En lugar de invertir el rumbo como lo ha hecho Google, Hearst Magazines ha seguido adelante con sus planes posteriores a las cookies, y ahora con el beneficio de que esos planes no necesitan ser completamente posteriores a las cookies.

Que Google no elimine las cookies de terceros en Chrome “significa para nosotros que hay un poco más de datos iniciales, un poco de datos deterministas” que Hearst Magazines puede utilizar para construir sus modelos probabilísticos sin cookies (es decir, menos cookies). , no sin cookies) segmentación y medición, dijo Dorre.

Porque, en última instancia, así es como está cambiando el panorama. No se trata tanto de pasar de un modelo basado en cookies a uno sin cookies para la orientación y medición de anuncios, sino de uno determinista a uno probabilístico. El truco, sin embargo, es tener los datos deterministas como base para los modelos probabilísticos y establecer umbrales para preservar la integridad de las señales de datos subyacentes a medida que se proyectan a una audiencia más amplia.

Caso en cuestión: Aura de Hearst Magazine se basa en datos deterministas (su audiencia propia) y luego los combina con datos contextuales sobre los tipos de contenido que las personas consumen en sus propiedades. Aura utiliza esa combinación de datos deterministas y contextuales para proyectar perfiles de audiencia en el resto de su base de audiencia, para la cual es posible que no tenga datos.

Este tipo de proyección puede significar que los anunciantes tengan que hacer una especie de acto de fe al orientar anuncios basados ​​en el modelo probabilístico. Pero la focalización no es la única cara de la moneda que se vuelve probabilística.

“Todos estamos tratando de descubrir la medida. Por eso pienso en la medición en dos partes: nosotros, como editores, sabiendo que estamos entregando lo que decimos que entregaremos, y luego está lo que los anunciantes están dispuestos a aceptar como medición”, dijo Dorre.

Una forma de medición que Hearst Magazines está explorando es la medición de la atención. Empresas como Adelaide proporcionan métricas patentadas para medir la atención de una muestra de personas y proyectar esas mediciones en la audiencia de un editor. Efectivamente, la medición basada en panel, este tipo de medición es muy probabilística y no está lista para realizar transacciones, pero es parte del proceso para lograr que los anunciantes se adapten a modelos de medición sin cookies.

También lo son las salas limpias de datos. Hearst Magazines está explorando salas limpias de datos como una forma de atribuir el rendimiento de las campañas de los anunciantes al editor. Estas salas limpias permiten a un editor y a un anunciante comparar datos para conectar los puntos sobre si el visitante del sitio de un editor terminó comprando un producto del anunciante. Pero eso sólo funciona si ambas partes tienen datos deterministas que permitan hacer coincidir la exposición del anuncio con la transacción de venta. Una vez más, introduzca un enfoque probabilístico.

“Si tienes una semilla pequeña, comienzas desde allí, y si puedes unirte a ella, entonces podrás construir modelos a partir de eso. Así que sigo creyendo que es necesario tener una pequeña semilla de datos deterministas”, dijo Dorre.

¿Qué tan pequeña es la semilla? Al menos el 10% de los usuarios y al menos 100.000 impresiones de anuncios servirán de base para el modelo probabilístico, afirmó Dorre.

Esos no son los únicos umbrales que Hearst Magazines ha establecido con respecto a su modelo sin cookies. Con Aura, el editor busca mantener el número de segmentos de audiencia diferentes en el rango de 30 a 50. Y en el lado de los datos contextuales, está tratando de ceñirse a entre tres y cinco categorías de nivel superior con no más de cinco categorías secundarias. categorías cada una.

“Más allá de cinco no tenía sentido… porque encontramos demasiadas superposiciones”, dijo Dorre.