Quando falamos de contexto, nenhuma DSP grande (DV, Xandr) tem a solução de forma eficiente..

Introdução

O mercado de publicidade digital evoluiu muito nos últimos anos, com as DSPs (Demand-Side Platforms) desempenhando um papel essencial na compra automatizada de anúncios. No entanto, quando falamos de segmentação contextual, muitas dessas plataformas ainda enfrentam desafios significativos, especialmente quando se trata de otimizar a entrega de anúncios de forma precisa. Neste artigo, vamos explorar por que as grandes DSPs, como DV360 e Xandr, não conseguem resolver eficientemente a questão da segmentação contextual e como a tecnologia atual, baseada em "stemming" e lematização, pode ser uma faca de dois gumes.

O problema do “Stemming” na segmentação contextual

O que é Stemming e Lematização?

Stemming é o processo de reduzir palavras ao seu radical, enquanto a lematização é o processo de reduzir uma palavra à sua forma básica ou dicionária. No contexto da publicidade digital, isso significa que as plataformas quebram palavras em seus componentes para tentar identificar o contexto.

O impacto no contexto publicitário

Imagine que você está segmentando uma campanha para a palavra "celular". O stemming pode transformar essa palavra em várias outras formas, como "cel", "celula" ou até "lula", o que pode resultar em uma segmentação imprecisa. Se uma campanha não tem uma "negativação" bem definida, ou seja, uma filtragem adequada de termos não relevantes, o anúncio pode ser exibido em contextos completamente fora do esperado.

Por que isso acontece com tanta frequência?

Carga alta de entrega com poucas keywords

Esse é um dos problemas mais comuns enfrentados por anunciantes. Muitas vezes, campanhas com poucas palavras-chave acabam gerando um volume massivo de impressões, mas a qualidade da segmentação é baixa. Isso ocorre porque o sistema não consegue diferenciar corretamente entre os diferentes contextos em que a palavra pode aparecer.

Organização semântica mal estruturada

Para que uma segmentação contextual seja realmente eficaz, é necessário que as DSPs e veículos tenham uma base de dados semântica muito bem organizada e pré-definida. Sem essa estrutura, os algoritmos acabam entregando anúncios em páginas ou contextos que não são ideais para a marca ou campanha.

Limitações das DSPs na análise contextual

Análise contextual limitada pela URL

A maioria das DSPs, como o DV360, baseia sua análise contextual apenas nas palavras individuais presentes na URL. Isso é limitador, pois uma URL pode conter palavras que não refletem com precisão o conteúdo da página. Além disso, algumas plataformas fazem a coleta de dados através de meta tags, o que também pode ser impreciso, dependendo de como os publishers configuram essas tags.

Acordos diretos com publishers

Outro método utilizado pelas DSPs é fazer acordos diretos com os publishers para coletar dados de contexto. Embora isso possa oferecer uma segmentação mais precisa em alguns casos, ainda é limitado, pois depende da estrutura e da qualidade dos dados fornecidos pelos publishers.

Questão de escala: desafios da segmentação fechada

O impacto da taxa de respostas de bid requests

Um dos maiores desafios de se escalar uma segmentação contextual fechada é a baixa taxa de respostas de bid requests. Em teoria, é possível obter uma boa escala com segmentação precisa, mas, na prática, a DSP acaba recebendo uma quantidade massiva de requests de milhares de publishers, o que sobrecarrega o sistema e limita a capacidade de resposta da plataforma.

Wishlist de domínio não resolve o problema

Mesmo utilizando uma "wishlist" de domínios, ou seja, uma lista de domínios pré-aprovados para segmentação, as DSPs ainda enfrentam dificuldades. A alta carga de requisições impede que a plataforma responda eficientemente, o que acaba prejudicando a segmentação contextual.

Como melhorar a eficiência da veiculação contextual?

DSPs com sistemas nativos de contexto

A solução mais viável para uma veiculação contextual precisa e escalável é o uso de DSPs que tenham sistemas nativos de contexto conectados diretamente à exchange. Essas plataformas podem reduzir a quantidade de domínios analisados e aumentar a taxa de QPS (queries per second), ou seja, o número de requisições processadas por segundo.

Identificação de contexto no pré-bid

Ao identificar o contexto da URL antes de o leilão de anúncios ocorrer (pré-bid), a DSP pode fazer uma oferta apenas se a URL corresponder exatamente ao contexto desejado. Isso reduz significativamente a quantidade de bids desnecessários e aumenta a eficiência da campanha.

Aferição da segmentação a nível de URL

Relatórios detalhados para garantir precisão

Para ter certeza de que a segmentação contextual está funcionando de forma eficaz, é essencial realizar uma aferição detalhada nos relatórios, especialmente a nível de URL. Isso permite que o anunciante veja exatamente onde os anúncios foram exibidos e se o contexto dessas páginas está alinhado com os objetivos da campanha.

Correção de rotas com base em relatórios

Com base nesses relatórios, ajustes podem ser feitos nas campanhas em tempo real, permitindo uma otimização contínua e uma melhoria na segmentação ao longo do tempo.

Conclusão

Embora as grandes DSPs, como DV360 e Xandr, ofereçam soluções poderosas para a compra programática de mídia, quando se trata de segmentação contextual, ainda há muito a ser melhorado. A dependência de técnicas como stemming e lematização, além da análise superficial baseada em URLs, resulta em segmentações imprecisas. No entanto, com o uso de DSPs que possuam sistemas nativos de contexto e uma organização semântica robusta, é possível alcançar uma segmentação contextual mais eficiente e escalável.

FAQs

O que é uma DSP?

DSP (Demand-Side Platform) é uma plataforma usada por anunciantes para comprar inventário de anúncios de forma automatizada em várias fontes de mídia.

Como funciona a segmentação contextual?

A segmentação contextual analisa o conteúdo de uma página da web para determinar se ela é relevante para o anúncio que será exibido.

O que é stemming e como afeta a publicidade?

Stemming é o processo de reduzir palavras ao seu radical. Isso pode causar problemas na publicidade quando as palavras são reduzidas de maneira imprecisa, levando a segmentações incorretas.

Como melhorar a segmentação contextual em campanhas?

Utilizar DSPs com sistemas nativos de contexto conectados à exchange e fazer uma análise pré-bid detalhada pode melhorar significativamente a segmentação.

Por que as campanhas às vezes têm uma alta carga de entrega com poucas palavras-chave?

Isso acontece porque o sistema de segmentação contextual pode estar mal estruturado, entregando anúncios em contextos que não foram claramente definidos.

Por Rodrigo Inoue