الإعلان مقابل التوصية

كيف الإعلان المستهدف هو قتل محركات التوصية على نفقتك الخاصة

لقد أمضيت دقيقة واحدة تبحث عن هدية لابنة أختك ومن ثم ترى صورًا للدمى في كل مكان. تبدو مألوفة؟
غالبًا ما يتم تأطير خدمات الإعلانات المستهدفة كمحركات توصيات لطمس الاختلال بين حوافز الشركات والأفراد. من الشائع جدًا أن معظم الناس يعتبرون أن خدمات التوصية هي منصات إعلانية مخفية.
دعونا نرى كيف يختلف الإعلان المستهدف عن محرك التوصيات وماذا يعني بالنسبة للمستخدم: أنت.

نية لشراء [توم فيشبورن]

ما هي التوصيات والإعلانات المستهدفة؟

أولاً ، ماذا أقصد بالتوصية؟ هذا واضح ومباشر: تبحث عن شيء يناسب ذوقك الشخصي ، حسب الموسيقى. يمكنك استخدام خدمة حيث يمكنك إدخال تفضيلاتك ، مثل Spotify. تقترح هذه الخدمة بعد ذلك أغاني جديدة من المرجح أن تحبها ، بالنظر إلى أذواقك السابقة. لقد تلقيت للتو توصيات.

تهدف التوصية إلى تحسين تجربتك من خلال تقديم أفضل العناصر وفقًا لذوقك الشخصي.

الإعلان المستهدف ، من ناحية أخرى ، يشمل أطراف ثالثة. قل أن المعلن أ يبيع الأحذية و يبيع المعلن ب باقات السفر. ينشئ كل منهم حملته الإعلانية ويدفع الوسطاء الإعلانيين لعرض إعلاناتهم. يستخدم المعلن "أ" DoubleClick من Google ويستخدم المعلن "ب" AppNexus. يمكنك زيارة موقع ويب لبيع الشرائح الإعلانية ، مثل DailyNews. في العاشر من الثانية ، يقوم وسطاء الإعلانات هؤلاء بشراء سجل المتصفح الخاص بك في سوق البيانات ، ثم محاولة تحديد أي إعلان سيتم عرضه.
إذا كان DoubleClick يدفع أكثر ، فسوف ترى الأحذية الفاخرة. إذا كان AppNexus يدفع أكثر من غيره ، فسترى حزم السفر الرخيصة الرخيصة وتفكر في عطلتك المقبلة.

يهدف الإعلان إلى تحسين أرباح المعلن والناشر والجهات الخارجية بناءً على سجل التصفح.
جمع البيانات الشخصية [Marketoonist]

دعنا نذهب إلى المكسرات والمسامير للحظة. بعبارات الإعلان ، يطلق على "وسيط الإعلانات" منصة جانب الطلب (DSP). يتم دفع DSP عند النقر فوق الإعلان ، وبالتالي فإنه يحسب عروض الأسعار لزيادة احتمال النقر. يأتي التشابه مع التوصية عندما يستخدم DSP بياناتك الشخصية ، التي يتم شراؤها من منصة إدارة البيانات (DMP).

تعرف أكبر DMPs ، مثل Oracle أو Salesforce ، الكثير عن عمرك أو مواقع الويب التي تزورها أو سجل البحث أو مشترياتك دون اتصال بالإنترنت أو نشاطك على الشبكات الاجتماعية. يستخدمون ملفات تعريف الارتباط للتتبع سيئة السمعة لجمع البيانات في كل مكان ومزامنة جميع ملفات التعريف الخاصة بك معًا. يستخدم DSP هذه البيانات للتنبؤ باحتمال النقر. لهذا السبب ، بعد البحث عن الأحذية على Google ، سترى إعلانات الأحذية بين مقالاتك الإخبارية.

الإعلان عن الجهات الخارجية عبر الإنترنت [ويكيبيديا]

الأطر الفنية المختلفة

يختلف الإعلان المستهدف اختلافًا كبيرًا عن التوصية لثلاثة أسباب رئيسية: البيانات المرتبطة بهذه الطرق ، التبسيط المفرط لملفات تعريف المستخدمين ، والقيود الحسابية.

1. ملاحظات ضمنية وصريحة

أولاً وقبل كل شيء ، أنظمة التوصية تفاعلية. يمكنك ضبط تفضيلاتك لتعديل ما تحصل عليه. هذه الخدمات تستخدم في المقام الأول ملاحظات صريحة.
على العكس من ذلك ، تجمع أنظمة الإعلانات تعليقات ضمنية فقط ، غالبًا دون طلب إذن منك. إن رؤية الكثير من مستلزمات الأطفال خلال عدة أسابيع أمر محبط عندما تقوم ببساطة بشراء هدية لصديقك الأم حديثًا. البيانات الواردة عن طريق ردود الفعل الضمنية أقل إفادة بكثير من العملية التفاعلية.
كخبير في الموسيقى ، هل تستطيع أن توصي بموسيقى جيدة لشخص ما بعد محادثة قصيرة حول الموسيقى؟ بالتاكيد. هل ستكون قادرًا على القيام بذلك نظرًا لعمليات البحث الأخيرة فقط على Google؟ لن أنقر على ذلك.

2. pigeonholing الخشنة من ملفات تعريف المستخدمين

الفرق الرئيسي الثاني يأتي من عدد الأطراف الثالثة المشاركة في عملية تقديم العطاءات في الوقت الفعلي. نظرًا لأن DSPs (السماسرة الإعلانية) و DMPs (منصات البيانات) أعمال مميزة ، فإن معالجة بياناتك منفصلة بشكل أساسي عن التوصية في الوقت الفعلي. لا يعرف مدير البرنامج (DMP) الحملات الإعلانية الحالية عندما يضغط عددًا لا يحصى من نقاط البيانات في الخطوط العريضة بالمعلومات. ينتج عن هذه العملية تجزئة مفرطة التبسيط لملفات تعريف المستخدمين في فئات محددة مسبقًا. هل تشعر أنك مفهومة إذا كنت قد قمت بتصوير أذواقك النمطية فقط عن طريق اختيار بعض السمات الـ 44 التالية؟

شرائح المستخدمين البالغ عددها 44 في مجموعة بيانات iPinYou [sic]

بالنسبة إلى برنامج DMP ، غالبًا ما يكون من الأفضل تجميع مليارات من ملخصات المستخدمين بدلاً من إنفاق الوقت والمال في جمع تفضيلات الذوق المتعمقة لعدد قليل من الأشخاص. قد يصفك DMP بأنه "30 عامًا يبحث عن الأحذية" ، لكنهم لا يعرفون نوع الأحذية التي تفضلها ، أو ما إذا كان صديقك قد استخدم جهاز الكمبيوتر الخاص بك لهذا البحث أم لا.

3. القدرة الحسابية

التباين التقني الثالث الذي أود الإشارة إليه هو القيد الزمني القصير للغاية الذي يفرض على مزودي خدمة الإنترنت لتقديم عطاءات على شريحة إعلانية: غالبًا أقل من 100 مللي ثانية. هذا يفرض استخدام خوارزميات ساذجة تمامًا مقارنة بما يمكن أن تتحمله أنظمة التوصية. عادة ما تقوم خوارزمية التنبؤ لعرض الأسعار في الوقت الفعلي (RTB) بتحديد مجموعة فرعية متفرقة من 30 إلى 40 ميزة حيث تستخدم خوارزمية للتوصية تمثيلات كثيفة مع عشرات الملايين من المعلمات.

بالاقتران مع التبسيط الموضح أعلاه ، من الواضح أن محركات التوصية الشائعة لها أوامر طاقة حسابية أكبر من تلك الموجودة في RTB.

لعبة المزايدة في الوقت الحقيقي [AdExchanger]

ماذا يعني بالنسبة للمستخدم

الآن وقد حددنا الاختلافات الرئيسية ، دعونا نرى كيف تؤثر على تجربة المستخدم. نظرًا للقيود الفنية المذكورة أعلاه ، فإن الإعلانات بعيدة كل البعد عن أن تكون مصممة حسب ذوق المستخدمين. الإحصاء المثالي لإظهار هذه الحقيقة هو أن متوسط ​​عدد مرات النقر على الإعلان أقل من 1/1000. وبالمثل ، فإن متوسط ​​عدد التحويلات (على سبيل المثال الشراء ، التنزيل) أقل من 1/20000. محرك التوصية مع تخمين واحد جيد من أي وقت مضى 20،000 تخمين لا يمكن أن ننظر إلى المرآة في الصباح.

نظرًا لأنهم يتلقون رواتبهم عن طريق النقرات ، يستخدم المعلنون عبر الإنترنت طرقًا معروفة لجذب انتباه المستخدمين غير المهتمين: الرسوم المتحركة الوامضة والتباين المرئي والمؤثرات الصوتية العالية. من الواضح أن هذا يضر بالتجربة عبر الإنترنت ويشرح سبب اندفاع الناس إلى برنامج منع الإعلانات. تتوقع eMarketer أن 30٪ من مستخدمي الإنترنت سيستخدمون واحدة في عام 2018.

عدد الأجهزة التي تستخدم برنامج كتلة الإعلانات [PageFair]

نظام المزايدة هذا بحد ذاته له تأثير على التجربة. ينتهي الإعلان الذي تم تحديده بأنه أحد DSP الذي يدفع أكثر. ما يراه المستخدم ليس فقط غير ذي صلة ولكن منحازة بشدة تجاه الشركات الغنية. لن يتم الترويج لمجموعات Indie أو صانعي الأفلام عند التنافس مع الصناعات الرئيسية ، حتى لو كانت مباراة أفضل لك.

في الحالات القصوى ، لا يرى المستخدمون أي شيء دون أن تدفعه حملة إعلانية باهظة الثمن. الشرائح الإعلانية ليست مكانًا لاقتراح الأشخاص لزيارة هذه الحديقة الخفية التي أخبركم بها جيرانك ، أو المتحف العام الصغير الذي اكتشفته بعد مرور عامين كل يوم. على النقيض من ذلك ، فإن محرك التوصية الجيد ، الذي لا يحركه الربح ، من المؤكد أنه سينتقل إليها إذا كان يعمل من أجلك. عناصر وأنشطة مجانية خاصة!

دعنا نعيد بناء الثقة في محركات التوصية

عند تلف الثقة ، يتم تغيير العلاقة إلى الأبد. إن إزعاج التجربة عبر الإنترنت يجعلنا نشك في المزيد من الاقتراحات الخوارزمية التي نتلقاها. يجب أن يكون محرك التوصية الحقيقي مهتمًا بك وبأفراد فقط ويعمل لصالحك. لا أثق في توصيات من منصة تقدم منتجات مدعومة ، أو ما هو أسوأ من بيع بياناتي الشخصية إلى وكالات خارجية.

تخيل مستقبليْن: أحدهما يُربح فيه الإعلان والنوافذ المنبثقة مباشرةً في أعصابك البصرية ؛ والثاني حيث AI هنا لمساعدتك في اكتشاف الأشياء التي تحبها. في أي مستقبل تريد أن تكون جزءًا من البناء؟
لهذا السبب ، فإننا في Crossing Minds نقوم بإنشاء hai ، وهو محرك توصيات تفاعلي للوسائط والترفيه ، وخالي من أي تحيز. يمكنك الاشتراك هنا لتجربة إصدار ألفا: ملايين المعلمات ، المدربة من قبل نفسك ، لأنك تمتلك الربح!