Ubiegły rok potwierdził, że odejście od third-party cookies nie spowodowało końca okresu wartościowych rekomendacji produktów. Pojawił się za to element kluczowy dla użytkowników, czyli akcent na strategie reklamowe odpowiadające na rosnące oczekiwania kupujących w zakresie ochrony prywatności. Tym samym zmienił się kierunek personalizacji z podejścia „kim jest użytkowników” na „jaki produkt jest mu potrzebnym w konkretnym momencie?”.
Jeszcze do niedawna, dzięki third-party cookies możliwe było tworzenie profili zainteresowań użytkowników i dopasowywanie reklam do ich zachowań. Na podstawie szczegółowego profilu klienta marketerzy analizowali m.in. to, jakie produkty są przeglądane, jak długo użytkownik spędza czas na stronie czy w którym momencie podejmuje decyzję o rezygnacji z zakupów. Zebrane dane pozwalały przypominać użytkownikom o produktach, które już wcześniej oglądali, co z kolei zwiększało szansę na konwersję. Rola third-party cookies zaczęła maleć wraz ze wzrostem oczekiwań użytkowników w obszarze prywatności – duże znaczenie miały tu regulacje w kontekście ochrony prywatności.
Przekaz był jasny – kampanie muszą opierać się na danych własnych, stąd na pierwszym miejscu postawiono na transparentność względem użytkowników. Kwestię przejrzystości wskazywał m.in. raport IAB Europe, w którym podkreślono, że użytkownicy nie sprzeciwiają się personalizacji jako takiej, chcą jednak większej przejrzystości i kontroli nad sposobem wykorzystywania swoich danych.
Kluczowe stały się więc dane first party, czyli zbierane bezpośrednio przez markę lub serwis, z którego korzysta użytkownik oraz technologie cookieless, dzięki którym możliwa jest personalizacja reklam.
Product-level Turtledove – co zmienia?
Jedną z takich technologii jest product-level Turtledove, mechanizm przeglądarkowy stworzony w ramach Privacy Sandbox Google, czyli inicjatywie umożliwiającej rozwijanie w przeglądarce zestawu narzędzi, dzięki którym można prowadzić działania reklamowe bez third-party cookies. Dzięki Privacy Sandbox Google, możemy mówić o technologiach API (Application Programming Interface, tj. Interfejsach programistycznych wbudowanych w przeglądarkę), które działają lokalnie w przeglądarce i jednocześnie ograniczają dostęp do indywidualnych danych użytkowników.
Wspomniane rozwiązanie product-level Turtledove jest wdrażane właśnie poprzez technologie API, a konkretnie Protected Audience API. Product-level Turtledove bazuje na sygnałach first party, czyli danych, które pochodzą z interakcji użytkownika z daną witryną lub aplikacją, np. przeglądanie produktu, czy dodanie go do koszyka. Co kluczowe, dane te są przechowywane jedynie w przeglądarce, bez przesyłania na serwery, czy łączenia z jakimikolwiek zewnętrznymi bazami danych. W ramach product-level Turtledove, zainteresowania użytkownika przypisywane są więc do krótkoterminowych, anonimowych grup, które wykazały podobne zachowania.
I tu pojawia się kluczowy czynnik w zakresie prywatności – użytkownik nie jest identyfikowany indywidualnie, ponieważ dane wykorzystywane są jedynie w ujęciu grupowym. Co więcej, dane pozostają wyłącznie na urządzeniu użytkownika, a system rekomendacji produktów wykorzystuje tylko sygnały produktowe, takie jak kategorie czy kontekst przeglądania. W praktyce oferta jest dopasowana do bieżących potrzeb użytkownika, przy jednoczesnym uniknięciu ryzyka jego identyfikacji i wykorzystania historii przeglądania.
Efektywne kampanie reklamowe
Informacje o interakcjach użytkownika ze stroną są wykorzystywane w ramach Turtledove na etapie lokalnej aukcji w przeglądarce, przy uwzględnieniu parametrów kampanii. Lokalna aukcja oznacza, że decyzja w zakresie tego, która reklama zostanie wyświetlona, nie jest podejmowana na zewnętrznym serwerze reklamowym, ale w przeglądarce użytkownika. To właśnie przeglądarka analizuje lokalnie dostępne dane o zainteresowaniu, zachowaniu użytkownika w ramach sesji wraz z ofertami reklamodawców i na tej podstawie wybiera reklamę która będzie wyświetlona. Celem jest wybór reklamy najlepiej dopasowanej do zainteresowań użytkownika. Po jej wyświetleniu, mechanizm Turtledove jest w stanie wykorzystać anonimowe dane grupowe, np. liczbę kliknięć w reklamę w danej grupie do poprawy efektywności kampanii i precyzyjniejszej rekomendacji produktów.
Pomimo stopniowego odchodzenia od third-party cookies, dostępne mechanizmy, w tym Turtledove, bardzo precyzyjnie uczą się zachowań i intencji zakupowych użytkowników w czasie rzeczywistym i wykorzystują tę wiedzę, gdy użytkownik jest w tzw. trybie zakupowym. To dowód na to, że na podstawie analizy bieżącego kontekstu możliwe jest tworzenie trafnych rekomendacji produktów.
Podejście product-level Turtledove powoduje, że możliwe jest opracowanie spersonalizowanych rekomendacji produktowych bez konieczności budowania profili użytkowników o charakterze osobowym. Kluczowa staje się analiza zachowania w czasie rzeczywistym – zarówno w odniesieniu do produktu, jak i kontekstu sesji przeglądania. To droga do tworzenia efektywnych kampanii, zgodnych z oczekiwaniami użytkowników w obszarze prywatności.
