AdTheorent Holding Company, Inc. a annoncé le lancement de son AdTheorent Predictive Audience Builder, une suite transformationnelle d'outils de plate-forme conçus pour permettre aux utilisateurs de créer et d'activer des modèles prédictifs qui évaluent la qualité de l'audience. AdTheorent Predictive Audience Builder s'appuie sur des ensembles de données de départ personnalisables et de source primaire pour imiter le profil d'audience de la cible souhaitée par un annonceur. Dans une rupture majeure avec les segments d'audience standard de l'industrie, cet ensemble de données d'amorçage n'est pas utilisé pour le ciblage direct.

Au lieu de cela, l'apprentissage automatique d'AdTheorent lit les signaux de ces ensembles de données pour construire un modèle prédictif qui note l'inventaire programmatique sur sa probabilité d'atteindre un individu qui correspond au profil désiré. Ce scoring prédictif respectueux de la vie privée fournit une qualité d'audience supérieure et des performances KPI sans l'utilisation d'informations personnellement identifiables, de cookies ou d'identifiants d'aucune sorte. AdTheorent est fier de compter la marque automobile Southeast Toyota Distributors, LLC et 22Squared parmi ses clients de lancement.

L'utilisation par AdTheorent Predictive Audience Builder de paramètres de profil d'audience de source primaire, hautement personnalisés, est d'une flexibilité illimitée et adaptable à la stratégie marketing de chaque annonceur. Les exemples incluent des audiences verticales entièrement personnalisables telles que : les acheteurs d'automobiles sur le marché pour une marque ou un modèle spécifique ; les clients fréquents de fast-food avec une forte probabilité de changer de chaîne, ou les clients fréquents de repas en famille ou de commandes en ligne ; les acheteurs de grandes surfaces et de produits familiaux avec un revenu familial élevé ; ou les grands dépensiers de voyages de luxe sur le marché ou en train de rechercher un voyage. Comment cela fonctionne : Données de source primaire : AdTheorent Predictive Audience Builder exploite des ensembles de données de source primaire (fournis soit par AdTheorent, soit par une agence ou une marque) pour identifier les statistiques de qualité d'audience pertinentes pour la campagne spécifique de la marque.

Voici quelques exemples de types de données : Données sur les consommateurs : Des milliers d'attributs de données de consommateurs tels que les données démographiques, les habitudes d'achat, les styles de vie, les intérêts et les attitudes. Données de localisation : Données de localisation précises provenant directement des SDK in-app et des intégrations serveur à serveur avec les éditeurs et les développeurs d'applications mobiles. Données verticalisées : Données verticales spécifiques à l'automobile, au B2B, au CPG, à la restauration, à la finance, à la vente au détail, aux voyages et plus encore.

Expansion du Machine Learning : AdTheorent identifie les points communs dans les données en utilisant l'apprentissage automatique et identifie d'autres attributs importants pour augmenter l'audience adressable informée par ML en temps réel. Optimisation de l'audience basée sur le ML : Selon les processus standards de ciblage prédictif d'AdTheorent, les modèles d'audience prédictive d'AdTheorent définissent les paramètres de données dans lesquels les annonces d'AdTheorent sont servies, avec le but principal d'optimiser la livraison d'annonces vers les attributs de données et les combinaisons qui causent l'augmentation de conversion KPI. Performance de la campagne : En utilisant le ciblage prédictif d'AdTheorent, la campagne est optimisée vers le KPI spécifié par l'annonceur pour conduire la performance.

AdTheorent livre une publicité à une opportunité d'impression seulement quand les modèles prédictifs d'AdTheorent indiquent une probabilité suffisamment élevée qu'une opportunité de publicité donnée fera chacun des points suivants : (1) être servie au sein de l'audience prédictive personnalisée et (2) mener à l'accomplissement d'une action de campagne spécifiée par l'annonceur. Chaque modèle d'audience prédictive d'AdTheorent évalue des millions d'impressions par seconde pour stimuler la performance, en considérant plus de 1000 variables de données dans ses modèles. Les modèles s'auto-optimisent tout au long de chaque campagne, permettant à AdTheorent de conduire une performance de pointe pour les annonceurs.