作为RTB House的全球产品商业化副总裁，我很荣幸成为全球营销人员的各种需求与RTB House设计，建造和带来市场的产品之间的桥梁。
近年来，关键趋势导致了各种“尝试过的”类型的数字营销类型，良好的尝试和不太真实。隐私规则变得更加严格。第三方人口数据的准确性降低了，并且证明整个渠道的营销价值的需求也得到了放大。
营销人员强烈希望吸引新的和现有的客户，但经常努力超越行为驱动的策略。在上下文定位的领域中，没有什么比这更真实的。
为什么当前方法跌落
当今大多数上下文定位的目标是基于令人惊讶的基本原则。我们扫描网页以获取关键字，将内容分类为广泛类别，然后制作基于用户想要什么的假设。
基本问题是概念性的。我们一直在优化覆盖范围，而不是相关性和理解。行为定位试图通过随着时间的推移跟踪用户行动来解决此问题，但是即使在隐私法规收紧之前，此方法也有局限性。历史行为并不总是预测当前的意图，广泛的行为类别通常会错过当下用户实际想要的细微差别。
“深度学习”突破
在过去的几年中，我一直参与开发所谓的IntentGPT - 一种AI系统，该系统以远远超出关键字匹配的方式来分析网页内容。突破来自应用“深度学习”以不仅了解内容所说的内容，而且了解上下文的含义。
该系统检查了TEX内的内容结构，语言模式和隐性含义t。更重要的是，它将这些信息与实时用户参与模式一起处理以识别真正的意图信号。它不是将内容分类为预定类别，而是标识了特定方面，这些方面表明用户为什么要使用特定的网页。
我们解决的最有趣的技术挑战之一是将产品清单与上下文相关的位置联系起来。该系统确定特定产品会真正引起用户共鸣的网页，然后为这些特定的广告机会提供针对性的竞标。这在广告商想要出售的东西和用户最有可能感兴趣的地方之间创建了一个直接的桥梁。
我们学到的有关绩效的知识
早期实施的结果令人鼓舞。与传统的上下文方法相比，我们看到的参与率平均高44％。但对我来说更有趣的是什么改进代表。最好使用户实际寻求的东西和广告商提供的产品保持一致。
为了进行测量，我们发现参与质量指标比传统覆盖范围指标更重要。与仅单击率相比，花费在广告上，转换意图和交互深度可提供更好的见解。
对行业的影响
根据我开发这些系统的经验，我相信我们处于拐点。广告行业可以继续尝试在新的隐私和技术限制中复制旧目标方法，或者我们可以从根本上建立更好的方法来理解用户意图。
对于广告商来说，这意味着重新思考围绕内容上下文和行为指标而不是人口统计学假设的活动计划。这也意味着调整测量框架以强调参与质量而不是数量。
我们发现，这种方法对于旅行，时尚，分类和汽车（例如用户动机都会显着影响转换可能性的行业）特别有效。上下文在这些垂直方面非常重要。
班次表示从基于假设的目标转变为对用户意图的数据驱动的理解。实施这些方法的公司可以期望提高竞选性能和更有效的预算利用。
展望
作为一个与现实世界营销人员的需求联系了几年的人，我对行业的发展方向感到乐观。 AI和深度学习现在允许技术供应商创建真正的双赢命题 - 这些罕见的方法都提供了更高级别的用户隐私和更高水平的产品性能。
对于那些有兴趣进一步探索这些方法的人，我鼓励研究文本AI系统可以集成到现有的广告系列工作流程中。技术障碍低于许多假设，并且性能改善可能很大。
访问rtbhouse.com以了解更多信息。
Jaysen Gillespie是RTB House的全球产品商业化副总裁。
