3 אזורי שינוי לפלטפורמות בצד הביקוש בשנת 2017

פלטפורמת צד ביקוש 1

אפשר לומר ש -2016 הפכה לעידן שאילתות הפוסט לשנייה (QPS) פלטפורמות בצד הביקוש (DSP) ופתרונות קניית מדיה חוצה ערוצים. בין אם DSP יכול להוביל לנראות של 500,000 הופעות / שנייה או 3 מיליון הופעות / שנייה, הזמינות לרכישה הפכה להיות פחות מובחנת תחרותית בכל פלטפורמות הרכישה החוצה ערוצים.

כיום, רוב המותגים מניחים כי יש לשלב באופן אוטומטי DSP עם כל חילופי המודעות העיקריים תוך אספקת טווח חוצה ערוצים עם לפחות מיליון QPS. יחד עם זאת, אם פלטפורמה חסרה שילובים של חילופי מודעות, חברות יפצו באמצעות שילוב BidSwitch והקשה על ההיצע החסר.

אם כן, כשמדובר במיקוד למשתמשים בין מכשירים ובין ערוצים, מה הם כמה מהמבדלים הקרובים ש- DSP ימשיכו למנף בשנת 2017? כמה השפעה תהיה גדולה פורצ'ן 1000 למותגי פרסום עיצוב מחדש של פונקציות DSP חדשות?

מה לחפש בשנת 2017:

  1. נתוני צד ראשון

נתונים של צד ראשון, למידת מכונה, הצעות מחיר בהתאמה אישית לתצוגה פרוגרמטית, אלגוריתמים קנייניים ושילוב משופר עם ערימות טכנולוגיות שיווק - כגון IBM Unica ו- Adobe Neolane - אפילו לא מגרדים את פני השטח של פיתוחים פוטנציאליים עבור DSP. אלה רק חלק מהנושאים שיש להם יכולת להיות מובחנים עבור חברות AdTech.

כיום, נתוני צד ראשון הם אחד הנכסים הגדולים ביותר שכל ארגון יכול להחזיק. מותגים נוספים מתחילים להבין את הערך של נתוני צד ראשון באמצעות ניהול פלחים, דוגמנות דומה למראה ודחיפת נתוני הקהל ל- DSP כדי להניע רכישות לקוחות בזמן אמת או מסעות פרסום. עם זאת, ניהולו, מינוףו והטמעתו בזמן אמת בכדי להניע שיווק בין ערוצים הוא תמיד אתגר.

בדרך כלל, רוב המותגים מבינים את החשיבות של נתוני צד ראשון. חלק זה התקדם במרחב זה במהלך השנים האחרונות. זה גם מהווה הוכחה עד כמה זה מכריע פלטפורמות לניהול נתונים (DMP), כלי קהל ומקורות נתונים הממונפים על ידי מרבית המותגים (2 עד 3 לכל מותג קמעונאי גדול).

לדעתי, השלב הבא בעולם הנתונים של צד ראשון כולל אוטומציה המופעלת על ידי למידת מכונה ואופטימיזציה בזמן אמת על בסיס הזנות נתונים ממקורות רבים. מכשירי DSP בעלי יכולות DMP פנימיות חזקות וניהול קהל יבלטו יותר בהשוואה לאלו עם פתרון מסוג מציע. נראה שחברות פורצ'ן 1000 גדולות מתוחכמות יותר בתכנות ומתחילות להתאים את ה- DSP שלהן באמצעות כלי לימוד מכונה קנייני המותאם לבלוע מגוון נתונים של צד ראשון.

  1. לכידת נתונים

מותגי פורצ'ן 1000 מתחילים להתבגר גם באופן שבו הם לוכדים נתונים גדולים - הטמעת תוכנה כמו Hadoop ו קפקא לרכוש כמה שיותר. מותגי Fortune 1000 אלה שוקלים גם למנף נתונים אלה בדרכים שיעזרו להם להבין טוב יותר את לקוחותיהם, כמו גם לשפר את "טריגר" בזמן אמת או שיווק חוצה-ערוצים מונע. מותגים גדולים רבים מתחילים לראות את למידת המכונה הקניינית כמבדיל ובעל פוטנציאל יתרון מהותי.

בין אם אוטומציה שיווקית או רכישת מדיה, למידת מכונה מציעה שפע של אפשרויות. למרבה הצער, שם עדיין יש לי תג מחיר גבוה ומשך זמן משמעותי שנדרש כדי להקים פרויקט מסוג זה.

  1. מיזוג עם DSP

כאשר AdTechs מתחילים להתמזג יותר עם DSP, הם בדרך כלל נמצאים במצבים בהם הם צריכים לשפר את תקשורת נתוני הקמפיין שלהם. יתר על כן, הם יצטרכו להתחיל לסנכרן את קהל היעד שלהם למידע עם מערכות אקולוגיות לפתרונות המשמשות מותגים גדולים של הון עתיד.

בנוסף, כנראה שנראה יותר סגנון UBX API שערים מגשרים על פלטפורמות ענן שיווקיות גדולות מפלטפורמות גודל IBM, Adobe ו- SAS עם קנייניות או 3rd DSPs צד ופלטפורמות נתוני קהל. על סמך מגמה זו, ככל הנראה יש יותר רכישות בסגנון אדובי שמחכות לקרות בשנת 2017. חברות הולכות לעבור רכישות - כמו רכישת אדובי של DemDex ו- TubeMogul כדי להוסיף DSP ו- DMP לארגז הכלים שלהן.

אז מה המשמעות של כל זה?

זה נראה כמו עוד שנה מאתגרת לקראת DSP, שכן התרשמות QPS משפיעה על מיקוד, דיווח, נראות ואזורי פונקציונליות בין מכשירים והם מתחילים להפוך לתכונות סטנדרטיות. ישנם אזורים ב- AdTech בהם מותגים גדולים יגידו באופן משמעותי על האופן שבו הגל הבא של פונקציונליות DSP יעצב. בתור משווק, אני מעוניין לראות מה הלאה.

מה אתה חושב?

אתר זה משתמש Akismet כדי להפחית דואר זבל. למד כיצד הנתונים שלך מעובדים.