad DMP-d, näiteks Oracle või Salesforce, teavad palju teie vanusest, külastatud veebisaitidest, otsinguajaloost, võrguühenduseta ostudest või teie tegevusest suhtlusvõrgustikes. Nad kasutavad kurikuulsaid jälgimisküpsiseid, et koguda andmeid kõikjale ja sünkroonida kõik teie profiilid koos. DSP kasutab neid andmeid klikkimise tõenäosuse ennustamiseks. Seetõttu näete pärast Google'is kingade otsimist kingade reklaame oma uudisteartiklite seas.

Kolmandate osapoolte veebireklaamid [Vikipeedia]

Erinevad tehnilised raamistikud

Sihtreklaam erineb soovitustest märkimisväärselt kolmel peamisel põhjusel: nende lähenemisviisidega seotud andmed, kasutajaprofiilide ülemäärane lihtsustamine ja arvutuslikud piirangud.

1. Kaudne ja selge tagasiside

Kõigepealt on soovitussüsteemid interaktiivsed. Saadud muutmiseks saate oma eelistusi kohandada. Sellised teenused kasutavad peamiselt selget tagasisidet.
Vastupidi, reklaamisüsteemid koguvad ainult kaudset tagasisidet, sageli teie luba küsimata. Kui näete mitme nädala jooksul rohkesti beebivarustust, on pettumust valmistav, kui ostsite oma äsja vanemale sõbrale lihtsalt kingituse. Kaudse tagasiside kaudu saadud andmed on palju vähem informatiivsed kui interaktiivse protsessi käigus saadud andmed.
Kas saaksite muusikaeksperdina soovitada pärast lühikest muusikavestlust kellelegi head muusikat? Kindlasti. Kas saaksite seda teha, kui arvestada ainult nende hiljutisi otsinguid Google'is? Ma ei klõpsaks sellel.

2. Kasutajaprofiilide jäme pigeonholing

Teine oluline erinevus tuleneb reaalajas pakkumismenetluses osalevate kolmandate osapoolte arvust. Kuna DSP-d (reklaamimaaklerid) ja DMP-d (andmeplatvormid) on erinevad ettevõtted, on teie andmete töötlemine sisuliselt eraldatud reaalajasoovitustest. DMP ei tea, millised on praegused reklaamikampaaniad, kui ta tihendab oma hulga andmepunkte informatiivseteks ülevaadeteks. Selle protsessi tulemuseks on kasutajaprofiilide liiga lihtsustatud segmenteerimine ettemääratud jämedates kategooriates. Kas tunneksite end aru saada, kui ma peaksin teie maitsele stereotüübi andma ainult siis, kui valiksite mõne järgmistest 44 tunnusest?

IPinYou andmestiku 44 kasutajasegmenti [sic]

DMP jaoks on sageli kasumlikum koguda miljardeid kasutajate kokkuvõtteid, selle asemel et kulutada aega ja raha mõnele inimesele põhjalike maitse-eelistuste kogumiseks. DMP võib teid sildistada kui „30 aastat meest, kes otsib kingi“, kuid nad ei tea, milliseid jalatseid eelistate, ega seda, kas teie sõber kasutas selle otsingu jaoks teie arvutit.

3. Arvutusvõime

Kolmas tehniline kontrast, millele tahaksin tähelepanu juhtida, on DSP-dele reklaamipesa pakkumisele seatud äärmiselt lühike ajaline piirang: sageli alla 100ms. See sunnib kasutama täiesti naiivseid algoritme võrreldes sellega, mida soovitussüsteemid saavad endale lubada. Reaalaja pakkumise (RTB) ennustusalgoritm valib tavaliselt hõreda alamhulga 30–40 tunnust, kus soovituse algoritm kasutaks tihedaid esindusi kümnete miljonite parameetritega.

Ülalkirjeldatud lihtsustamisega koos on ilmne, et tavalistel soovitusmootoritel on arvutuslik võimsuse suurusjärk suurem kui RTB-l.

Reaalajas pakkumise mäng [AdExchanger]

Mida see kasutaja jaoks tähendab?

Nüüd, kui oleme peamised erinevused paika pannud, vaatame, kuidas see mõjutab kasutajakogemust. Ülaltoodud tehniliste piirangute tõttu pole reklaamid kaugeltki kasutaja maitse järgi kohandatud. Selle fakti tõestamiseks on täiuslik statistika see, et reklaamil klõpsamise keskmine arv on alla 1/1000. Samamoodi on keskmine konversioonide (nt ost, allalaadimine) arv väiksem kui 1/20 000. Soovitusmootor, millel on vaid üks hea vist kunagi 20 000 arvamist, ei suutnud hommikuti peeglisse vaadata.

Kuna reklaamijatele makstakse klikkide abil, kasutavad veebireklaamijad mittehuvitatud kasutajate tähelepanu köitmiseks tuntud meetodeid: vilkuvad animatsioonid, kõrge visuaalne kontrastsus ja heliefektid. See kahjustab ilmselgelt veebikogemust ja selgitab, miks inimesed kiirustavad reklaamide blokeerimise tarkvaraga. eMarketer loodab, et 30% Interneti-kasutajatest kasutab seda 2018. aastal.

Reklaamiploki tarkvara kasutavate seadmete arv [PageFair]

See pakkumissüsteem ise mõjutab kogemusi. Valitud reklaam jõuab lõpuks kõige enam maksva DSP-ni. See, mida kasutaja näeb, pole mitte ainult ebaoluline, vaid ka tugevalt kallutatud jõukate ettevõtete poole. Indie-bände ega filmitegijaid ei reklaamita kunagi suuremate tööstusharudega konkureerides, isegi kui need sobivad teile paremini.

Äärmuslikel juhtudel ei näe kasutajad midagi, kui kallis reklaamikampaania selle eest ei maksa. Reklaamiavad pole koht, kus soovitada inimestel seda varjatud parki külastada, millest teie naabrid teile rääkisid, ega pisikest avalikku muuseumi, mille avastasite kaks aastat pärast iga päev möödumist. Seevastu hea soovitusmootor, mida ei juhita kasum, valiks neid kindlasti, kui see teie jaoks töötab. Eriti tasuta esemeid ja tegevusi!

Taastame usalduse soovitusmootorite vastu

Kui usaldus on kahjustatud, muutub suhe igaveseks. Veebikogemuse kahjustamine muudab meid saadud algoritmiliste ettepanekute suhtes üha kahtlustatavamaks. Tõeline soovitusmootor peab muretsema ainult teie, üksikisiku ja töötama teie parimates huvides. Ma ei usaldaks spondeeritud tooteid pakkuva platvormi soovitusi või, mis veelgi hullem, müüksin oma isikuandmeid kolmandate osapoolte agentuuridele.

Kujutage ette kahte futuuri: üks, kus reklaamivõidud ja hüpikaknad suunatakse otse teie nägemisnärvidesse; teine, kus AI on siin, et aidata teil avastada asju, mida armastate. Millist tulevikku soovite ehituse osaliseks saada?
Seetõttu loome ettevõttes Crossing Minds hai - interaktiivse meediumite ja meelelahutuse soovituste mootori, mis on vaba igasugustest eelarvamustest. Siin saate registreeruda, et proovida alfaversiooni: miljonid parameetrid, ise treenitud, oma kasumi nimel!