Indipendentemente da ciò che accadrà tra una settimana, un mese o un anno, i brand continueranno a voler raggiungere le audience più rilevanti nei momenti migliori, e su larga scala.
Il problema, però, è che molte (se non la maggior parte) delle strategie attuali non continueranno a funzionare, se si basano eccessivamente su identificatori di terze parti. Per continuare a raggiungere sia i clienti attuali sia quelli potenziali con i messaggi giusti, gli inserzionisti devono assicurarsi che le loro strategie di audience-building siano durature, radicate su una base che possa garantire loro la giusta flessibilità e la fiducia dei consumatori.
Che cos'è una strategia di audience "duratura"?
Sebbene secondo Salesforce il 78% dei marketer affermi che la comprensione del proprio pubblico sia un elemento fondamentale per il proprio successo, oggi la visione dei marketer sta diventando sempre più frammentata. In un settore in continua evoluzione, è fondamentale adottare strategie di audience-building in grado di resistere ai cambiamenti: soluzioni che siano, appunto, durature.
Per "durata" si intende la capacità della strategia di audience di resistere alla prova del tempo. Ciò significa, per i marketer, essere sicuri di potersi connettere con i giusti clienti, indipendentemente da ciò che accadrà in futuro ai cookie di terze parti o ad altri identificatori. Significa anche che l’audience strategy dovrebbe essere in grado di sopportare cambiamenti molto più ampi, come gli sviluppi macroeconomici, la variazione delle normative sulla privacy, l'introduzione di nuovi canali pubblicitari o l'evoluzione del comportamento di acquisto.
E tutto questo inizia valorizzando i segnali di prima parte.
A proposito di segnali di prima parte...
Un sondaggio del 2022 di Statista condotto tra i dirigenti pubblicitari europei, rileva che il targeting senza cookie è la sfida principale per il settore della pubblicità digitale, indicata dal 35 percento degli intervistati (fonte: Statista, Leading digital advertising industry challenges according to advertising executives in Europe as of December 2022). La cookie deprecation, i cambiamenti apportati dai produttori di smartphone e la maggiore attenzione alla privacy hanno reso gli insight dei brand ancora più preziosi.
A differenza dei cookie, per esempio, i segnali di prima parte di un brand non dipendono dalle modifiche apportate dai browser web o dai produttori di dispositivi. E se si collabora con un provider come Amazon Ads, i segnali di prima parte possono essere combinati con quelli del provider per estendere ulteriormente la propria portata: è solo importante assicurarsi di lavorare con un provider che offra segnali differenziati. Amazon, ad esempio, crea connessioni significative con i consumatori attraverso un'ampia varietà di servizi e touchpoint. A partire da questi, Amazon assorbe un'ampia gamma di segnali di acquisto, navigazione e streaming, che consentono agli inserzionisti di conoscere meglio i loro clienti e i loro interessi. Questi segnali possono quindi fornire ulteriori segmenti, basati sugli interessi, da aggiungere alle campagne, mentre le capacità di machine learning possono aiutare a estenderne ulteriormente la portata in modi che vanno oltre i tradizionali lookalike.
In realtà, con il giusto tech provider, i segnali di prima parte possono fare ancora di più. Le clean room dei dati sono diventate per molti una parte necessaria dello stack tecnologico di un brand, soprattutto per scopi di misurazione. Oggi, però, è possibile sfruttare la potenza delle data clean room anche per la creazione e l'attivazione di audience completamente personalizzate o su misura.
Perché puntare su modeling e contextual?
I segnali di prima parte sono incredibilmente preziosi, ma la verità è che la loro portata è limitata e il pubblico di un brand potrebbe trovarsi in luoghi che quei segnali non potranno mai indicare. Questo è solo uno dei motivi per cui tattiche aggiuntive, come il modeling e la pubblicità contextual stanno diventando sempre più popolari. Il fatto che questi approcci diano priorità alla fiducia dei consumatori li rende ancora più duraturi.
Grazie al machine learning rigenerativo come quello di Amazon Ads, i modelli di costruzione delle audience imparano e migliorano continuamente. Per loro natura, questi modelli tengono conto di ogni tipo di cambiamento, sia esso legato a un nuovo canale di streaming, a un nuovo tipo di dispositivo, a cambiamenti nelle modalità di acquisto e altro ancora. Secondo Amazon Ads, queste strategie danno i loro frutti: nei recenti test che ha condotto con inserzionisti di diversi settori, ha osservato che il targeting contestuale determina tassi di consideration e ritorno sulla spesa pubblicitaria (ROAS) migliori rispetto alle strategie tradizionali basate sui cookie.
Gli inserzionisti che impiegano strategie di audience modeling hanno riscontrato un aumento della reach rilevante, in modi più efficienti dal punto di vista dei costi, tra cui un aumento del 25% nella distribuzione delle impression e una riduzione del 12% del costo per mille impression (CPM).
Indipendentemente dagli approcci esatti adottati per rendere la propria strategia di audience “a prova di futuro”, è importante assicurarsi di chiudere il cerchio della reportistica e della misurazione, e questo include tutti gli insight offline (ad esempio, gli acquisti in negozio) che si è in grado di raccogliere, che possono essere una nuova fonte per migliorare ancora di più la precisione sulle audience.
Il cambiamento in questo settore non è destinato a rallentare, ma con le giuste strategie di audience-building, è possibile affrontare qualsiasi cambiamento.