AdTheorent Holding Company, Inc. ha annunciato il lancio del suo AdTheorent Predictive Audience Builder, una suite trasformativa di strumenti di piattaforma progettati per consentire agli utenti di creare e attivare modelli predittivi che assegnano un punteggio alla qualità dell'audience. AdTheorent Predictive Audience Builder sfrutta set di dati seed personalizzabili e di origine primaria per imitare il profilo dell'audience del target desiderato da un inserzionista. Con un notevole distacco dai segmenti di pubblico standard del settore, questo set di dati seed non viene utilizzato per il targeting diretto.

Invece, l'apprendimento automatico di AdTheorent legge i segnali da questi set di dati per costruire un modello predittivo che assegna un punteggio all'inventario programmatico in base alla sua probabilità di raggiungere un individuo che soddisfa il profilo desiderato. Questo scoring predittivo orientato alla privacy offre una qualità superiore dell'audience e prestazioni KPI senza l'uso di informazioni di identificazione personale, cookie o ID di alcun tipo. AdTheorent è orgogliosa di annoverare il marchio automobilistico Southeast Toyota Distributors, LLC e 22Squared tra i clienti di lancio.

L'utilizzo da parte di AdTheorent Predictive Audience Builder di parametri di profilo dell'audience di origine primaria e altamente personalizzati è infinitamente flessibile e personalizzabile in base alla strategia di marketing di ciascun inserzionista. Gli esempi includono audience verticali completamente personalizzabili, come ad esempio: acquirente di auto sul mercato per una marca o un modello specifico; frequentatore abituale di fast-food con un'alta probabilità di passare a una nuova catena, o frequentatore abituale di pasti in famiglia o di ordini online; acquirente di big box e di famiglie con un alto reddito familiare; o alto spenditore di viaggi di lusso sul mercato o in fase di ricerca di un viaggio. Come funziona: Dati di provenienza primaria: AdTheorent Predictive Audience Builder sfrutta i set di dati di origine primaria (forniti da AdTheorent, da un'agenzia o da un marchio) per identificare le statistiche di qualità del pubblico rilevanti per la campagna specifica del marchio.

Esempi di tipi di dati sono: Dati dei consumatori: Migliaia di dati sui consumatori, come i dati demografici, le abitudini di acquisto, gli stili di vita, gli interessi e le attitudini. Dati sulla posizione: Dati precisi sulla posizione, provenienti direttamente dagli SDK in-app e dalle integrazioni server-to-server con editori e sviluppatori di applicazioni mobili. Dati verticalizzati: Dati verticali specifici per automotive, B2B, CPG, ristorazione, finanza, vendita al dettaglio, viaggi e altro ancora.

Espansione del Machine Learning: AdTheorent identifica i punti in comune nei dati utilizzando il machine learning e identifica altri attributi importanti per far crescere l'audience indirizzabile informata dal ML in tempo reale. Ottimizzazione dell'audience basata sul ML: In base ai processi di Predictive Targeting standard di AdTheorent, i modelli di Predictive Audience di AdTheorent definiscono i parametri dei dati all'interno dei quali vengono serviti gli annunci di AdTheorent, con l'obiettivo primario di ottimizzare la distribuzione degli annunci verso gli attributi e le combinazioni di dati che causano un aumento delle conversioni KPI. Prestazioni della campagna: Utilizzando il Predictive Targeting di AdTheorent, la campagna viene ottimizzata in base ai KPI specificati dall'inserzionista, in modo da ottenere performance.

AdTheorent invia un annuncio a un'opportunità di impressione solo quando i modelli predittivi di AdTheorent indicano una probabilità sufficientemente alta che una determinata opportunità di annuncio faccia ciascuna delle seguenti cose: (1) sarà servita all'interno della Predictive Audience personalizzata e (2) porterà al completamento di un'azione della campagna specificata dall'inserzionista. Ogni modello di Predictive Audience di AdTheorent valuta milioni di impressioni al secondo per guidare le prestazioni, considerando oltre 1000 variabili di dati nei suoi modelli. I modelli si auto-ottimizzano nel corso di ogni campagna, consentendo ad AdTheorent di ottenere performance leader nel settore per gli inserzionisti.