Oggi i marketer hanno potenzialmente accesso a un numero quasi infinito di informazioni sugli utenti, che offrono moltissime possibilità di realizzare pubblicità personalizzate e perfettamente mirate. Tuttavia, nonostante la grande quantità di dati a disposizione, sono ancora molte le pubblicità mal posizionate e scarsamente mirate. Secondo Sizmek, la soluzione a questo problema è il targeting contestuale basato sulla semantica: l’intelligenza artificiale e il machine learning applicati all’analisi del linguaggio naturale consentono di interpretare il contenuto delle singole pagine web in modo altamente granulare.
Posizionando le pubblicità vicino a contenuti in linea con l’audience desiderata dal brand, il targeting contestuale offre un approccio efficace e conveniente per raggiungere la propria audience.
A differenza del targeting basato su keyword – che è inefficace quando le parole hanno diversi significati e vengono estrapolate dal contesto – l’analisi del sentiment legato al contenuto delle pagine web rivela la relazione tra parole e frasi, garantendo la comprensione del reale significato.
La soluzione Peer39 sviluppata da Sizmek analizza più di 170 milioni di pagine al giorno interpretandone in modo accurato i contenuti per garantire che soddisfino le esigenze di qualità e sicurezza e che gli annunci pubblicitari vengano inseriti nel contesto più appropriato. I dati sulle pagine web ottenuti dalla soluzione possono essere utilizzati per tre scopi: verification, targeting contestuale e pre-bid.
Verification
I clienti possono ottenere informazioni dettagliate sul contesto in cui sono stati posizionati gli annunci pubblicitari e sulle modalità di fruizione da parte degli utenti: Paesi, siti, dispositivi, lingue, categorie “safe” o “negative”, e così via. Tutti i dettagli possono essere visualizzati tramite un’unica dashboard, che consente di creare report specifici in base alle esigenze del cliente.
Targeting contestuale
L’analisi del contesto consente ai marketer di raggiungere la propria audience quando è interessata agli argomenti più rilevanti per il brand. L’analisi avviene a livello di pagina anziché a livello di dominio e ogni URL viene considerato indipendentemente. In questo modo, i marketer possono trovare contenuti rilevanti su tutti i siti, invece di limitare le proprie campagne sui siti la cui audience sembra più in linea con la propria consumer base. È possibile selezionare categorie di contenuti più ampie come “finanza personale” o persino più specifiche come “assicurazioni” o “assicurazioni sulla vita” per massimizzare la rilevanza delle pubblicità.
Inoltre, il targeting contestuale usa l’analisi del sentiment basata sull’intelligenza artificiale per comprendere non solo il contenuto di una pagina ma anche le emozioni che provoca. In questo modo, i marketer sono in grado di comprendere meglio l’umore dei consumatori e pubblicare le proprie pubblicità accanto ai contenuti migliori.
Pre-bid
Tramite la DSP, i marketer possono utilizzare i dati di cui sono in possesso per stabilire in anticipo determinate categorie contestuali che desiderano evitare, come argomenti politici, alcol, contenuti estremisti o per adulti. Inoltre, è possibile selezionare categorie specifiche del settore per evitare contenuti considerati inappropriati dal settore in cui l’azienda opera e creare categorie personalizzate in base a eventi di attualità o trending topic.
Non si tratta solamente di promuovere un brand accanto ai contenuti più adatti ma anche di proteggerlo. Il targeting contestuale basato sull’intelligenza artificiale garantisce, infatti, la brand safety, impedendo che le pubblicità vengano pubblicate accanto a contenuti inappropriati che potrebbero danneggiare il brand per associazione. In un momento in cui la brand safety è un elemento fondamentale del programmatic advertising, è importante potersi affidare a una tecnologia in grado non solo di identificare il contesto migliore in cui posizionare una pubblicità ma anche di evitare possibili danni di immagine.