Quello delle inventory fraudolente è ancora una questione aperta nel mondo della pubblicità digitale, e programmatic in particolare. Nonostante gli sforzi di operatori e associazioni di categoria nel trovare delle soluzioni in grado di debellare il problema, ancora molti inserzionisti, a loro insaputa, si trovano ad acquistare spazi pubblicitari fake, o differenti rispetto a come venivano descritti al momento della vendita.
Oggi una nuova ricerca internazionale dà un valore del fenomeno: nel 2018 si stima che le aziende perderanno 19 miliardi di dollari in pubblicità fraudolenta, il che equivale a circa 51 milioni di dollari al giorno. E sempre secondo lo studio, condotto dall'istituto Juniper Research, nei prossimi 5 anni il fenomeno non diminuirà, anzi raggiungerà i 44 miliardi entro il 2022.
Tra i principali motivi di resistenza del fenomeno, nonostante gli sforzi del mercato, c'è secondo la società l'approccio chiuso di certe piattaforme pubblicitarie, i cosiddetti walled garden, e la loro riluttanza a fornire informazioni rilevanti sulle performance pubblicitarie ad aziende ed editori. Un atteggiamento che secondo Juniper Research dovrebbe essere abbandonato a favore di una maggiore trasparenza tra gli stakeholder.
Nel frattempo, una possibile soluzione potrebbe essere quella dell'Intelligenza Artificiale, che attraverso l'analisi delle chiamate d'asta, delle impression e dei CTR potrebbe individuare e bloccare gli annunci fake. Tecnologie auto-apprendenti vengono già utilizzate per il targeting pubblicitario (secondo lo studio arriveranno ad essere adottate sul 74% della spesa pubblicitaria su web e mobile entro il 2022), ed hanno iniziato ad essere adottate anche per identificare in maniera rapida attività fraudolente, attraverso l'osservazione del traffico, dei tassi di conversione, delle localizzazioni geografiche e degli indirizzi IP.
Ma naturalmente serve tempo perché questo tipo di strumenti diventi sempre più efficace, dal momento che apprende attraverso l'esperienza. Anche l'aggiunta di nuove fonti di dati da analizzare potrebbe essere utile in tal senso.