谷歌日前披露,将把淘汰第三方cookies的计划推迟至2024年。随着谷歌不断推迟该计划,一些媒体购买方开始质疑使用第一方数据和替代标识符的重要性。然而,致力于提供前沿数字广告供应链的独立科技公司PubMatic(纳斯达克股票代码:PUBM)近日发布的一项关于苹果系统广告标识(IDFA)授权的报告展现了可识别身份用户的价值。
一年前,苹果改变了广告标识符的运作方式,要求iPhone用户对广告目标定位进行授权。许多人曾认为这将是使用iPhone进行目标定位的终结,但事实并非如此。相反,广告标识符实际上提升了目标定位效果,授权用户数量却在不断攀升。
从降到升:IDFA逆袭
PubMatic报告显示,通过比较iOS 14.5及以上版本设备(在实施IDFA变更后)和iOS 14.5之前版本设备的广告请求中含有IDFA的比例,在iOS 14.5之前的版本中,含有IDFA授权的比例增加到了55%,这意味着超过一半的广告请求可以使用身份识别码进行定位。对于iOS 14.5及以上版本的设备,该比例目前为30%。
另外,在健康和健身、游戏和女性相关应用等多个应用类别中,IDFA授权的比例实际上正在增加;而其他应用类别仍在努力寻找增加用户授权的良策。到目前为止,增长最强劲的是游戏应用类别,授权用户的数量呈现稳步上升。
游戏应用中目标定位迎来机遇
有相关研究表明,游戏玩家十分欢迎能带来奖励的广告,也因此愿意授权IDFA。在游戏环境中投放的广告极具吸引力,具有良好的可视性,通过奖励视频或插播广告等形式更是如此。此外,随着游戏应用开发商创造新机遇来扩大市场份额,广告形式也在不断演变。就连中小型企业现在都能在游戏中找到价格合理的广告选项,如放置虚拟广告牌等。
此外,玩家画像也发生了变化,不同年龄、类型、地理位置和心理的用户越来越多。疫情期间,游戏用户数量得到了进一步扩大。对于品牌而言,游戏正成为极具价值的目标定位新机遇。游戏环境提升了广告参与度和关注度。利用目标定位技术向游戏玩家提供相关广告提升了用户体验,创造了更多参与机会。了解游戏应用中的用户行为可以帮助品牌广告主为游戏玩家提供更好的营销活动投资回报。
身份识别码助力提升广告触达效果
PubMatic 报告中的另一个发现展示了IDFA与“合作伙伴身份识别码”之间的相互作用,后者来自独立的非苹果数据提供商。报告指出,当合作伙伴身份识别码与IDFA授权同时出现时,发行商的收入增加了 50%以上。这表明,应用开发者考虑采用合作伙伴身份识别码来增加收益,这一策略至关重要。同时,合作伙伴身份识别码可以适应未来情况,减少对单一身份识别码解决方案的依赖。
从广告客户的角度来看,这将为跨设备目标定位提供便利。广告主可通过多媒体平台吸引受众并对其进行重新定位。
对于品牌而言,与能够融合各类身份识别码并确保触达范围和效果最大化的供应方合作尤为重要。PubMatic在广告渠道、广告形式和用户身份识别方面拥有多年创新经验,占据行业领先地位,在全球范围内为各品牌和发行商提供创造收益、提升投资回报的解决方案。
谷歌或许推迟了淘汰第三方用户身份识别码的计划,但移动市场却在全力推进全新的身份识别策略。PubMatic报告表明,与身份识别码相结合触达更多用户所展现出的价值,不仅是苹果针对iPhone采取的策略,也是安卓和其他设备的相关战略。以消费者洞察为导向、灵活的移动媒体购买方式能触达更多用户,开启更多增长机会。
点击此处阅读完整报告,或请关注公众号“PubMatic广告科技”了解更多详情。
关于PubMatic
PubMatic(纳斯达克股票代码:PUBM)是一家提供前沿数字广告供应链的独立科技公司,助力客户实现收益最大化。PubMatic的供应方平台(SSP)能够帮助全球领先的数字内容创作者在开放的互联网中随时掌控其广告位库存,提升变现能力;让营销人员通过多元的广告形式和设备触达可寻址受众,提高投资回报率。自2006年成立以来,PubMatic以基础架构为驱动,实现了对数据进行实时的高效处理和利用。通过可扩展和灵活的程序化创新,PubMatic不断提升客户成效,并持续倡导充满活力和透明的数字广告供应链。欲了解更多信息,请访问 www.pubmatic.com。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。