À medida que a indústria da publicidade enfatiza a importância de respeitar a privacidade dos usuários, muitos artigos discutem sobre “novas” abordagens para a segmentação em um mundo sem cookies. Do meu ponto de vista, a opção mais viável, sustentável e eficaz não é nova: ela baseia-se na publicidade contextual, alternativa cuja segmentação se concentra na privacidade e que, graças aos avanços tecnológicos, vem revolucionando o mercado.

Contextual 2.0: Inteligência Artificial e Machine Learning

Até cerca de 2010, a publicidade contextual limitava-se a selecionar determinadas palavras-chave e excluir outras. Já a partir da última década, as empresas introduziram inovações tecnológicas que melhoraram significativamente a segmentação contextual, permitindo uma compreensão muito mais profunda e precisa do conteúdo digital.

Os modelos de Processamento de Linguagem Natural (PLN) fornecem uma análise de sentimento precisa, que vai além das palavras-chave para entender o verdadeiro significado do conteúdo. Desta forma, as ferramentas de PLN sabem que “ataque” tem uma conotação negativa em um artigo sobre terrorismo ou crime, mas a mesma palavra pode ser usada positivamente em um conteúdo sobre esportes.

Essas ferramentas melhoraram drasticamente a eficácia da segmentação contextual e são um benefício tangível para o brand safety das marcas, pois não apenas garantem que os anúncios não apareçam ao lado de conteúdo impróprio, como também alinham o criativo com o tom e o sentimento do artigo.

Contextual 3.0: compreensão holística e maior personalização

Conforme os anunciantes direcionam cada vez mais sua atenção e orçamentos para a publicidade contextual, uma nova onda de inovação em tecnologias contextuais caminha a passos largos.

Ao invés de apenas analisar URLs específicos e armazená-los em categorias predefinidas, as novas tecnologias contextuais são capazes de examinar todo o universo de URLs, fazendo uma análise em nível de rede, e desenvolver uma compreensão holística da rede como um todo para entender as tendências de conteúdo e os principais problemas com os quais o público está interagindo naquele momento.

Se somarmos a isso o uso de modelos avançados de machine learning para realizar uma segmentação personalizada de cada campanha, obtemos uma nova abordagem contextual que pega o briefing de uma marca e varre toda a rede de URLs a fim de encontrar os artigos semanticamente mais próximos do briefing.

Assim, a campanha visa o verdadeiro centro de seu público relevante. E se queremos escalar para aumentar o alcance, basta aumentar o tamanho da categoria personalizada, mas mantendo o público principal no centro, atingindo com esta estratégia um nível de precisão muito alto.

Resumindo, essa tecnologia contextual leva o conceito de afinidade de campanha para outra dimensão, garantindo que os anúncios apareçam sempre junto com o conteúdo mais adequado para a marca. Em outras palavras, as campanhas conseguem alinhar perfeitamente a mensagem e o criativo com o tom e o sentimento do conteúdo de cada artigo ou grupo de artigos, impactando os consumidores de forma eficaz no momento em que sua mente está aberta a um interesse em tempo real.

Quebra de paradigmas

Segmentar o público demograficamente tornou-se problemático e obsoleto. A definição prévia de um público-alvo deixa espaço para estereótipos e preconceitos tradicionais; e o processo ignora usuários que não se encaixam no perfil.

No entanto, percebo cada vez mais marcas que veem a “morte” dos cookies como uma oportunidade de mudar a forma como se dirigem ao seu público-alvo. Neste sentido, em vez de encontrar pessoas, as marcas tentam identificar momentos em que um indivíduo indicou que está interessado em se tornar um cliente, baseado no que ele está lendo, assistindo ou fazendo naquele instante.

A verdadeira magia da publicidade contextual alimentada por Inteligência Artificial ocorre quando três pilares são integrados: conteúdo de qualidade, criatividade personalizada e tecnologia proprietária.

É por isso que as marcas devem procurar soluções completas que forneçam o inventário mais adequado, ofereçam criativos voltados para o consumidor e tenham os recursos de segmentação contextual mais avançados, que podem criar modelos de machine learning específicos de cada campanha. Somente assim as marcas podem finalmente personalizar suas campanhas sem criar falsos estereótipos e respeitando a privacidade dos usuários.