2021
08
06

第三方Cookie退場後新選擇,廣告分群匹配有望成未來趨勢[轉載自iThome]

關鍵字:淘汰第三方Cookiecookiegoogle


富盈數據技術長 周竝弘 (攝影/洪政偉)

對任何需要運用數位行銷的產業而言,去年初Google宣布,Chrome將淘汰第三方Cookie,是從根本技術徹底翻盤的大變革,儘管Google將退場時限延期到2023年底,但隨著Google開始測試新廣告追蹤技術,第三方Cookie的退場,似乎已成定局。對企業或行銷公司來說,尋找替代技術來維持廣告投放成效,成了當務之急。

由於第三方Cookie受到限制,企業越來越難取得用戶資料,也出現一股聲浪,擔心個人化行銷成效會大受影響,身為網路廣告龍頭的Google也連忙祭出補救措施,力推一種全新的行銷做法,稱為廣告分群匹配技術FLoC(Federated Learning of Cohorts,FLoC),將原本的廣告投放作法,從瞄準「個人行為」轉向「群體偏好」,希望在保障個人隱私資料的情況下,透過群體共同的消費偏好,來投放廣告。

FLoC一發布,就引起行銷科技圈熱烈討論,彷彿找到了隱私與廣告之間的新出路。

Google不是唯一一家考量隱私,開始限縮廣告追蹤機制和行為的科技業者。影響龐大iOS生態圈的蘋果,也同樣祭出更嚴格的消費者隱私保護和削弱廣告追蹤的控管機制。

站在廣告行銷產業第一線的富盈數據技術長周竝弘,面對市場技術即將大洗盤式的變革,他觀察,由於企業能搜集到的用戶網路行為減少,已經陸續有同業反應,出現了廣告成效下降的問題,但大多數人都還在觀望,未來應採取哪種替代做法來維持廣告成效。這個問題成了廣告行銷產業當前最大的挑戰。

目前,周竝弘指出,若要維持廣告成效,現在有兩個替代做法值得企業關注。第一,就是Google推出的FLoC技術,這項技術是用Chrome先搜集用戶瀏覽行為,再透過FLoC模型將用戶分群,並以群組代號取代用戶ID,強調無論是廣告主、出版商或廣告平臺,都只能獲得用戶的群組代號,而無從辨識用戶身份,來避免商家取得過多用戶資訊。「透過分群追蹤的概念,我不需要知道你是誰,我只要知道你屬於哪一群。」周竝弘一句話點出FLoC的核心設計。

FLoC技術還有另一大特色,是將Chrome搜集到的資料,透過聯合學習技術,分散到各個裝置上進行運算,讓使用者的瀏覽歷史紀錄保持私密。不過,針對這項作法,周竝弘剖析,儘管Google宣稱,FLoC不會將個人瀏覽行為分享給Google或廣告商,但是FLoC本身在進行運算時,仍會將Chrome搜集到的數據與雲端資料庫比對,才能運算出個人分屬於哪個群組,「看似不會搜集你的個資,但其實Google仍有透過雲端來媒合資料。」

因此,周竝弘指出,FLoC技術仍面臨了挑戰,除了得看用戶願不願意買單,也因Google作法僅限於Chrome,其他瀏覽器不一定願意跟進,如此一來,也就無法追蹤其他瀏覽器的用戶行為。

儘管如此,周竝弘仍表達對這項技術的贊同。不只認同,他甚至基於分群匹配的概念,實作出一套用於電商領域的商品分群匹配AI技術,後來更將這套技術帶進現在任職的公司,作為即將上線的新廣告投放技術基礎。

擁有豐富電商技術實戰經驗,更站在廣告技術轉變第一線

任職於內容媒體廣告管理公司的周竝弘,處於數位行銷技術轉變的第一線,踏入廣告產業前,更已擁有20年以上的電商實戰經驗,多年累積的技術力,源自於他過去曾任露天拍賣、樂屋網技術長,以及擔任電商新創技術長的經歷。

10多年前,他曾以日本的開源圖書搜尋引擎為基礎,開發了一套能支援上億物件檢索的搜尋引擎,來克服露天拍賣站內,高達3億件商品資訊隨時更新的即時搜尋挑戰。

除了搜尋引擎,他也曾開發一套商品自動上架技術,讓商家只要在Word檔記錄商品資訊,並連同圖片置於資料夾中,再上傳到指定的雲端儲存位置,商品就能自動上架到電商平臺,大幅降低商家操作上架系統的學習門檻。

在電商領域耕耘許久的周竝弘,對AI也不陌生。他碩士就讀清大資工所自然語言實驗室,曾基於機率模型開發了一套中文關鍵字提取工具,能自動提取商品敘述中的關鍵字,以利後續分類或標籤。近年來AI興起,他也開始在露天拍賣中,用AI來減少人工作業,後來進入電商新創Uitox,更基於老闆想法,實作出AI商品分群匹配的演算法。

奠基在這些豐富的開發經驗上,周竝弘從技術的角度,深入剖析行銷技術的演變,並根據第一線的觀察,提出對第三方Cookie替代技術的看法。

如何提升商品行銷成效?顧客分群推薦作法可能為解方

 

長年在相關領域耕耘,周竝弘觀察,當前主流電商在進行商品推薦或廣告投放的方法,大多是透過搜集顧客的網路瀏覽行為,分析瀏覽過商品的特徵與屬性,再針對個人推薦相似類型的商品或廣告。這也是在AI逐漸進入大眾視野後,興起的個人化推薦作法。

但是,周竝弘認為,從顧客瀏覽記錄來「猜你喜歡」的作法,已經逐漸過時。「因為所有的數據都是過去式,就算你此時此刻搜集到的數據,也已經是顧客上一秒的行為,不代表他下一秒會根據之前的喜好來做決策。」他舉例,若消費者網購了一串衛生紙,而電商平臺基於這個行為,在對方下一次網購時又推薦了衛生紙品項給他,可想而知,消費者短時間內已經沒有衛生紙購買需求,就可能導致無效的商品推薦結果。

「所以,進行數據分析之後,要猜的是,顧客下一秒和下一段時間的需求是什麼?而不是猜他喜歡什麼。」周竝弘點出主流商品推薦方法的局限。

因此,周竝弘認為,先將顧客分群再匹配商品,可能為提升行銷成效的一種解方,將原本瞄準個人偏好的推薦作法,轉而以同類群體的偏好來取代。

周竝弘解釋,顧客分群匹配的作法,是以人群定向分析技術為核心,先描繪消費者本身的輪廓,再將特徵相似者分群,接著,藉由消費者所屬「群體」的消費偏好,來對個人投放相關的商品。有別於主流針對瀏覽過的商品特徵,來推薦相似品項的作法。

他以電商場景商品推薦為例進一步說明,當顧客瀏覽電商平臺的商品時,根據顧客的瀏覽記錄,能為他貼上標籤,拼湊出他的形象與輪廓。比如說,一位顧客進入了電商平臺後,先點選了3C分類,搭配顧客族群資料,可以推測,這個人有可能是一名男性;若他又點擊了iPhone最新機型,還可以進一步推測,他也有可能是追求流行的年輕人;不過這款新手機價格很高,更能進一步推論,該名顧客的消費能力偏高。透過顧客點擊的商品,就可以得出該名顧客許多線索,像是可能為男性、年輕、高消費水平的形象。這就是一種用點擊行為來描繪顧客輪廓的方法。

依據每位顧客的輪廓,進一步找出與之相似的消費群體後,儘管他沒有逛過其他網站的商品,但在進行商品推薦時,仍可以推薦給他所屬群體偏好的商品,來避免重複推薦給他已經瀏覽過、甚至購買過的3C商品資訊。

這項技術更能運用在廣告場景中,先將潛在顧客依據消費偏好分群,再針對個人投放群組偏好的商品廣告。Google目前正積極測試的FLoC技術,就是運用了相同的分群概念,根據FLoC模型判斷用戶屬於哪個分類群組,以此作為廣告投放的基礎。

周竝弘也引述Google的說法指出,FLoC與原先透過第三方Cookie來追蹤個人行為的廣告投放成效相比,已經能達到原先成效的95%,「也就是說,人群具有一定的代表性。」綜合這些優勢來看,他認為:「廣告分群匹配會成為未來的趨勢。」

想了解更多有關此文章的內容嗎?  歡迎點擊以下連結觀看更多內容喔!!!

傑立資訊傑立資訊事業有限公司

電話:(02)2739-9096 | 傳真:(02)2739-6637 | 客服:[email protected] | 臺北市信義區和平東路3段257號6樓map

© 2019 傑立資訊 All rights reserved.