Se sei un inserzionista che utilizza gi\u00e0 le creativit\u00e0 dinamiche per alimentare le tue campagne, ti interesser\u00e0 senz\u2019altro conoscere i principi dell\u2019ottimizzazione delle creativit\u00e0 dinamiche per portare le tue creativit\u00e0 al livello successivo.<\/p>\n
Ecco come funziona:<\/p>\n
Dynamic Creative Optimization 101<\/strong><\/h3>\nEsaminiamo i concetti di creativit\u00e0 dinamiche e di ottimizzazione delle creativit\u00e0 dinamiche, dal momento che le differenze possono trarre in inganno:<\/p>\n
\n- Creativit\u00e0 dinamica<\/strong> si riferisce all\u2019integrazione di componenti grafici nella creativit\u00e0 di un annuncio, utilizzando i dati specifici dello shopper: prodotti visti, geolocazione, tempo di visualizzazione, ecc. I componenti grafici vengono definiti manualmente al momento dell\u2019impostazione di una campagna display e le informazioni dinamiche vengono compilate in tempo reale per ciascuno shopper prima che venga presentata la creativit\u00e0.
![\"\"](\"http:\/\/www.criteo.com\/it\/wp-content\/uploads\/sites\/9\/2019\/11\/Travel1.png\")
<\/li>\n<\/ul>\nFig.1<\/strong>: Campagna con dati dinamici (prodotti e geolocazione), componenti grafici statici e look and feel.<\/p>\n\n- L\u2019ottimizzazione delle creativit\u00e0 dinamiche<\/strong>\u00a0va ancora oltre. Invece di semplicemente riempire una creativit\u00e0 generica con dati personalizzati, questa tecnologia utilizza\u00a0il machine learning<\/a>\u00a0per scegliere, in tempo reale per ciascuno shopper e ciascun contesto, il set pi\u00f9 rilevante di componenti da visualizzare, ottimizzando sia il contenuto sia la creativit\u00e0.<\/li>\n<\/ul>\n
![\"\"](\"http:\/\/www.criteo.com\/it\/wp-content\/uploads\/sites\/9\/2019\/11\/Travel2.png\")
<\/p>\n
Fig.2<\/strong>: Campagna con dati dinamici e componenti ottimizzati dinamicamente (geolocazione vs. valutazioni) e look and feel.<\/p>\nIl processo di ottimizzazione si suddivide in due attivit\u00e0: Il motore deve (i) scegliere quale componente grafico visualizzare e (ii) scegliere il tipo di look and feel della creativit\u00e0 complessiva e dei componenti.<\/p>\n
Sono stati fatti molti progressi per quanto riguarda la scelta efficace dei componenti grafici da visualizzare. Normalmente, in un caso di retargeting, il numero di prodotti visualizzati pu\u00f2 essere ottimizzato per ciascuno shopper.<\/p>\n
Questo compito \u00e8 complesso; quindi un obiettivo a lungo termine della DCO \u00e8 quello di essere in grado di scegliere tutti i componenti creativi in tempo reale, incluse informazioni quali la geolocazione, che possono essere rilevanti per un particolare shopper.<\/p>\n
L\u2019ottimizzazione del look and feel dei componenti \u00e8 stata oggetto di molti studi e di sviluppo nel mercato, incrementando enormemente le performance.<\/p>\n
Ad esempio, la tecnologia machine learning \u00e8 in grado di scegliere lo schema di colori della creativit\u00e0, le parole del call-to-action e le dimensioni relative dei componenti che con maggiori probabilit\u00e0 stimolerebbero uno shopper alla conversione.<\/p>\n
In futuro, quando gli strumenti del machine learning verranno alimentati da un numero maggiore di dati, sar\u00e0 disponibile uno spettro pi\u00f9 ampio di ottimizzazioni di creativit\u00e0. Saremo in grado di ottimizzare animazioni, messaggi di branding e molto altro.<\/p>\n
<\/p>\n
Perch\u00e9 oggi la DCO \u00e8 importante<\/strong><\/h3>\nLa DCO offre numerosi vantaggi agli inserzionisti.<\/p>\n
Primo, la macchina al cuore dell\u2019ottimizzazione delle creativit\u00e0 dinamiche apprende velocemente da ciascuna campagna. Per una data popolazione, quale look and feel globale funziona meglio? Quale tipo di messaggi CTA \u00e8 pi\u00f9 efficace? Quale ambiente display d\u00e0 i migliori risultati?<\/p>\n
Non vi \u00e8 limite a questo tipo di domande e l\u2019ottimizzazione di creativit\u00e0 dinamiche aiuta gli inserzionisti a trovare una risposta efficace.<\/p>\n
Secondo, la DCO consente il migliore marketing personalizzato.<\/p>\n
Dal momento che la tecnologia si basa sul singolo shopper, un\u2019ampia parte della creativit\u00e0 che lo shopper visualizza \u00e8 personalizzata per lui\/lei in modo specifico. Verranno visualizzati solo elementi rilevanti per lo shopper, e nel miglior modo possibile per quanto riguarda dimensioni, posizione e colore.<\/p>\n
Ecco perch\u00e9 la DCO consente grandi risultati per le campagne in cui la performance \u00e8 importante, specialmente in campagne lower funnel come quelle di retargeting<\/a>.<\/p>\nInoltre, il processo di retargeting riduce sensibilmente la durata e la complessit\u00e0 dell\u2019impostazione della campagna senza compromettere la shopper relevance o le linee guida del brand dell\u2019inserzionista. La DCO consente non solo la personalizzazione, ma gestisce anche tutto il lavoro manuale della preparazione dei dati, l\u2019analisi e la realizzazione su scala.<\/p>\n
Questo d\u00e0 pi\u00f9 tempo allo staff dei creativi per fare quello che sa fare meglio: creare contenuti geniali su cui basare le campagne di marketing. A loro volta, le campagne vengono costantemente informate con dati comportamentali rilevanti in tempo reale, raccolti dal machine learning.<\/p>\n
<\/p>\n
Perch\u00e9 l\u2019ottimizzazione delle creativit\u00e0 dinamiche diventer\u00e0 sempre pi\u00f9 importante<\/strong><\/h3>\nAnche se la DCO consente gi\u00e0 un incremento della performance per gli inserzionisti, la tecnologia \u00e8 ancora giovane. Continuando a svilupparsi, in futuro diventer\u00e0 probabilmente un componente chiave del settore della pubblicit\u00e0.<\/p>\n
\u00c8 indubbio che l\u2019ottimizzazione delle creativit\u00e0 dinamiche nel tempo sar\u00e0 in grado di gestire sempre pi\u00f9 aspetti delle creativit\u00e0. I limiti di questo si possono gi\u00e0 vedere. Approfondisci tu stesso l\u2019argomento sul nostro white paper relativo al machine learning\u00a0\u201cCan Machines Be Creative?\u201d [Le macchine possono essere creative?]<\/a>.<\/p>\nDi conseguenza, il differenziale di performance tra le creativit\u00e0 dinamiche e le creativit\u00e0 dinamiche ottimizzate continuer\u00e0 a crescere.<\/p>\n
![\"\"](\"http:\/\/www.criteo.com\/it\/wp-content\/uploads\/sites\/9\/2019\/11\/Retail1-IT.png\")
<\/p>\n
Fig.3<\/strong>: Idee di parametri dinamicamente ottimizzati per una creativit\u00e0 interamente basata sulla DCO.<\/p>\nUn altro punto importante da tener presente quando si considera la DCO \u00e8 la sua focalizzazione sullo shopper. Poich\u00e9 la DCO ottimizza le creativit\u00e0 per ciascuna impression, ci\u00f2 garantisce agli inserzionisti che la loro comunicazione di marketing resti rilevante per gli shopper che visitano i siti Web degli editori, e questo in un momento in cui \u00e8 sempre pi\u00f9 difficile raggiungere gli utenti a causa degli ad blocker.<\/p>\n
Infine, cosa non meno importante, attualmente la DCO viene usata principalmente per le campagne lower funnel, ma presenta un potenziale di espansione in altri casi di utilizzo. Che sia per altri tipi di campagne, quali customer acquisition<\/a> oppure omnichannel, o per altri generi di inventory dietro i banner HTML, che comprendono\u00a0inventory video e native, l\u2019utilizzo del potenziale della DCO \u00e8 ampio e senza limiti.<\/p>\nL\u2019ottimizzazione delle creativit\u00e0 in tempo reale del Criteo AI Engine<\/strong><\/h3>\nLa soluzione di ottimizzazione delle creativit\u00e0 dinamiche di Criteo \u00e8 la Real-time Creative Optimization (RTCO), una tecnologia machine learning in attesa di registrazione che utilizza l\u2019awareness contestuale in tempo reale e i dati comportamentali derivati da 1,2 mld di consumatori attivi ogni mese per selezionare e ottimizzare creativit\u00e0 annuncio a livello granulare per ciascun singolo shopper e contesto.<\/p>\n
<\/li>\n<\/ul>\nFig.1<\/strong>: Campagna con dati dinamici (prodotti e geolocazione), componenti grafici statici e look and feel.<\/p>\n Fig.2<\/strong>: Campagna con dati dinamici e componenti ottimizzati dinamicamente (geolocazione vs. valutazioni) e look and feel.<\/p>\n Il processo di ottimizzazione si suddivide in due attivit\u00e0: Il motore deve (i) scegliere quale componente grafico visualizzare e (ii) scegliere il tipo di look and feel della creativit\u00e0 complessiva e dei componenti.<\/p>\n Sono stati fatti molti progressi per quanto riguarda la scelta efficace dei componenti grafici da visualizzare. Normalmente, in un caso di retargeting, il numero di prodotti visualizzati pu\u00f2 essere ottimizzato per ciascuno shopper.<\/p>\n Questo compito \u00e8 complesso; quindi un obiettivo a lungo termine della DCO \u00e8 quello di essere in grado di scegliere tutti i componenti creativi in tempo reale, incluse informazioni quali la geolocazione, che possono essere rilevanti per un particolare shopper.<\/p>\n L\u2019ottimizzazione del look and feel dei componenti \u00e8 stata oggetto di molti studi e di sviluppo nel mercato, incrementando enormemente le performance.<\/p>\n Ad esempio, la tecnologia machine learning \u00e8 in grado di scegliere lo schema di colori della creativit\u00e0, le parole del call-to-action e le dimensioni relative dei componenti che con maggiori probabilit\u00e0 stimolerebbero uno shopper alla conversione.<\/p>\n In futuro, quando gli strumenti del machine learning verranno alimentati da un numero maggiore di dati, sar\u00e0 disponibile uno spettro pi\u00f9 ampio di ottimizzazioni di creativit\u00e0. Saremo in grado di ottimizzare animazioni, messaggi di branding e molto altro.<\/p>\n <\/p>\n La DCO offre numerosi vantaggi agli inserzionisti.<\/p>\n Primo, la macchina al cuore dell\u2019ottimizzazione delle creativit\u00e0 dinamiche apprende velocemente da ciascuna campagna. Per una data popolazione, quale look and feel globale funziona meglio? Quale tipo di messaggi CTA \u00e8 pi\u00f9 efficace? Quale ambiente display d\u00e0 i migliori risultati?<\/p>\n Non vi \u00e8 limite a questo tipo di domande e l\u2019ottimizzazione di creativit\u00e0 dinamiche aiuta gli inserzionisti a trovare una risposta efficace.<\/p>\n Secondo, la DCO consente il migliore marketing personalizzato.<\/p>\n Dal momento che la tecnologia si basa sul singolo shopper, un\u2019ampia parte della creativit\u00e0 che lo shopper visualizza \u00e8 personalizzata per lui\/lei in modo specifico. Verranno visualizzati solo elementi rilevanti per lo shopper, e nel miglior modo possibile per quanto riguarda dimensioni, posizione e colore.<\/p>\n Ecco perch\u00e9 la DCO consente grandi risultati per le campagne in cui la performance \u00e8 importante, specialmente in campagne lower funnel come quelle di retargeting<\/a>.<\/p>\n Inoltre, il processo di retargeting riduce sensibilmente la durata e la complessit\u00e0 dell\u2019impostazione della campagna senza compromettere la shopper relevance o le linee guida del brand dell\u2019inserzionista. La DCO consente non solo la personalizzazione, ma gestisce anche tutto il lavoro manuale della preparazione dei dati, l\u2019analisi e la realizzazione su scala.<\/p>\n Questo d\u00e0 pi\u00f9 tempo allo staff dei creativi per fare quello che sa fare meglio: creare contenuti geniali su cui basare le campagne di marketing. A loro volta, le campagne vengono costantemente informate con dati comportamentali rilevanti in tempo reale, raccolti dal machine learning.<\/p>\n <\/p>\n Anche se la DCO consente gi\u00e0 un incremento della performance per gli inserzionisti, la tecnologia \u00e8 ancora giovane. Continuando a svilupparsi, in futuro diventer\u00e0 probabilmente un componente chiave del settore della pubblicit\u00e0.<\/p>\n \u00c8 indubbio che l\u2019ottimizzazione delle creativit\u00e0 dinamiche nel tempo sar\u00e0 in grado di gestire sempre pi\u00f9 aspetti delle creativit\u00e0. I limiti di questo si possono gi\u00e0 vedere. Approfondisci tu stesso l\u2019argomento sul nostro white paper relativo al machine learning\u00a0\u201cCan Machines Be Creative?\u201d [Le macchine possono essere creative?]<\/a>.<\/p>\n Di conseguenza, il differenziale di performance tra le creativit\u00e0 dinamiche e le creativit\u00e0 dinamiche ottimizzate continuer\u00e0 a crescere.<\/p>\n Fig.3<\/strong>: Idee di parametri dinamicamente ottimizzati per una creativit\u00e0 interamente basata sulla DCO.<\/p>\n Un altro punto importante da tener presente quando si considera la DCO \u00e8 la sua focalizzazione sullo shopper. Poich\u00e9 la DCO ottimizza le creativit\u00e0 per ciascuna impression, ci\u00f2 garantisce agli inserzionisti che la loro comunicazione di marketing resti rilevante per gli shopper che visitano i siti Web degli editori, e questo in un momento in cui \u00e8 sempre pi\u00f9 difficile raggiungere gli utenti a causa degli ad blocker.<\/p>\n Infine, cosa non meno importante, attualmente la DCO viene usata principalmente per le campagne lower funnel, ma presenta un potenziale di espansione in altri casi di utilizzo. Che sia per altri tipi di campagne, quali customer acquisition<\/a> oppure omnichannel, o per altri generi di inventory dietro i banner HTML, che comprendono\u00a0inventory video e native, l\u2019utilizzo del potenziale della DCO \u00e8 ampio e senza limiti.<\/p>\n La soluzione di ottimizzazione delle creativit\u00e0 dinamiche di Criteo \u00e8 la Real-time Creative Optimization (RTCO), una tecnologia machine learning in attesa di registrazione che utilizza l\u2019awareness contestuale in tempo reale e i dati comportamentali derivati da 1,2 mld di consumatori attivi ogni mese per selezionare e ottimizzare creativit\u00e0 annuncio a livello granulare per ciascun singolo shopper e contesto.<\/p>\n\n
<\/p>\nPerch\u00e9 oggi la DCO \u00e8 importante<\/strong><\/h3>\n
Perch\u00e9 l\u2019ottimizzazione delle creativit\u00e0 dinamiche diventer\u00e0 sempre pi\u00f9 importante<\/strong><\/h3>\n
<\/p>\nL\u2019ottimizzazione delle creativit\u00e0 in tempo reale del Criteo AI Engine<\/strong><\/h3>\n