Les salles blanches de données joueront un rôle clé dans un monde sans cuisine

« Pensée axée sur les données»Est rédigé par des membres de la communauté des médias et contient de nouvelles idées sur la révolution numérique dans les médias.

La chronique d’aujourd’hui est écrite par Carolina Abenante, co-fondatrice de NYIAX.

L’industrie de la publicité subit un changement de paradigme, évoluant vers un modèle où les données d’audience sont monnaie courante. Mais avec Google mettant fin à la prise en charge des cookies tiers et jeter le doute sur les initiatives de l’industrie comme Unified ID 2.0, les façons dont cette monnaie peut être créée et utilisée restent floues.

Les salles blanches de données, ou les espaces dans lesquels les jardins clos partagent des données agrégées qui ne violent pas la prLes exigences de confidentialité avec les annonceurs sont particulièrement pertinentes dans un monde sans cookie, car les marques ont encore plus à traiter au-delà des lois mondiales initiales sur la confidentialité et des exigences de vérification des données qui ont suscité un intérêt initial pour elles. Depuis que Google a mis fin à sa politique en matière de cookies tiers, les parties qui sont devenues dépendantes d’elles se demandent maintenant comment gérer réellement les données, les désidentifier et les partager de nouvelles manières.

La clé est d’arrêter de penser aux salles blanches comme une solution de contournement pour sauver le statu quo et de commencer à les considérer comme un outil pour atteindre de nouveaux objectifs. Déjà, les salles blanches font beaucoup en matière d’analyse, d’attribution et de mesure avancées, car ces capacités ne nécessitent pas de taux de correspondance élevés.

Quel type de salle blanche devez-vous utiliser?

Bien que les salles blanches de données ne soient pas nouvelles, les salles blanches de données distribuées sont nouveaux et légèrement différents car les données ne résident pas dans un emplacement central, ce qui élimine le besoin de déplacer des données. Par exemple, si un partenaire a ses données dans un projet Google Cloud et que l’autre partenaire a ses données dans Snowflake, ces partenaires peuvent collaborer en toute sécurité sans déplacer les ensembles de données. Cependant, la gouvernance et la sécurité peuvent être des problèmes avec les salles blanches distribuées en raison des défis liés à la cohérence, à la disponibilité et aux idéaux de partition. De plus, les données d’audience ne sont pas uniformément réparties, ce qui entraîne une période d’adaptation cahoteuse.Prenez ces avantages et ces inconvénients lorsque vous faites vos choix.

Les salles blanches développées par les jardins clos ont beaucoup à offrir, et la décennie de plus de connaissances sur les meilleures pratiques et les modèles de médias liés au cookie peut en théorie être reconstruite dans l’une de leurs salles blanches. Cependant, ce ne sera pas la même chose et cela prendra du temps.

Google, par exemple, affirme que son apprentissage fédéré des cohortes (FLoC) dans le bac à sable de confidentialité de Chrome est 95% aussi efficace que les cookies tiers. L’annonce l’industrie est sceptique. Mais avec début des essais d’origine, nous aurons bientôt plus de clarté. Pour être clair, les FLoC ne sont pas strictement des salles blanches – mais ils cachent les consommateurs dans une foule en désidentifiant les données et en les regroupant en fonction d’attributs.

Et même les jardins clos doivent faire face à des défis d’échelle, d’autant plus que les consommateurs utilisent des outils anti-pistage et restreignent leurs autorisations en matière de suivi. Les jardins clos peuvent posséder des relations de consommation à grande échelle, mais ils devront travailler dur pour obtenir des autorisations à grande échelle afin d’atteindre des taux de correspondance élevés.

Salles blanches de données sur Internet ouvert

Au-delà des jardins clos, les entreprises de technologie publicitaire se démènent pour construire des salles blanches de données. Pour les annonceurs et les agences, le kilométrage sur ces salles blanches variera.

Les annonceurs disposant de données de première partie tireront le meilleur parti des salles blanches, car ils offrent une méthodologie conforme à la confidentialité pour faire correspondre les données de première partie. Cela dit, alors que certaines plates-formes technologiques de salle blanche ont intégré des graphiques d’audience pour la correspondance, d’autres laissent cette pièce du puzzle aux annonceurs et à leurs partenaires pour qu’ils se cousent ensemble. Dans les salles blanches qui offrent un graphique d’audience, rien ne sort de la salle blanche. Ces faits sont importants à savoir car un ciblage réussi nécessite de très grands ensembles de données PII pour surmonter les faibles taux de correspondance.

Pour les annonceurs sans données propriétaires, la route est plus difficile. Si possible, ils devraient investir dans la création de données de première partie. Mais cela prendra du temps et cela ne fonctionnera pas pour tout le monde. Ainsi, les annonceurs sans données de première partie devaient travailler avec leurs agences sur l’audience, très probablement via un ciblage contextuel. Cela prendra également du temps et les annonceurs devront apprendre au fur et à mesure.

Mais un point positif pour les annonceurs sans données de première partie est la possibilité d’utiliser des données de FAI de seconde partie. Considérez la nouvelle option de ciblage contextuel de Verizon Media. Au lieu de mettre du contenu sur liste noire en raison de la sécurité de la marque, l’offre de données de deuxième partie de Verizon Media permet aux marques de rechercher le contenu souhaitable et, dans le contexte d’une salle blanche, de créer des audiences.

Dans quelle mesure sommes-nous proches de l’utilisation de salles blanches pour la création collaborative d’audience? Pour le moment, la plupart des salles blanches ne sont pas faciles à utiliser, sauf si vous êtes un data scientist. Avec le temps, les outils s’amélioreront. Mais l’industrie doit également devenir plus sophistiquée dans l’utilisation des données comme monnaie d’échange. L’ancien modèle consistait à acheter les taux de correspondance les plus élevés aux prix les plus bas. Le nouveau modèle est une voie pour créer et échanger de la valeur. C’est une évolution passionnante, mais pour y arriver, nous devons faire face à la complexité et à l’incertitude par l’innovation et la collaboration.

Suivez NYIAX (@nyiaxinc) et AdExchanger (@adexchanger) sur Twitter.