Kohti älykkäitä kontekstikohdennuksia
Vaikka datan räjähdysmäinen kasvu on laajentanut kohdentamisen keinovalikoimaa, käyttäjien luottamus datan käsittelijöitä kohtaan on ennätysmatalalla. Tietosuojalainsäädännön ja verkkoselainten tiukentuneiden yksityisyysasetuksien johdosta markkinoijan hyödynnettävissä olevasta käyttäytymisdatasta, kuten selailuhistoriasta, on muodostumassa hupeneva luonnonvara. Horisontissa siintää jo evästeiden jälkeinen aika, jolle markkinan on luotava vaihtoehtoja.
Sanoman teettämän Suomen suurimman digimarkkinoinnin tutkimuksen mukaan brändin esiintyminen sisällöllisesti laadukkaassa mediaympäristössä kasvattaa sen tunnettuutta ja ostoharkintaa. Brändimarkkinoijat ovat jo pitkään ymmärtäneet kontekstiin kohdentamisen arvon. Lyhyemmän aikavälin tuloksiin tähtäävässä ja ohjelmallisessa ostamisessa konteksti on sitä vastoin jäänyt vähemmälle huomiolle*. Uskon kuitenkin, että tällä kentällä on paljon kehitettävää. Älykäs kontekstikohdennus tarjoaa julkaisijan sisältöihin perustuvan uniikin arvolupauksen, jota Facebookilla tai muilla digitaalisilla alustoilla ei ole yhtä rikkaassa muodossa tarjota.
Sisällön asiayhteydet huomiotta jättävä kohdennus on altis virheille
Kontekstiin kohdentaminen on perinteisesti perustunut mediabrändeihin, niiden osiojakoihin ja manuaalisesti valittuihin asiasanoihin. Lähestymistapa on kuitenkin epätarkka ja virhealtis. Osiot ottavat harvoin huomioon sisällön todellista asiayhteyttä, eikä valittuun kohderyhmään ole välttämättä osattu lisätä parhaita asiasanoja – tai ottaa turhia pois. Esimerkiksi uuden auton lanseeraukseen keskittynyt kampanja voi olla kohdennettuna kaikkiin autoihin liittyviin artikkeleihin, joita voivat olla esimerkiksi uutiset lentokoneen autopilotista tai autojen jarruongelmista. Tuloksena on markkinoinnin tehon laskeminen.
Tärkein vaatimus nykyaikaiselle kontekstikohdennukselle on koneoppimista hyödyntävä luonnollisen kielen käsittely (Natural Language Processing, NLP) sekä video- ja äänisisällön analysoinnin uudet kyvykkyydet. Kehittyneet NLP-teknologiat osaavat ottaa huomioon suomen kielen erikoispiirteet. Ne tuottavat artikkelista kymmeniä tai satoja semanttisia asiasanoja ja ymmärtävät niiden merkityksen kussakin asiayhteydessä. Brändin näkyvyyttä – tai sen turvallisuutta – voidaan näin hallita monipuolisesti. Kun esimerkiksi Helsingin Sanomat julkaisee uutisen, se analysoidaan automaattisesti ja mainonta suodatetaan pois epäsopivista ympäristöistä.
Älykäs tekstikohdennus vie optimoinnin pitkälle
Tulevaisuudessa älykäs kontekstikohdennus vie analyysin ja optimoinnin yhä pidemmälle. Se ottaa huomioon sisällön uusia datapisteitä, kuten tekstin tyylilajin, pituuden, kirjoittajan tai tunnesävyn. Se ei rajoitu yksittäisen artikkelin tasolle, vaan voi analysoida kappaleiden kohokohdat ja sijoittaa mainosnäytöt sinne, missä ne huomataan. Tieto viikonpäivästä tai kellonajasta yhdistettynä artikkelin pituuteen ja sen tyylilajiin tuottaa arvion tilanteesta, jossa lukija on. Esimerkiksi illalla pitkää tiedeartikkelia lukeva on todennäköisesti keskittyneessä mielentilassa, jossa markkinoinnin huomioarvo paranee.
Tarvitsemme kontekstidatan rinnalle edelleen käyttäytymisdataa, sillä se toimii erinomaisesti lähellä ostohetkeä. Parhaat markkinoijan tavoitteita tukevat tulokset syntyvät, kun konteksti- ja käyttödataan perustuva kohdennus liitetään dynaamiseen sisällön optimointiin. Markkinoijan omaan tuotekatalogiin perustuva personoitu tuotetarjous johtaa hyvin kohdennettuna tehokkaasti konversioon häiritsemättä käyttäjäkokemusta.
Me Sanomalla pyrimme jatkuvasti löytämään uutta arvoa datasta. Haluamme toimia markkinoijan luottokumppanina oikeiden yleisöjen tavoittamisessa käyttäjien yksityisyyttä kunnioittaen. Näemme, että yhä älykkäämpien kontekstikohdennuksien läpinäkyvä kehittäminen osana datatarjoamaamme tuo konkreettista arvoa markkinoijalle ja parantaa luottamusta koko markkinoinnin ekosysteemiä kohtaan.
*Vinkki! Sanoma pystyy tarjoamaan sovellusinventaarin kontekstikohdennuksiin myös ohjelmallisessa ostamisessa
Valtteri Vartiainen johtaa Sanomalla mediamyynnin data- ja display-tuotteistustiimiä
