Die AdTheorent Holding Company, Inc. kündigte die Einführung des AdTheorent Predictive Audience Builder an. Dabei handelt es sich um eine transformative Suite von Plattform-Tools, die es Nutzern ermöglicht, prädiktive Modelle zu erstellen und zu aktivieren, die die Qualität der Zielgruppe bewerten. AdTheorent Predictive Audience Builder nutzt anpassbare und primäre Seed-Datensätze, um das Publikumsprofil der von einem Werbetreibenden gewünschten Zielgruppe zu imitieren. Im Gegensatz zu den branchenüblichen Zielgruppensegmenten wird dieser Seed-Datensatz nicht für das direkte Targeting verwendet.

Stattdessen liest das maschinelle Lernen von AdTheorent Signale aus diesen Datensätzen, um ein prädiktives Modell zu erstellen, das programmatisches Inventar nach seiner Wahrscheinlichkeit bewertet, eine Person zu erreichen, die dem gewünschten Profil entspricht. Dieses datenschutzkonforme prädiktive Scoring liefert eine überragende Zielgruppenqualität und KPI-Leistung ohne die Verwendung von personenbezogenen Daten, Cookies oder IDs jeglicher Art. AdTheorent ist stolz darauf, die Automobilmarke Southeast Toyota Distributors, LLC und 22Squared zu seinen ersten Kunden zählen zu dürfen.

AdTheorent Predictive Audience Builder verwendet primär bezogene, hochgradig angepasste Zielgruppenprofilparameter, die grenzenlos flexibel und an die Marketingstrategie jedes Werbetreibenden anpassbar sind. Beispiele hierfür sind vollständig anpassbare vertikale Zielgruppen wie: Autointeressenten, die sich für eine bestimmte Marke oder ein bestimmtes Modell interessieren; häufige Fast-Food-Konsumenten, die mit hoher Wahrscheinlichkeit zu einer neuen Kette wechseln, oder häufige Familienmahlzeiten oder Online-Besteller; Großeinkäufer und Familieneinkäufer mit hohem Haushaltseinkommen; oder Personen, die viel Geld für Luxusreisen ausgeben und sich für eine Reise interessieren oder diese planen. Wie es funktioniert: Daten aus primären Quellen: AdTheorent Predictive Audience Builder nutzt primäre Datensätze (die entweder von AdTheorent, einer Agentur oder einer Marke zur Verfügung gestellt werden), um Statistiken zur Qualität der Zielgruppe zu ermitteln, die für die jeweilige Markenkampagne relevant sind.

Beispiele für Datentypen sind: Verbraucherdaten: Tausende von Verbraucherdatenattributen wie demografische Daten, Kaufgewohnheiten, Lebensstil, Interessen und Einstellungen. Standortdaten: Präzise Standortdaten, die direkt von In-App-SDKs und Server-zu-Server-Integrationen mit Herausgebern und Entwicklern mobiler Anwendungen stammen. Vertikalisierte Daten: Vertikalspezifische Daten aus den Bereichen Automobil, B2B, CPG, Gastronomie, Finanzen, Einzelhandel, Reisen und mehr.

Erweiterung des maschinellen Lernens: AdTheorent identifiziert mit Hilfe von maschinellem Lernen Gemeinsamkeiten in den Daten und ermittelt weitere wichtige Attribute, um das adressierbare ML-informierte Publikum in Echtzeit zu vergrößern. ML-basierte Zielgruppenoptimierung: Gemäß den Standardprozessen von AdTheorent für Predictive Targeting definieren die Predictive Audience-Modelle von AdTheorent die Datenparameter, innerhalb derer AdTheorent-Anzeigen geschaltet werden, wobei das Hauptziel darin besteht, die Anzeigenauslieferung auf Datenattribute und -kombinationen zu optimieren, die zu einer Steigerung der KPIs führen. Kampagnenleistung: Mithilfe des Predictive Targeting von AdTheorent wird die Kampagne auf den vom Werbetreibenden angegebenen KPI optimiert, um die Performance zu steigern.

AdTheorent liefert eine Anzeige nur dann an eine Impression Opportunity aus, wenn die Vorhersagemodelle von AdTheorent eine ausreichend hohe Wahrscheinlichkeit anzeigen, dass eine bestimmte Ad Opportunity jeden der folgenden Punkte erfüllen wird: (1) innerhalb der angepassten Predictive Audience geschaltet wird und (2) zum Abschluss einer vom Werbetreibenden festgelegten Kampagnenaktion führt. Jedes Predictive Audience-Modell von AdTheorent wertet Millionen von Impressionen pro Sekunde aus, um die Leistung zu steigern, und berücksichtigt dabei mehr als 1000 Datenvariablen in seinen Modellen. Die Modelle optimieren sich während jeder Kampagne selbst und ermöglichen es AdTheorent, eine branchenführende Leistung für Werbetreibende zu erzielen.