NIEUWS / MARKETING
Aan het begin van programmatic aankopen was de belofte om te vertrouwen op een algoritme om de juiste advertentie op het juiste moment voor de juiste gebruiker te kopen. Hoe? Door in realtime meer dan 40 advertentievariabelen in een paar milliseconden te analyseren. Als de inkooporders en veilingen van vandaag door een algoritme worden aangestuurd, wat is dan het doel van de mediahandelaar als hij niet op een knop drukt om een campagne te lanceren?
Aan het begin van programmatic aankopen was de belofte om te vertrouwen op een algoritme om de juiste advertentie op het juiste moment voor de juiste gebruiker te kopen. Hoe? Door in realtime meer dan 40 advertentievariabelen in een paar milliseconden te analyseren. Als de inkooporders en veilingen van vandaag door een algoritme worden aangestuurd, wat is dan het doel van de mediahandelaar als hij niet op een knop drukt om een campagne te lanceren?
Sinds de opkomst van programmatic in Frankrijk in 2010 zijn de technologieën voortdurend in opkomst: om de kwaliteit van de uitzendingen te verbeteren, audience targeting via data, maar vooral in analyse om de klantenkennis van adverteerders te verbeteren en hun mediamix te stroomlijnen.
Als voorbeeld: hier is een selectie van technologieën die mediahandelaars hebben moeten leren integreren in hun strategieën om het meeste uit hun programmatische aankopen te halen.
Evolutie van de mediahandelstechnologieën van 2010 tot vandaag
Om al deze technologieën zo snel te begrijpen als ze verschijnen, zal de media trader andere vaardigheden moeten tonen dan op een knop drukken om een programmatic campagne te lanceren.
De handelaar treedt op als deskundige adviseur voor de programmatische technologieën die merken moeten integreren
Elke dag worden er nieuwe tools ontwikkeld om reclame steeds relevanter en impactvoller te maken. Dit technologische ecosysteem is onbegrijpelijk geworden voor adverteerders: zij hebben een referent nodig die hen hierin beheerst en ondersteunt. De handelaar wordt dus zowel een technologie-expert als een klantmanager om merken te ondersteunen bij het opbouwen van een ecosysteem dat aan hun behoeften is aangepast. Wanneer dit ecosysteem is opgezet, beheert de handelaar de tools, verbindt ze met elkaar en geeft de klant een geharmoniseerde campagnebalans met begrijpelijke lessen uit meerdere bronnen.
De internalisering van media-aankopen door sommige adverteerders vereist ook advies- en opleidingsmogelijkheden voor tools van de zijde van mediahandelaars van agentschappen. Aangezien de overdracht van programmeervaardigheden altijd progressief en vaak gedeeltelijk is, geven adverteerders er de voorkeur aan om de steun te behouden van een handelaar van een agentschap die hen zal helpen om de juiste beslissingen te nemen.
De mediahandelaar staat er niet meer alleen voor, vergezeld van profielen die essentieel zijn geworden
Sommige technologieleveranciers (Google, Adobe, Adform...) proberen “full-stack” oplossingen aan te bieden die het voordeel hebben dat alle technologische componenten op een native manier met elkaar communiceren. Wanneer dit niet het geval is, moeten mediahandelaars een beroep doen op teams van verkeersontwikkelaars om te helpen bij het maken van gateways tussen elk hulpmiddel.
We zien ook een groeiende rol binnen agentschappen van profielen van Big Data experts. Deze belanghebbenden zijn essentieel om ervoor te zorgen dat de hoeveelheden data die in de programmering kunnen worden gebruikt, goed worden begrepen en toegankelijk worden gemaakt voor handelaars en adverteerders.
Handelaren analyseren en beslissen altijd zelf over optimalisaties en aanpassingen, maar Big Data analyses stellen hen in staat om veel meer dingen te zien, veel sneller, om geen optimalisatiekansen te missen, vooral als deze analyses direct geactiveerd kunnen worden. Een Trading Desk kan tegenwoordig alleen functioneren op basis van zijn kennis van het programmatische ecosysteem en zijn expertise als inkoper. Meer dan ooit is het beroep een samengestelde expertise geworden.
Tot slot vereist de complexiteit van ecosystemen en de overlapping van vele tools dat agentschappen bestaande markttools kunnen verbeteren om ze relevanter en gebruiksvriendelijker te maken en beter met elkaar te verbinden. Binnen het agentschap is de handelaar in feite een echte trenddetector, maar heeft hij andere ondersteunende vaardigheden nodig. Bij Artefact bijvoorbeeld, is een productteam toegewijd aan het automatiseren van bepaalde tijdrovende taken met een lage toegevoegde waarde die beheerd worden door de interne Trading Desk (trafficking, dashboarding, optimalisaties, data segmentatie, creatie van media targets, etc...).
Automatisering stelt menselijke handelaren dus in staat om strategisch in te grijpen op fondsprojecten (meting van incrementaliteit, testen van nieuwe technologieën, onderzoeken naar de effectiviteit van reclame of data gedreven attributie) en adverteerders om efficiënter te werken.
Mensen moeten ingrijpen om de grenzen van machines te overwinnen
Veilingalgoritmen zijn geprogrammeerd om prestatiedoelstellingen te behalen die voornamelijk gebaseerd zijn op het volume van acties (impressies, kliks of conversies), en dat werkt heel goed. Aan de andere kant is het essentieel dat mensen ingrijpen om ervoor te zorgen dat dit grote volume aan acties wordt uitgevoerd in omgevingen die gunstig zijn voor het merk. Dit is waar wij met name werken met zichtbaarheidsmetingen, merkbescherming en antifraudeoplossingen, en waar wij interne oplossingen ontwikkelen om slechte reclamepraktijken bij uitgevers op te sporen.
De algoritmen richten zich op volume en houden geen rekening met de redactionele kwaliteit van de media waarop de reclamecampagnes worden uitgezonden. Ze zullen geneigd zijn om de distributie van campagnes op GAFA-sites te maximaliseren ten nadele van contentsites van redactionele groepen zoals (Prisma Media, Altice Media, Amaury Media, Lagardère...). GAFA's, die geen inhoud produceren maar massaal geld verdienen met reclame op enorme audience hubs, garanderen een hoog volume aan reclameacties tegen onklopbare kosten.
Trading desks moeten coherente strategieën hebben voor het verdelen van investeringen tussen zogenaamde “Long-tail” sites en content sites die bekend staan als “Premiums”, waarbij alleen de relevantie van media-aankopen op het spel staat. De machines zijn niet in staat om het verschil in impact op memorisatie, merkimago en aankoopbeslissing aan te tonen tussen reclame die geleverd wordt in een premium omgeving en reclame die geïntegreerd is in een minder prestigieus universum. Daarom kunnen we niet tevreden zijn met de analyse die de machines leveren om onze strategieën te ontwikkelen.
Uiteindelijk verhogen machines de capaciteit en productiviteit van mediahandelaars ten voordele van adverteerders
Pure programmatic ad buying-taken kunnen nu grotendeels worden geautomatiseerd, waardoor trading desks hun inspanningen kunnen richten op het verhogen van de waarde van media-acties: werken met geavanceerde toewijzingsmodellen, de impact van online campagnes in winkels meten of inzicht krijgen in de complementariteit van campagnes tussen verschillende kanalen.
Dankzij de technologie en de vooruitgang van AI wordt de rol van Media Trader niet overbodig, maar krijgt deze een meer strategische dimensie. Aan de andere kant is het de formulering “media trader” die afwijkt van de realiteit van de functie, die al vervangen is door minder beperkende classificaties zoals Programmatic Consultant, of andere Audience Planners.
Dit artikel werd voor het eerst gepubliceerd op French Media CB Nieuws
