Desde que a publicidade digital existe, anunciantes e agências contam com a segmentação de público para suas campanhas. Embora essa tática testada e comprovada tenha sido eficaz por tanto tempo, sua eficácia está diminuindo na era atual de privacidade em primeiro lugar. Em vez de confiar em expectativas predefinidas em relação ao público, os anunciantes hoje estão muito melhor usando o que há de mais recente em aprendizado de máquina para encontrar seus melhores usuários.
1 peão amarelo cercado por peões pretos
Se o rastreamento de público está fora de questão, como os anunciantes e agências podem alcançar e adquirir consumidores de alta qualidade?
Por que a segmentação de público não funciona mais
É fácil ver a lógica inerente à segmentação com base no público. Por exemplo, quem mais uma marca de fraldas deseja atingir além de novos pais?
O maior problema com a segmentação baseada em público agora é que os dados que sustentam essa estratégia estão se tornando indisponíveis ou intragáveis. No lado da tecnologia da equação, a estrutura AppTrackingTransparency da Apple removeu em grande parte o identificador para anunciantes (IDFAs) do ecossistema do aplicativo móvel, o que significa que agora é muito mais difícil conectar diretamente um usuário a um dispositivo (pelo menos no importante ecossistema iOS). E com o Google começando a testar seu Privacy Sandbox para Android, é apenas uma questão de tempo até que uma dinâmica semelhante se estabeleça com o outro grande sistema operacional móvel.
Essa já é a realidade no mundo dos navegadores. Os navegadores Firefox, da Mozilla, e Safari, da Apple, já proibiram cookies de terceiros, e o Google fará o mesmo com o Chrome.
É claro que os dados primários de um anunciante podem ser aproveitados para fins de segmentação, mas obter o suficiente e torná-lo utilizável em escala não é pouca coisa. Provavelmente levará mais alguns anos, pelo menos, até que qualquer uma das soluções de identidade digital mais notáveis seja amplamente usada – e compartilhar dados com segurança e privacidade é outra questão.
Além disso, o cenário legal tornará qualquer segmentação individual menos viável. O GDPR na Europa, a LGPD do Brasil e a Lei de Privacidade do Consumidor da Califórnia já derrubaram as práticas de compartilhamento e rastreamento de dados, e muitas outras leis e regulamentos devem surgir nos próximos anos.
E, acima de tudo, a maioria dos consumidores simplesmente não quer ser rastreada online pelos anunciantes. A pesquisa de 2022 da Permutive e The Harris Poll descobriu que cerca de três quartos dos consumidores no Reino Unido e nos EUA têm sérias preocupações sobre o rastreamento e como os dados sobre eles são rastreados e usados.
Isso levanta a questão: se o rastreamento de público está fora de questão, como os anunciantes e agências podem alcançar e adquirir consumidores de alta qualidade? É aqui que entra o aprendizado de máquina.
Por que o aprendizado de máquina é melhor do que o público para publicidade digital:
O benefício de modelos de aprendizado de máquina bem treinados e de alta qualidade é que eles permitem que os anunciantes encontrem seus melhores públicos sem precisar de informações de identificação pessoal sobre eles. O aprendizado de máquina é capaz de ingerir um amplo espectro de dados comportamentais e contextuais – pense na hora do dia, onde o anúncio está sendo visto, como alguém interage com um anúncio – para fazer previsões inteligentes.
A abordagem de publicidade orientada por aprendizado de máquina também ajuda a preservar a privacidade, pois os dados sobre os usuários não são expostos explicitamente aos anunciantes. Voltemos ao nosso exemplo anterior. Em vez de apenas visar novos pais, uma solução de publicidade digital baseada em aprendizado de máquina pode descobrir que algumas outras variáveis (como localização ou tipo de dispositivo) podem ser melhores indicadores de se alguém provavelmente comprará uma marca de fralda específica, e isso pode ser alcançado sem marcar e rastrear usuários individuais com determinados atributos. Afinal, as pessoas, além dos novos pais, compram fraldas, e nem todos os novos pais desejam comprar fraldas (ou de outra marca).
O benefício do aprendizado de máquina é que ele pode aproveitar os dados que continuarão disponíveis e que os consumidores podem compartilhar. No mundo de privacidade em primeiro lugar de hoje, é o melhor caminho a seguir.
Obviamente, nem todo aprendizado de máquina é igual. Quase todas as empresas de adtech dizem ter aprendizado de máquina, mas apenas algumas empresas têm os recursos e o histórico para fazer backup de sua reivindicação. Mas aqueles que investiram em aprendizado de máquina de qualidade nos últimos anos são os que terão sucesso nos próximos anos – e são os únicos a aproveitar para preparar sua publicidade digital para o futuro.
Tradução e adaptação do artigo do TheDrum
