Vi har dækket publisher first-party data, advertiser first-party data og second-party data, men der er stadig endnu en nøgletype data-tredjeparts data.
tredjepartsdata er enhver information indsamlet af en enhed, der ikke har et direkte forhold til den bruger, som dataene indsamles på. Ofte indsamles tredjepartsdata fra en række hjemmesider og platforme og aggregeres derefter sammen af en tredjepartsdataudbyder, såsom en DMP.
Ved at samle data fra en række forskellige egenskaber er DMP ‘ er i stand til at oprette omfattende publikumsprofiler. Disse profiler indeholder oplysninger om brugernes internetinteraktioner og adfærd, som derefter bruges til at kategorisere brugere i bestemte segmenter, såsom auto intenders eller sportsfans.
for eksempel
en bruger kan besøge en sports hjemmeside og vælge deres favorit hold. De kan derefter navigere til en auto entusiast blog, og endelig udfylde et kreditkort ansøgning på en bank site. Sportsstedet ved ikke nødvendigvis, at brugeren elsker luksusbiler eller har en høj indkomst. I modsætning til sportsstedet har dataudbyderen ikke et direkte forhold til brugeren, men da udbyderen indsamler data fra brugeren, når de rejser på nettet, ikke kun på en individuel ejendom, kan de danne et mere komplet billede af denne bruger.
hvad er fordelene?
tredjepartsdata giver en bred vifte af oplysninger, der ikke kan matches af en individuel enhed. Mens førstepartsdata normalt betragtes som de mest værdifulde, da de er gratis og udviklet deterministisk, kan de simpelthen ikke matche bredden og omfanget af tredjepartsdata, der er modelleret probabilistisk. Mens en individuel udgiver kan have højt specialiseret viden om en bruger fra interaktioner på deres hjemmeside, da de fleste steder har bestemt indhold eller produkter, der tiltrækker brugere, er det sandsynligt, at de ikke vil vide meget om resten af brugerprofilen.
derudover destillerer disse tredjepartsdataudbydere dataene ned til målgruppesegmenter, hvilket fjerner analyser, som annoncøren muligvis har brug for for at udføre andet.
tredjepartsdata og målgruppedata hjælper generelt med at skifte væk fra at bruge indhold som en fuldmagt, så annoncører kan købe målgruppesegmenter baseret på nøgleegenskaber.
der er også forbrugernes fordele ved målretning mod publikum. Talrige undersøgelser har vist, at forbrugerne ofte foretrækker personlig reklame, så længe det ikke overskrider og invaderer deres privatliv. En velkendt undersøgelse, der drives af Adlucent, viste, at 71% af forbrugerne foretrækker annoncer, der er skræddersyet til deres indkøbsvaner. Det er intuitivt, at forbrugerne engagerer sig mere med annoncer, der giver mening for dem. Faktisk fandt en Nielsen-undersøgelse, at 78% af de adspurgte sagde, at de havde opdaget et nyt produkt fra en TV-eller internetannonce sammenlignet med kun 56%, Der fandt ud af det fra venner eller familie.
hvordan sælges og aktiveres dataene?
dataudbydere sælger disse aggregerede, anonymiserede data til annoncører for at lette målrettede annoncekøb, så annoncører kan målrette og skræddersy annoncer for effektivt at engagere disse bestemte målgrupper. Disse bundter sælges typisk på CPM-basis med håb om, at et mere målrettet, engageret publikum er værd at ekstraomkostningerne, da annoncen ellers kan blive udsat for publikum, der ikke er interesseret i at købe.
for eksempel
et luksusbilmærke ønsker måske at målrette bilkøbere på markedet-personer med udløbne lejemål eller gamle biler — der tjener mere end $80.000 om året. Selvom CPM vil stige for at imødekomme omkostningerne ved denne målretning, og den samlede skala vil falde, annoncøren er meget mere tilbøjelige til at nå reelle potentielle kunder.
historisk set var disse data målbare på efterspørgselssiden platform (DSP) niveau. DSP ‘er ville integrere med DMP’ er for at gøre disse målretningsmuligheder tilgængelige for de handlende på deres platforme og for deres reklamekunder. Med stigningen i private markedstransaktioner til mere end 50% af alle programmatiske udgifter i 2020 er der imidlertid et stigende pres for at flytte datamålretning til udbudssiden platform (SSP) side af transaktionen, da ssp ‘ er har større synlighed i opgørelsen over deres udgiverklienter. Dette er især nyttigt til at målrette premium-beholdning fra udgivere, der kun har det godt med at gøre deres beholdning tilgængelig programmatisk på private markedspladser, når den er beskyttet af tjenester såsom Audience Lock.
desuden begynder udgivere at bruge tredjepartsdata til at styrke deres egne førstepartsdata med supplerende publikumsinformation eller blot for at tilføje værdi til deres beholdning uden førstepartsdata.
for eksempel
en udgiver, der kører en auto entusiaster site kan have specialiseret bil interesse oplysninger fra deres brugeres logins og profiler. Denne udgiver kunne forbedre den skala, den tilbyder annoncører ved at kombinere deres førsteparts brugeroplysninger-Bygget fra brugere, der valgte luksusbiler i deres “foretrukne” — profil eller fra at klikke på et bestemt antal artikler — med tredjepartsdata med høj indkomst på markedet fra eksemplet ovenfor. Udgiveren kunne derefter aktivere disse data for annoncører på tværs af hele deres fodaftryk af sider, herunder på ikke-automatisk relateret indhold.vores mest succesfulde udgivere modtager ofte dobbelt CPM for data-lags kampagner end for dem uden. Annoncørerne er glade, fordi de når de målgrupper, de ønsker at målrette mod i premium, brandsikre miljøer, og vores udgivere er glade, fordi deres CPM ‘ er er så høje.
hvad er risikoen?
som vi delte i Vores hvad er cookies… blog-indlæg, er desktop og mobile tredjeparts data i øjeblikket indsamlet primært ved hjælp af cookies. Du har muligvis læst, at alle større brugere planlægger at afbryde tredjepartscookies. Selvom dette paradigmeskift ikke vil skade publikumsopbygningsprocessen i CTV-eller in-app-miljøer, der primært bruger vedvarende enhedsidentifikatorer til at opbygge målgrupper, vil det sandsynligvis påvirke desktop og mobilnet. Uden cookies, hvordan vil de forskellige sammenkoblede parter i ad tech supply chain synkronisere målgrupper? Der er en række potentielle løsninger i den indledende designfase for at hjælpe med at løse dette brancheomfattende Gåde. Imidlertid, ingen ser ud til at være sølvkuglen, og ingen er fjernt klar til primetime. Tjek vores blogindlæg om bortgang af tredjepartscookies for at lære mere.
Lær mere om målgruppedata
nu hvor vi har dækket de forskellige parter, der er involveret i dataindsamlingsprocessen og forskellige typer data, er vi klar til at blive mere detaljerede. Hvis du fandt dette emne interessant, vil jeg anbefale dig at læse dette indlæg for at lære om de sandsynlige og deterministiske metoder til publikumsidentifikation og fordelene ved hver.