Por Fernanda Acácio, CEO da MGID.
A segmentação contextual tem sido um modelo utilizado pelas marcas desde os primórdios da publicidade digital. No entanto, antes das regulamentações de proteção de dados, como a LGPD, no Brasil, e a GDPR, na Europa, os dados de usuário estavam prontamente disponíveis, permitindo a exploração de soluções alternativas. Agora, com o uso de cookies de terceiros perto do seu fim, a indústria enfrenta novos desafios e busca maneiras de identificar e direcionar públicos-alvo sem ferir a privacidade do usuário.
De acordo com a pesquisa State of Data Brasil: 2023, realizada pelo IAB Brasil em parceria com a Nielsen, 48% dos profissionais ainda não se sentem preparados para o fim da extensão aos cookies de terceiros, e apenas 17% disseram tem informação suficiente e se sentem aptos para as mudanças. Com isso, os modelos de segmentação contextual estão ressurgindo como uma possibilidade para anunciantes que procuram promover uma experiência positiva para seus consumidores.
Esse formato não apenas possibilita alcançar audiências baseadas no contexto ou em categorias de interesse, mas também proporciona mais segurança e proteção para as marcas. Além disso, avanços em inteligência artificial (IA) estão abrindo novas possibilidades para o modelo. Já há dois anos, 61% dos publishers esperavam ver um aumento no orçamento para compra de campanhas com segmentação contextual.
A ascensão da IA na tecnologia publicitária, especialmente os modelos de aprendizado de máquina capazes de processar e aprender com grandes volumes de dados, ampliou a escala, velocidade e precisão das soluções contextuais. O maior avanço foi o processamento de linguagem natural, permitindo que os programas compreendessem a linguagem de forma semelhante aos humanos, podendo categorizar o conteúdo com base em seu significado semântico.
A segmentação baseada em interesses também está evoluindo com a IA. Embora grande parte da identificação do usuário nessa abordagem ainda seja determinística, usando identificadores como endereços de e-mail, a identificação probabilística emprega a IA para combinar vários sinais e dados a fim de prever se um indivíduo se encaixa em um determinado segmento de público. Essa identificação é menos precisa, mas oferece escalabilidade e pode preencher as lacunas de reconhecimento.
A vantagem dessa segmentação é que ela preserva e analisa o comportamento passado de um consumidor para determinar o valor de uma impressão. Assim, é possível criar campanhas com mensagens diferentes, dependendo de onde este usuário se encontra no funil de vendas. No entanto, essas soluções também podem continuar a segmentar consumidores que não são mais relevantes, desperdiçando impressões que não levarão a conversões.
Por outro lado, embora a publicidade contextual não leve em consideração o histórico do consumidor, essa estratégia funciona bem no ambiente atual, em que a jornada do consumidor é rápida. Ou seja, campanhas que necessitam de uma compreensão mais profunda da jornada do consumidor podem se beneficiar mais da segmentação baseada em interesses. Já aquelas que precisam ser operadas imediatamente podem contar com a segmentação contextual, que é mais versátil.
Isso mostra que a escolha do melhor modelo de segmentação depende, na verdade, do que está sendo anunciado e dos objetivos da campanha. Ambas as soluções continuam a ter o seu lugar no ecossistema que prioriza a privacidade. A diversidade de soluções é a combinação necessária para acelerar as estratégias de publicidade digital e a competição entre a segmentação contextual e a baseada em interesses impulsiona inovações que beneficiam os interesses de marcas e consumidores. A busca pelo modelo mais adequado eleva o setor a novos patamares e contribui para a evolução de campanhas, com mais impacto e personalização.
