Avec l'évolution des réglementations en matière de confidentialité des données, les éditeurs centralisent les données dans des entrepôts, mais est-ce suffisant pour la monétisation des données ? Les DMP n'étant pas à la hauteur, l'avenir réside dans des applications spécifiques qui améliorent l'activation, rationalisent la création d'audience et prennent en charge la résolution d'identités complexes et la collaboration. Plongez dans les défis et les opportunités d'une croissance durable des revenus à l'ère de la protection de la vie privée.
Il n'est pas nouveau que des années de changements continus dans la réglementation sur la protection de la vie privée ont entraîné des changements massifs dans la façon dont les données sont utilisées (ou non) dans l'industrie de la publicité.
Comme le dit souvent Anthony Katsur, directeur général de l'IAB Tech Lab, "à l'instar de l'énergie, de la finance ou des soins de santé, la publicité est désormais un secteur réglementé". Dans le cadre de cette tendance, les éditeurs sont confrontés à des défis pour créer une croissance durable de leurs revenus.
Qu'il s 'agisse de la baisse continue des recettes publicitaires à laquelle sont confrontés les éditeurs numériques ou de la lutte incessante que mène le secteur de la télévision en continu pour atteindre la rentabilité, il est clair que les propriétaires et les éditeurs de médias ressentent les effets de ces changements.
L'un des domaines où ces changements sont les plus visibles est celui de la technologie des données de l'éditeur. De plus en plus, les éditeurs centralisent les nombreuses sources de données dont ils ont besoin pour la monétisation au sein de leur entrepôt de données. Si cette évolution est porteuse de perspectives et de connectivité, les éditeurs ont également besoin d'une couche d'application spécifique pour les aider à activer leurs données et à en tirer le maximum de valeur.
Pendant des années, les éditeurs ont compté sur les DMP pour être au centre de leurs efforts de monétisation. Alors que la monétisation basée sur les cookies devient de moins en moins fiable et que les canaux de distribution des éditeurs continuent de se fragmenter en dehors du web, ces systèmes n'ont pas réussi à développer de nouvelles solutions pour des fonctions clés telles que la collecte de données d'applications et de données historiques, l'enrichissement de l'audience par des tiers et l'activation programmatique.
La plupart des DMP traditionnelles sont donc reléguées à la collecte de données sur le web, à la segmentation de l'audience et à l'activation simple de la diffusion d'annonces. En outre, les DMP traditionnelles n'ont pas été conçues avec des fonctionnalités importantes telles que les salles blanches, la résolution d'identité et les PET, qui sont extrêmement importantes dans notre monde axé sur la protection de la vie privée.
De nombreuses DMP ont réagi en intégrant de grands ensembles de données par le biais de fusions et d'acquisitions afin de combler les lacunes en matière d'identité, d'autres se rattrapent en essayant de mettre en place des fonctions plus axées sur la protection de la vie privée, telles que l'identité et les salles blanches, et d'autres encore ont décidé de cesser complètement leurs activités. En réponse au manque d'innovation des DMP ces dernières années, de plus en plus d'organisations ont investi dans leur entrepôt de données pour centraliser leurs différentes sources de données d'audience. La question est de savoir si l'entrepôt de données est suffisant.
Lorsque nous discutons avec les clients sur le marché, il est clair qu'ils ont besoin d'applications qui peuvent fonctionner avec leur entrepôt de données pour créer des gains d'efficacité et augmenter leur chiffre d'affaires. L'un des plus grands défis consiste à activer les données.
Les entrepôts de données s'appuient souvent sur des applications et des fournisseurs d'intégration pour rendre les données plus exploitables, ce qui oblige les éditeurs à construire des solutions personnalisées coûteuses et à naviguer dans des opérations compliquées.
De la même manière que le mouvement Composable CDP s'est développé pour aider les spécialistes du marketing à faire évoluer la manière dont ils activent les données dans leur entrepôt, les propriétaires de médias et les éditeurs (et les nouvelles entreprises telles que les médias de détail) ont besoin de solutions spécialement conçues pour l'ère de la confidentialité ainsi que pour les cas d'utilisation de la monétisation des publicités.
Les plateformes de monétisation de l'audience du futur devront être capables de combiner la création et l'activation d'audience rationalisées (en programmatique et en direct) sur lesquelles s'appuyaient les anciennes DMP, tout en permettant des tâches plus complexes telles que la normalisation de diverses sources de données, l'exécution de modèles complexes de résolution d'identité et la collaboration au sein de salles blanches de données.
À mesure que disparaissent les données gratuites et à grande échelle des cookies de tierce partie, la monétisation se déplace vers les éditeurs et les propriétaires de médias qui investissent de manière appropriée dans leurs données de première partie, et il y a là une opportunité majeure de créer une croissance rentable. Investir dans la technologie pour favoriser cette croissance est crucial et permettra de distinguer les gagnants des perdants au cours de cette période de changement.
L'article a été initialement publié le 7 août 2024 sur AdMonsters.com.
Avec l'évolution constante de l'industrie de la publicité vers la confidentialité et la sécurité, les éditeurs cherchent des moyens innovants pour maximiser leurs stratégies de monétisation des données. Comme il sera bientôt impossible de s'appuyer sur les technologies de suivi traditionnelles, le besoin de solutions robustes pour identifier les utilisateurs se fait de plus en plus sentir. Identity Solutions se propose d'aider les éditeurs à identifier les utilisateurs dans un écosystème fragmenté.
Dans notre article précédent, nous avons exploré le concept de graphe d'identité et ses applications pratiques. Un graphe d'identité est le résultat du processus connu sous le nom de résolution d'identité. Pour mener à bien ce processus, les éditeurs utilisent un ensemble d'opérations impliquant la collecte, le traitement et la mise en relation d'identifiants afin d'établir des groupes d'identité d'utilisateurs uniques à différents niveaux : individu, ménage, trait et événement. En termes simples, cela permet à un éditeur de déterminer ou de déduire quel individu visite ses sites web ou ses applications, quel que soit l'appareil, l'email ou l'adresse IP d'où il vient, et donc de le cibler avec une publicité pertinente.
Initialement introduits dans les plateformes de données clients (CDP) et utilisés par les spécialistes du marketing, les ID Graphs ont été adoptés par les éditeurs, reflétant la dynamique changeante de l'industrie. L'évolution vers des données de première main et la nécessité d'introduire de nouvelles stratégies de publicité et de monétisation ont poussé les éditeurs à opter pour de nouvelles façons de construire leurs audiences. Les éditeurs ont utilisé les CDP pour consolider toutes les données disponibles, créer des profils d'utilisateurs afin d'augmenter la valeur de leur inventaire publicitaire pour les annonceurs, et améliorer les capacités de ciblage. Cependant, les limites des capacités des CDP en matière de traitement des données en temps réel, de résolution des identités de base et de segmentation sont insuffisantes pour prendre en charge l'écosystème numérique complexe dans lequel les utilisateurs naviguent aujourd'hui et ajoutent également des coûts supplémentaires à la pile de monétisation des éditeurs.
Par conséquent, les ID Graphs dépassent aujourd'hui leur portée initiale de CDP dans des systèmes plus complexes, évoluant vers des solutions complexes et s'intégrant dans des plateformes, où les organisations peuvent collaborer en toute sécurité autour des données des utilisateurs et les activer de manière transparente. Cette expansion ouvre de nouvelles possibilités aux éditeurs, y compris ceux de la radiodiffusion, des réseaux de télévision et des plateformes audio, pour monétiser ce qu'ils ont sur la table.
L'ID Graph d'Optable est un exemple d'une telle solution avancée, fournissant un environnement hautement interopérable qui débloque de nombreux cas d'utilisation au sein de la plateforme unique, tels que la segmentation de l'audience, l'exploitation des connaissances, l'activation de l'audience, la collaboration des données, l'enchère programmatique avec des ID enrichis et des applications Privacy Sandbox.
Pour construire un graphe d'identité précis et riche, Optable regroupe les identités en effectuant plusieurs opérations critiques au cours du processus de résolution :
Les graphiques d'identification ne sont pas tous identiques. Ils peuvent être construits et mis à l'échelle différemment en fonction du type d'appariement des données utilisé. Il existe deux façons de procéder :
Des sociétés comme ID5 et Predactiv proposent des identifiants probabilistes. Ces fournisseurs traitent des signaux tels que les identifiants d'appareils, les adresses IP, les données comportementales et contextuelles afin de déduire l'identité de la personne et d'augmenter les taux de correspondance des données.
Ces deux méthodes ont fait le buzz dans l'industrie, arguant que l'appariement déterministe est la seule et unique façon d'apparier les données avec précision. Cependant, la réponse se trouve dans l'équilibre parfait, où les deux méthodes sont combinées dans des proportions différentes. Dans ce cas, l'éditeur doit trouver son propre rapport entre la précision et l'évolutivité.
Dans un environnement sans cuisinier, où l'adressabilité est continuellement sapée par le signal, l'identification et le ciblage des utilisateurs est un objectif important. Les éditeurs peuvent augmenter leurs revenus de manière significative en utilisant une résolution d'identité spécifique pour créer des graphes d'identité complets. Il y a plusieurs raisons à cela.
Tout d'abord, la consolidation et la mise en relation des points de données à différents niveaux permettent aux éditeurs d'identifier et d'atteindre davantage d'individus et de ménages au sein des groupes de clients souhaités. Avec un grand nombre d'identifiants et de fournisseurs de données sous licence évoluant sur le marché, les éditeurs sont également en mesure d'amplifier l'adressage publicitaire en enrichissant les audiences et en mettant à l'échelle les graphiques.
Deuxièmement, en injectant des identifiants déterministes et/ou probabilistes dans leur base de données, les entreprises de médias peuvent activer des publicités programmatiques et obtenir une densité d'enchères plus élevée. Grâce à des audiences enrichies dans le flux d'offres, les éditeurs peuvent augmenter leurs revenus.
Troisièmement, en travaillant avec un fournisseur de données tiers, les éditeurs peuvent associer leur graphe d'identité aux ensembles de données des partenaires afin de créer de nouveaux segments d'audience adressables. Ces nouveaux segments, tels que des données démographiques comme le sexe, l'âge ou le revenu du ménage, peuvent ensuite être regroupés et vendus à des partenaires publicitaires pour l'activation des publicités.
Enfin, la collaboration en matière de données est un domaine de croissance de la monétisation pour les éditeurs. La collaboration en matière de données consiste à travailler directement avec les partenaires publicitaires pour faire correspondre en toute sécurité les données à la fois pour l'activation de l'audience et pour le partage d'informations sur les caractéristiques de l'audience ou le comportement d'achat. Cela permet aux éditeurs d'augmenter leurs revenus en créant de meilleurs plans avec leurs partenaires publicitaires et en offrant des solutions de mesure uniques, ce qui conduit finalement à des engagements plus importants et à des CPM plus élevés.
Notre solution d'identité est conçue pour aider les entreprises médiatiques à s'adapter à l'évolution rapide de la publicité numérique. Les décideurs doivent considérer les solutions d'identité complètes comme une nouvelle alternative aux cookies tiers afin de proposer des campagnes ciblées performantes et d'augmenter les revenus de la publicité directe et programmatique.
Optable propose une approche globale de la résolution d'identité et du développement de graphes d'identité client, permettant à nos clients d'améliorer l'engagement de l'audience et les revenus grâce à une meilleure adressabilité et à un contenu publicitaire personnalisé. En établissant un graphique d'identité de première partie et en traitant les données de deuxième partie, Optable vise à améliorer l'adressabilité dans les environnements sans cuisiniers, à enrichir les connaissances sur l'audience et à débloquer de nouvelles sources de revenus grâce à la collaboration des données. Demandez une démonstration pour en savoir plus.
Alors que l'ad tech subit des transformations radicales, les éditeurs n'ont d'autre choix que d'adopter des stratégies proactives pour soutenir leur activité publicitaire. C'est d'autant plus important que leurs revenus dépendent chaque année davantage des canaux numériques. Les entreprises de médias doivent donc évaluer de nouvelles solutions pour se conformer aux changements en matière de protection de la vie privée et maintenir les recettes publicitaires. L'adoption d'ID Graph, un couteau suisse pour la gestion et l'activation des données, constitue une réponse efficace aux mutations du secteur.
Un graphique d'identité, ou ID Graph, fusionne des données provenant de différents points de contact pour créer une vue d'ensemble du client. Cet ensemble de données centralisé comprend des données interconnectées provenant de différents canaux, fournissant des informations précieuses sur le public et aidant les éditeurs à reconnaître ou à déduire qui se trouve sur leur site web. Pour les diffuseurs et les plateformes audio, il s'agit de comprendre les comportements des téléspectateurs et des auditeurs sur différents appareils et de relier ces informations à une stratégie d'audience plus large.
Types d'identifiants couramment utilisés dans un graphique unifié de la clientèle :
Diverses sources de données peuvent être utilisées pour construire et optimiser un ID Graph. Les sources les plus essentielles sont les données d'audience de première main provenant des CRM, des entrepôts de données et d'autres plateformes clients basées sur le cloud, ainsi que les données d'utilisation collectées à partir de leurs propres propriétés par le biais de SDK, de la collecte de données de diffusion en continu et d'autres méthodes. Pour les plateformes audio et les réseaux de télévision, les données provenant des plateformes de streaming, des décodeurs et des interactions entre les auditeurs et les téléspectateurs peuvent considérablement améliorer la précision des graphiques d'identification personnalisés.
L'incorporation d'informations personnelles identifiables (IPI) authentifiées rend le graphique plus précis. L'approche la plus courante consiste à obtenir des données de navigation consenties, telles que les adresses IP et les cookies de première partie. Cependant, les éditeurs s'associent souvent à d'autres fournisseurs de données d'identité en raison des limites de la collecte de données de première partie. L'entreprise peut choisir de collaborer avec des partenaires qui fournissent des données d'identité, des identifiants alternatifs ou des données sous licence pour l'enrichissement de l'audience.
Pour démontrer leur valeur aux partenaires publicitaires, les éditeurs doivent devenir des experts de leurs données d'audience. Un ID Graph aide les éditeurs à déterminer des stratégies efficaces et à améliorer leurs services publicitaires. Examinons quatre cas d'utilisation illustratifs d'Optable qui peuvent déboucher sur des stratégies efficaces de monétisation des données.
Les signaux proviennent de plusieurs endroits. Les fusionner simultanément en temps réel est un défi pour la plupart des ensembles de données, mais pas pour un graphique d'identification conçu à cet effet. Les graphes permettent aux éditeurs de mettre à jour et de développer des données centralisées provenant de plusieurs endroits. Cela permet aux équipes de vente de publicité et de données de catégoriser des segments d'utilisateurs spécifiques et de différencier leur audience à travers toutes les sources disponibles pour une publicité ciblée.
Les informations issues de la segmentation aident les éditeurs à définir des audiences uniques, à communiquer leur valeur aux partenaires publicitaires et à prendre des décisions éclairées en matière de stratégie de données, y compris en ce qui concerne la planification et l'activation. La segmentation au sein d'un graphique d'identification complet change la donne en matière d'activation de l'audience. Pour les plateformes audio et les réseaux de télévision, la segmentation basée sur les habitudes d'écoute ou de visionnage peut offrir des possibilités de ciblage précis, que ce soit par le biais de placements publicitaires directs ou d'achats programmatiques.
Les éditeurs doivent rechercher l'interopérabilité au sein de leur ID Graph afin de rendre l'activation transparente et sans tracas. Cela permet d'intégrer des groupes de clients spécifiques aux plateformes publicitaires. Pour les éditeurs numériques, cela signifie activer les audiences directement sur les sites web par le biais de SDK ou s'intégrer aux serveurs publicitaires. Il s'agit d'une recette secrète pour réduire la pile technologique et faciliter la vie de vos équipes de données. Dans l'environnement hautement interopérable d'Optable, les éditeurs peuvent activer en toute transparence des audiences personnalisées avec toutes les options mentionnées, améliorant ainsi les campagnes de marketing et aidant les partenaires à atteindre leurs objectifs. Lisez notre article sur l'interopérabilité pour revenir sur son importance.
Au cours des dernières années, les éditeurs ont commencé à adopter de plus en plus la collaboration en matière de données pour travailler avec leurs partenaires publicitaires dans le respect de la vie privée afin de créer et d'activer des campagnes basées sur les données. La clé d'une collaboration efficace repose sur l'utilisation de données de première main. Les éditeurs qui ont investi dans des graphes d'identité solides pour leurs données de première partie gagneront en efficacité dans la segmentation et la création de nouvelles audiences, développeront leurs partenariats en partageant des informations approfondies avec leurs partenaires publicitaires, et maximiseront leurs taux de correspondance et leur adressabilité.
Basée sur des données de première partie, la collaboration de données est un outil robuste qui conduit à une publicité très précise et très performante, générant des profits pour toutes les parties impliquées. Optable, en tant que plateforme de collaboration de données, amplifie la capacité de collaboration avec les ID Graphs personnalisés, analysant les données de l'utilisateur avant et après l'appariement. Les éditeurs peuvent explorer cette alternative pour créer de nouvelles sources de revenus dans un contexte d'évolution du secteur.
Le processus d'assemblage des identifiants de première partie et des signaux provenant d'autres partenaires de données dans l'ID Graph est également appelé ID Bridging. Il permet aux éditeurs d'augmenter la valeur de leur inventaire pour les acheteurs sur les plateformes programmatiques en augmentant le nombre d'identifiants qu'ils peuvent partager avec leurs partenaires de demande pour un visiteur spécifique. L'envoi d'une demande d'enchère enrichie avec des identifiants supplémentaires permet aux éditeurs d'augmenter l'adressage de leur audience aux spécialistes du marketing. Pour les vendeurs, cela se traduira par une augmentation de la densité des enchères et du rendement programmatique.
En proposant cette solution aux éditeurs, Optable donne la priorité à la transparence pour s'assurer que nos clients ont une visibilité totale et la possibilité de choisir les identifiants et les signaux de données utilisés. Optable recommande également aux éditeurs de travailler avec leurs partenaires de demande pour déterminer exactement comment les identifiants peuvent être utilisés. L'ID Bridging peut être une stratégie efficace de monétisation des données pour les entreprises de médias, apportant une croissance durable des revenus grâce à la construction d'audiences durables et à la vente d'espaces publicitaires précieux aux annonceurs dans l'ère post-cookies.
Alors que Google a décidé de confier la suppression des cookies aux utilisateurs finaux de Chrome, le Privacy Sandbox reste une solution publicitaire efficace, conforme aux réglementations en matière de protection de la vie privée, et nous prévoyons que cette approche sera de plus en plus utilisée non seulement dans Google Chrome , mais aussi dans d'autres navigateurs. L'équipe d'Optable offre aux éditeurs et aux annonceurs une solution pratique pour tester la nouvelle technologie des annonces programmatiques. ID Graph complète le nouveau cadre publicitaire en permettant aux éditeurs d'intégrer leurs audiences à des fins de ciblage grâce aux nouvelles fonctionnalités du module Privacy Sandbox.
Les graphes d'identification s'imposent comme un puissant outil de gestion des données qui débloque les cas d'utilisation de l'activation des données et de la collaboration, aidant ainsi les éditeurs à développer leurs activités publicitaires dans un secteur qui donne la priorité à la protection des données des utilisateurs. Grâce à la centralisation des données et aux possibilités d'enrichissement, les éditeurs peuvent augmenter les revenus issus des publicités programmatiques et des collaborations publicitaires directes.
Pour en savoir plus sur la solution d'identité d'Optable, demandez une démonstration.
Ces dernières années, l'évolution de la réglementation en matière de protection de la vie privée des consommateurs a perturbé l'écosystème des médias et de la publicité. Les éditeurs ont été les plus touchés et ont dû changer leur façon de concevoir la monétisation des publicités afin de continuer à respecter la vie privée des utilisateurs, de réduire leur dépendance à l'égard des tiers et d'assurer une croissance durable de leur chiffre d'affaires.
La gestion des données et les technologies de collaboration sont essentielles pour aider les éditeurs à relever ces défis. Elles leur permettent d'utiliser des données d'identité privées, d'extraire des informations commerciales significatives et d'augmenter l'activation des données en toute sécurité.
Optable est le fabricant d'une plateforme de salle blanche de données de bout en bout pour l'industrie de la publicité qui s'intègre à BigQuery et permet l'activation de l'audience et des connaissances grâce à des connexions avec des systèmes en aval.
Les méthodes et les systèmes qui soutiennent la planification, l'activation et la mesure des publicités axées sur l'audience ont subi un changement radical. En conséquence, les éditeurs doivent réévaluer leurs stratégies en matière de données et orienter leurs investissements vers le cloud computing et le big data. Malheureusement, le manque d'innovation dans les plateformes de gestion des données (DMP) pour les éditeurs a étouffé la croissance des revenus et créé des inefficacités dans les opérations. Ce manque de retour sur investissement dans les DMP héritées provient des défis suivants :
Optable est une plateforme de collaboration et de gestion des données de nouvelle génération, axée sur la protection de la vie privée et conçue pour exploiter la puissance de l'écosystème actuel des big data et du cloud computing. Pour y parvenir, Optable se concentre sur trois domaines clés d'innovation.
1. Identité composable
La plateforme Optable simplifie les complexités du traitement et de l'analyse des données d'identité de l'audience à l'ère de la confidentialité. En créant un système d'identité flexible, les éditeurs peuvent façonner leur graphique d'audience pour une précision et une adressabilité maximales. Optable facilite également la connexion d'identifiants alternatifs tels que l'UID 2.0 ou l'ID5 à vos données d'audience afin que vous puissiez comprendre le spectre complet de la demande des annonceurs et maximiser vos revenus. Il est également facile d'enrichir les données d'audience en se connectant à des sources de données secondaires, telles que True Data.
2.Une interopérabilité axée sur la monétisation
Optable facilite la monétisation. Elle a construit les outils et les intégrations nécessaires pour suivre les évolutions de l'écosystème publicitaire programmatique. Les données d'audience sont entièrement interopérables dans l'écosystème Google Cloud (et au-delà), ce qui signifie qu'il est plus facile d'activer des serveurs publicitaires tels que Google Ad Manager (GAM) ou Google DV 360, ou d'utiliser des applications de salle blanche prédéfinies dans BigQuery. Grâce à cette combinaison, les équipes chargées des ventes directes et des opérations publicitaires peuvent rapidement et facilement passer de la planification des partenaires publicitaires à la création d'une audience et à l'analyse des données, puis à l'activation de la campagne proprement dite.
3. Connaissance de l'audience à travers tous les utilisateurs connus et le trafic d'événements
La création et l'analyse d'audience avec Optable offre une vue complète à 360 degrés sans l'ingénierie initiale massive qui est habituellement requise. En permettant la création, la synthèse et la gestion d'audiences à partir de données d'utilisateurs connus et d'événements anonymes (tels que les visites de pages ou les événements de diffusion publicitaire provenant du GAM), les équipes opérationnelles peuvent obtenir des informations significatives, répondre aux demandes uniques des partenaires publicitaires et optimiser les performances des campagnes. Par exemple, dans l'image ci-dessous, Optable Insights montre aux clients des informations clés sur la taille et la composition de leur graphe d'identité privé ainsi que sur la composition des traits de leur audience.
L'un des premiers clients d'Optable, un grand éditeur de nouvelles nord-américain, a développé une stratégie de publication numérique d'abord en 2017. Dans le cadre de cette stratégie, ils ont construit une stratégie de vente de publicité axée sur la monétisation des données de première partie en toute sécurité pour la vie privée. Un pilier clé de leur stratégie est la collaboration sur les données par le biais d'Optable. Grâce à cet investissement, ils ont obtenu une augmentation annuelle de 9 % des recettes publicitaires en 2022.
Optable on BigQuery permet aux éditeurs de monétiser leurs données, même s'ils manquent de ressources techniques. Optable fournit les outils et les intégrations nécessaires pour que les équipes puissent utiliser leurs données pour créer des produits publicitaires. Par exemple, les données d'audience peuvent être exportées directement dans Google Ads Data Manager pour une activation facile.
La salle blanche des données est l'une des technologies les plus importantes dans le domaine des médias et de la publicité. La plateforme Optable offre aux éditeurs des applications préconstruites qui sont alimentées par les primitives et les API de la salle blanche BigQuery. Celles-ci peuvent également être facilement étendues pour permettre une collaboration sécurisée des données à travers d'autres écosystèmes cloud en utilisant les "Flash Nodes" et les "Flash Connectors" d'Optable. Les Flash Nodes permettent aux entreprises d'inviter des partenaires à intégrer facilement leurs données dans une version limitée d'Optable, simplement dans le but de collaborer avec ce partenaire ; cela réduit la friction liée à la mise en place d'une toute nouvelle plateforme de collaboration. De même, les " Flash Connectors " donnent aux entreprises un ensemble de primitives qui peuvent être partagées avec des partenaires qui utilisent AWS, Snowflake et BigQuery, de sorte que les utilisateurs d'Optable peuvent collaborer directement avec des partenaires qui hébergent leurs données dans ces environnements sans déplacer de données.
Plutôt que de se concentrer sur la circulation des données, la plateforme d'Optable est conçue pour un monde centré sur l'entrepôt de données, de sorte que les éditeurs peuvent étendre leurs capacités. Les graphes d'identité peuvent être façonnés et la modélisation personnalisée facilement déployée directement dans BigQuery. En outre, les capacités de Google Data Cloud permettent des cas d'utilisation personnalisés tels que la visualisation des données dans Looker. Pour faciliter la conformité en matière de sécurité des données, Optable a développé la fonctionnalité " Bring Your Own Account " pour permettre aux clients d'utiliser une instance Google BigQuery qui est entièrement contrôlable.
Optable s'associe à Google dans de nombreux domaines, y compris une nouvelle intégration avec les API de Google Privacy Sandbox qui permet aux éditeurs d'intégrer et d'activer facilement des audiences et aux spécialistes du marketing de mener des campagnes via Privacy Sandbox. Un programme d'accès anticipé permet d'utiliser ces fonctionnalités directement sur la plateforme Optable. Pour en savoir plus, cliquez ici.
Plus tard dans l'année, Optable annoncera des améliorations de ses capacités de collaboration et de gestion des données d'audience, y compris la prise en charge des événements de diffusion publicitaire via Google Ad Manager et le lancement du connecteur Google BigQuery pour permettre une collaboration sans copie avec les partenaires.
Optable est également devenu récemment un fournisseur de Google Cloud Marketplace, de sorte que les clients de Google Cloud peuvent maintenant acheter et mettre en œuvre la plate-forme d'Optable directement. Suite à l'annonce récente de la disponibilité générale des salles blanches de données BigQuery, les équipes d'Optable et de Google travaillent sur une intégration pour débloquer plus de cas d'utilisation de planification, d'activation et de mesure pour l'écosystème des médias et de la publicité.
Built with BigQuery aide les entreprises comme Optable à créer des applications innovantes avec Google Data Cloud. Les entreprises participantes peuvent :
BigQuery offre aux éditeurs de logiciels indépendants l'avantage d'une solution d'IA unifiée puissante et hautement évolutive, intégrée à la plateforme ouverte, sécurisée et durable de Google Cloud. Cliquez ici pour en savoir plus sur Built with BigQuery
L'article a été initialement publié sur le Google Cloud Blog dans le cadre d'une série présentant les entreprises technologiques et les fournisseurs de données qui sont Construit avec BigQuery.
L'air vivifiant de Toronto en février a accueilli un groupe sélectionné de leaders d'opinion des médias et de la publicité au sommet exclusif d'Optable. L'ordre du jour promettait des plongées profondes dans la stratégie des données, l'impact de la protection de la vie privée et la navigation dans le paysage médiatique en constante évolution. Et il a tenu toutes ses promesses.
La table ronde d'ouverture, intitulée "Comment les éditeurs et les annonceurs utilisent les données pour élaborer de meilleures campagnes publicitaires à l'ère de la protection de la vie privée", a démarré sur les chapeaux de roue. La collaboration en matière de données est apparue comme le héros incontestable, comblant le fossé dans un écosystème fragmenté. Les panélistes de La Presse, du Globe & Mail et d'Advance powered by Loblaw ont discuté de leur parcours commun : adapter les stratégies de données, utiliser des solutions d'identité, tout en contournant les réglementations en constante évolution en matière de protection de la vie privée. Le panel était modéré par Ioana Tirtirau, responsable du succès client chez Optable, qui a aidé le public à glaner des informations exploitables qui peuvent être mises en œuvre dans leurs propres entreprises.
Un point essentiel à retenir ? Il ne s'agit pas seulement de technologie. "L'avenir de la publicité réside dans la recherche du point idéal où les données se combinent pour créer une meilleure expérience pour le public et, en fin de compte, pour créer une croissance commerciale. Les données sont l'interface qui nous permet de créer de meilleurs partenariats publicitaires", a déclaré un dirigeant d'une maison d'édition. Le public n'aurait pu être plus d'accord, reconnaissant le besoin de campagnes significatives qui respectent la vie privée des clients et fournissent des informations réelles sur leurs désirs et leurs besoins.
La discussion au coin du feu de Deloitte a changé de vitesse, se concentrant sur l'éléphant dans la pièce - la vie privée. Les experts ont disséqué les changements sismiques provoqués par les réglementations et les changements de plateforme, en soulignant non seulement les défis, mais aussi les opportunités. "CCPA, GDPR, Law 25, cookie deprecation - il s'agit de construire la confiance", a souligné un intervenant de Deloitte. "Et la confiance génère la loyauté et l'engagement, ce qui est le véritable or dans ce jeu."
Le sommet ne s'est pas limité aux mots à la mode et à la technologie. Il s'agissait de comprendre que les données et la protection de la vie privée sont intrinsèquement centrées sur l'homme. À la base, la publicité consiste à établir un lien avec les gens et, à l'ère de la protection de la vie privée, cela signifie que la collaboration est essentielle.
Le cocktail n'était pas seulement une occasion de réseautage ; il témoignait de l'énergie et des idées qui jaillissaient de la salle. Des experts en données d'Optable aux vétérans de la publicité, tous ont reconnu que l'avenir n'est pas préprogrammé - il est entre les mains d'esprits novateurs qui peuvent exploiter les données, respecter la vie privée et, en fin de compte, repenser et réorganiser l'écosystème des médias et de la publicité pour avoir plus d'impact sur le public et être plus durable pour les entreprises.
Principaux enseignements :
La conférence " State of Data Collaboration " d'Optable à Toronto n'était pas seulement un aperçu de l'avenir, c'était aussi un plan pour y naviguer. Armés d'informations exploitables et d'une attention renouvelée à l'élément humain, les professionnels des données et de la publicité ont quitté la salle avec les moyens de redéfinir le succès à l'ère de la protection de la vie privée.
Dans ce blog, nous expliquerons ce qu'est l'activation d'audience, pourquoi elle est importante pour les spécialistes du marketing et comment activer les audiences. Nous verrons comment les éditeurs et les annonceurs peuvent collaborer pour connecter les données à des technologies telles que Google Ad Manager, Prebid.org, les principaux DSP tels que The Trade Desk et Amazon DSP, et les principales plateformes publicitaires telles que TikTok et Meta à des fins d'activation.
L'activation d'audience, dans le contexte de la publicité, est le processus d'identification et de ciblage d'une audience spécifique avec un contenu et des offres pertinents. Il est important pour les spécialistes du marketing d'utiliser l'activation d'audience car elle leur permet d'atteindre leur public cible de manière plus efficace et plus efficiente. L'activation d'audience peut améliorer les campagnes de marketing en augmentant la notoriété de la marque, en générant des leads et en générant des ventes.
Les spécialistes du marketing sont aujourd'hui confrontés à des parcours d'achat complexes, exacerbés par la perte de données de tiers et l'abandon des cookies. Pour réussir, les spécialistes du marketing doivent s'éloigner de l'approche axée sur les canaux et créer des profils de clients unifiés avec des données provenant de tous les canaux disponibles. Avec un profil centralisé basé sur des données de première partie, les spécialistes du marketing peuvent cibler les audiences avec le bon message, au bon moment.
En optimisant les partenariats avec les médias, les spécialistes du marketing peuvent s'intéresser à tous les points de contact avec le consommateur afin d'accroître l'efficacité de l'activation. La technologie peut aider les organisations à tirer profit des partenariats publicitaires tout en relevant les défis liés à la confidentialité des données.
Les données sont généralement conservées dans un environnement en nuage tel que Snowflake, GCP, AWS ou Databricks, et la technologie d'activation doit être capable de travailler avec l'environnement de données en toute sécurité et en gardant à l'esprit la protection de la vie privée.
Optable Collaborate est une solution de salle blanche pour les données, entièrement interopérable dans les environnements en nuage. Elle utilise les principales technologies d'amélioration de la confidentialité (PET), est conçue avec des cadres spécifiques à la publicité et utilise un modèle simple de tarification et d'activation.
La collaboration est rendue possible par des outils tels que la DMP d'Optable, qui crée, segmente et analyse les données d'audience avant et après leur utilisation dans une salle blanche. La DMP d'Optable offre une interface facile à utiliser pour les équipes commerciales et se connecte à un large éventail de sources de données, y compris des données en temps réel et au niveau de l'événement, ce qui vous permet d'adapter et de gérer l'importation, la construction, l'activation et la mesure des audiences à travers toutes les phases de la publicité.
Une fois que les audiences sont activées de manière efficace, avec des décisions basées sur les données, les campagnes de marketing deviendront immédiatement plus efficaces. Pour en savoir plus, contactez-nous pour une démonstration.
La confidentialité différentielle s'est imposée comme une technique puissante pour protéger la vie privée des individus tout en profitant des avantages de l'analyse des données. Dans ce blog, nous allons explorer la confidentialité différentielle, son fonctionnement et la façon dont les entreprises de médias peuvent l'utiliser pour protéger les données sensibles des consommateurs.
La confidentialité différentielle est une technologie d'amélioration de la confidentialité (PET) qui permet aux organisations d'analyser des données tout en préservant la vie privée des individus. Le principe de base consiste à s'assurer qu'aucune information spécifique concernant une personne ne peut être déduite des résultats d'une requête ou d'une analyse. Cela signifie que les résultats de l'analyse seront pratiquement identiques, que les informations relatives à une personne donnée aient été incluses ou non dans l'analyse.
La confidentialité différentielle est obtenue en ajoutant à l'ensemble de données un bruit aléatoire soigneusement sélectionné, à un taux suffisamment élevé pour protéger la vie privée, mais pas trop élevé pour ne pas diminuer l'utilité. Il y a deux façons d'y parvenir :
Toute analyse statistique, qu'elle utilise ou non la protection différentielle de la vie privée, laisse filtrer certaines informations sur les utilisateurs finaux dont les données sont analysées. Lorsque de plus en plus d'analyses sont effectuées sur les mêmes individus ou utilisateurs finaux, cette perte de confidentialité peut rapidement s'accumuler. Heureusement, la protection différentielle de la vie privée fournit des méthodes formelles pour suivre et limiter cette perte cumulative de la vie privée.
La confidentialité différentielle facilite le partage sécurisé des données entre les organisations médiatiques et les spécialistes du marketing, favorisant ainsi la collaboration sans compromettre la vie privée des individus. Cette technologie est particulièrement utile lorsque les entreprises tentent de recueillir des informations sur les consommateurs :
Lorsque les marques et les entreprises de médias font de la confidentialité différentielle l'un de leurs PET, cela les aide à se conformer aux réglementations en matière de confidentialité des données et à instaurer la confiance avec les consommateurs en leur garantissant que leurs données sont traitées avec soin.
Les données continuant à jouer un rôle essentiel dans la recherche et le maintien de l'intérêt des utilisateurs, les entreprises de médias doivent mettre en place une protection différentielle de la vie privée afin d'exploiter les données tout en respectant les droits individuels à la protection de la vie privée. La protection différentielle des données est appelée à faire partie intégrante de l'analyse et du partage des données dans un monde soucieux de la protection de la vie privée.
La nécessité de protéger les données sensibles et de garantir la confidentialité des transactions n'a jamais été aussi cruciale. L'environnement d'exécution de confiance (Trusted Execution Environment, TEE) apparaît comme une technologie centrale dans la demande d'amélioration de la confidentialité des données. Dans ce blog, nous allons nous plonger dans le monde du TEE, comprendre ce qu'il est et explorer ses applications en tant que technologie d'amélioration de la confidentialité.
Le TEE est une zone sécurisée et isolée au sein de l'unité centrale de traitement (CPU) d'un ordinateur ou d'un appareil mobile. Il est conçu pour exécuter du code et des processus dans un environnement hautement protégé, garantissant que les données sensibles restent sécurisées et isolées de tous les autres logiciels du système. Ce niveau de sécurité est atteint grâce à un matériel spécial qui maintient les données cryptées pendant leur utilisation dans la mémoire principale. Cela garantit que tout logiciel ou utilisateur, même s'il dispose de tous les privilèges, ne voit que les données cryptées à tout moment.
À l'aide d'un matériel spécial, les TEE chiffrent toutes les données qui sortent de la mémoire principale. Ils décryptent en retour toutes les données qui reviennent avant le traitement, ce qui permet au code et aux analyses d'opérer sur des données en clair. Cela signifie que les TEE peuvent s'adapter très bien par rapport à d'autres approches de calcul sécurisé purement cryptographiques.
Les TEE offrent également une fonction utile appelée attestation à distance. Cela signifie que les clients distants peuvent faire confiance au TEE en vérifiant l'intégrité du code et des données chargées dans le TEE et en établissant une connexion sécurisée avec lui.
Les TEE sont une option intéressante pour les entreprises de médias qui souhaitent développer leurs opérations de données en toute sécurité dans un environnement sécurisé. Les TEE offrent les avantages suivants :
Examinons maintenant un exemple concret de collaboration de données à l'aide d'un TEE. Dans notre dernier article de blog, nous avons vu qu'une façon d'effectuer la correspondance sécurisée dans la proposition Open Private Join & Activation de l'IAB est d'utiliser un protocole MPC. Une autre façon d'effectuer cette correspondance sécurisée est d'utiliser un TEE. Avec le TEE, un seul serveur d'assistance est impliqué. Tout d'abord, l'annonceur et l'éditeur établissent la confiance dans le TEE par le biais d'une attestation à distance. Ensuite, ils transmettent chacun leurs données PII cryptées au serveur TEE qui les décrypte et effectue la correspondance sur les données en clair.
Les TEE comportent leurs propres risques en matière de protection de la vie privée. Ils sont vulnérables aux attaques par canal latéral, telles que les attaques par schéma d'accès à la mémoire, qui peuvent être exploitées pour révéler des informations sur les données sous-jacentes. L'ajout de protections contre les canaux latéraux peut aider à contrer ces attaques, mais augmente considérablement la charge de calcul. Heureusement, malgré cela, les TEE s'adaptent très bien.
Dans un secteur qui fait l'objet d'un examen minutieux sur les questions de confidentialité des données, l'ETO devient une norme. Cette technologie PET continuera d'évoluer et nous nous attendons à ce qu'elle joue un rôle de plus en plus vital dans la collaboration en matière de données.
À une époque où les données sont le nouvel or, il n'a jamais été aussi important de garantir leur confidentialité et leur sécurité. Le calcul sécurisé est une branche puissante de la cryptographie, qui permet aux entreprises d'effectuer des calculs sur des données sensibles sans révéler les informations traitées. Dans ce blog, nous allons explorer ce qu'est le calcul sécurisé et comment il est utilisé pour protéger les données des consommateurs.
Le calcul sécurisé est une technique cryptographique qui permet à plusieurs parties de calculer conjointement une fonction sur leurs entrées individuelles tout en gardant ces entrées privées. On parle de "cryptage en cours d'utilisation" car les données sous-jacentes restent cryptées pendant qu'elles sont traitées sur des serveurs distants ou dans le nuage.
L'objectif premier du calcul sécurisé est de garantir la confidentialité, l'intégrité et la protection des données tout au long du processus de calcul. Il y parvient sans dépendre d'un tiers de confiance, ce qui le rend particulièrement utile dans les scénarios où le partage des données et la protection de la vie privée sont primordiaux. Cela signifie que deux parties ou plus peuvent collaborer à l'analyse des données ou aux calculs sans exposer leurs données sensibles l'une à l'autre.
Le calcul sécurisé est appliqué dans une série de scénarios où la confidentialité et la sécurité des données sont primordiales. Naturellement, le calcul sécurisé convient parfaitement au partage des données et à la collaboration entre les éditeurs et les annonceurs.
Les éditeurs et les annonceurs peuvent bénéficier d'un type de calcul sécurisé appelé protocole d'intersection d'ensembles privés (PSI). Ce protocole permet à deux parties ou plus de calculer l'intersection de leurs ensembles de données privés sans révéler d'informations sur les enregistrements qui ne se trouvent pas dans l'intersection. Optable, par exemple, fournit un utilitaire de mise en correspondance open-source qui permet aux partenaires des clients d'Optable de mettre en correspondance de manière sécurisée leurs ensembles de données de première partie avec eux à l'aide d'un protocole PSI.
Le calcul sécurisé peut être mis en œuvre de deux manières principales : 1) via la cryptographie pure (en utilisant le chiffrement entièrement homomorphe (FHE) et le calcul multipartite sécurisé (MPC)) ou 2) via du matériel sécurisé (en utilisant des environnements d'exécution de confiance (TEE).
La FHE est un outil incroyablement puissant pour protéger la confidentialité des données à l'ère numérique. Il permet d'effectuer des analyses sur des données cryptées sans jamais avoir à les décrypter. Le secteur de la technologie publicitaire peut certainement bénéficier d'une analyse à grande échelle sans risquer d'exposer des informations personnelles identifiables (PII).
Bien que la FHE ait le potentiel de révolutionner l'écosystème de la publicité, elle est malheureusement très gourmande en calculs et limitée dans ses capacités actuelles. Il n'est donc pas encore prêt à être adopté à grande échelle. Des recherches sont en cours pour rendre FHE plus efficace et plus fonctionnel à l'avenir.
Le MPC est une forme de calcul sécurisé qui utilise un protocole cryptographique pour permettre à deux ou plusieurs entreprises disposant de données privées d'effectuer un calcul commun tout en gardant leurs entrées individuelles privées. Chaque entité n'apprend que ce qui peut être déduit du résultat du calcul.
Souvent, la partie calcul sécurisée est confiée à deux serveurs d'assistance. Avant que les données ne quittent l'appareil de l'utilisateur, elles sont cryptées et transmises aux deux serveurs d'assistance, qui les décryptent partiellement et effectuent des calculs sur les données partiellement cryptées. Aucun des deux serveurs n'est en mesure de voir les données originales de l'utilisateur.
Les protocoles MPC offrent un niveau de sécurité élevé, mais ils sont assortis d'un compromis. Ils nécessitent des opérations cryptographiques sophistiquées qui entraînent des coûts de calcul et de communication plus élevés. Cette technologie est donc adaptée à des tâches spécifiques, ce qui peut s'avérer très coûteux.
L'année dernière, Optable a été l'un des principaux contributeurs à l' Open Private Join and Activation (OPJA) de l' IAB Tech Lab, qui permet une activation publicitaire interopérable et sans risque pour la vie privée, basée sur les données PII. Au cœur de l'OPJA se trouve une correspondance sécurisée utilisant un protocole PSI qui permet aux annonceurs et aux éditeurs de faire correspondre leurs données PII. L'une des façons d'effectuer cette correspondance est d'utiliser MPC - les fournisseurs de salles blanches respectifs agissent en tant que serveurs d'aide MPC, qui calculent conjointement le chevauchement sans jamais connaître les identifiants qui ne sont pas dans le chevauchement.
À une époque où la confidentialité des données est une préoccupation croissante, l'informatique sécurisée apparaît comme une technologie vitale qui joue un rôle important en aidant les entreprises à se conformer aux réglementations en matière de protection des données tout en favorisant l'innovation et la coopération entre les partenaires commerciaux.