رقابت میان ارائهدهندگان شاخصهای ارزیابی و سنجش تبلیغات ویدئویی وارد مرحله تازهای شده است. ماه گذشته، سه رقیب اصلی شرکت Nielsen شامل VideoAmp، Comscore و iSpot موفق به دریافت تأییدیه مجدد از «کمیته مشترک صنعت» ایالات متحده (JIC) شدند؛ رویدادی که بخشی از تلاشهای این نهاد برای استانداردسازی روششناسیهای جدید ارزگذاری و اندازهگیری رسانه به شمار میرود. با این حال، خریداران و فروشندگان رسانه هنوز آمادگی کامل برای کنار گذاشتن سیستم ارزیابی سنتی که دههها برای قیمتگذاری رسانههای تلویزیونی به آن متکی بودهاند را ندارند. همین امر موجب شده شرکتهای جایگزین، تمرکز خود را به ابعاد گستردهتری از حوزه داده و سنجش معطوف کنند.
در این میان، پلتفرم VideoAmp تمرکز خود را بر توسعه دادههای مخاطبان تلویزیون، بررسی عملکرد تبلیغات و استفاده از فناوری هوش مصنوعی قرار داده است تا فرآیند برنامهریزی را مستقیماً به نتایج کمپین متصل کند.
تغییرات ساختاری و تعدیل نیرو در راستای خودکارسازی با هوش مصنوعی
شرکت VideoAmp در تابستان امسال حدود ۲۰ درصد از نیروهای کاری خود را تعدیل کرد. این اقدام بخشی از برنامه شرکت برای سپردن بخش بزرگتری از عملیات روزمره به ابزارهای هوش مصنوعی بوده است. در کنار این تعدیل، تغییرات مدیریتی استراتژیکی نیز در دستور کار قرار گرفت؛ از جمله جذب Andrea Zapata، از مدیران باسابقه حوزه رسانه، در ماه ژوئیه به عنوان معاون ارشد مشارکتهای آژانسی.
همچنین در جریان بازسازمانی و تغییرات مدیریتی سال ۲۰۲۴ که با خروج Ross McCray از سمت مدیرعاملی همراه بود، Josh Hudgins از معاون ارشد محصول به سمت مدیر ارشد محصول (CPO) ارتقا یافت.
Zapata در گفتگو با رسانه AdExchanger اعلام کرد که رویکرد هوش مصنوعی در VideoAmp فراتر از محصولات ارائهشده بوده و به نحوه مدیریت داخلی شرکت نیز گسترش یافته است. به گفته او، عدم بهرهگیری از پتانسیل هوش مصنوعی برای افزایش کارایی گردشهای کاری، با منطق کسبوکار سازگار نیست و اکنون این فناوری هم در فناوریهای پلتفرم و هم در عملیات روزمره شرکت تعبیه شده است. هدف نهایی این پلتفرم، کمک به خریداران رسانه برای برنامهریزی کمپینهای هوشمندتر و دستیابی به عملکرد بهتر در برابر اهداف تعیینشده است.
اتصال برنامهریزی کمپین به سنجش عملکرد از طریق عاملهای هوش مصنوعی
در حال حاضر، دو واژه «عملکرد» (Performance) و «هوش مصنوعی» به کلیدیترین مفاهیم در صنعت تبلیغات تلویزیونی تبدیل شدهاند. شرکت VideoAmp که پیش از این راهحلهای مجزایی برای برنامهریزی رسانه و سنجش عملکرد ارائه میداد، اکنون اتصال این دو فرآیند را از طریق عاملهای هوش مصنوعی (AI Agents) در اولویت قرار داده است.
به گفته Hudgins، عاملهای هوش مصنوعی میتوانند به خریداران تبلیغات کمک کنند تا فرصتهای بهینهسازی را در حین اجرای کمپینها شناسایی کنند. برای مثال، این عاملها ممکن است کاهش بودجه در یک منبع موجودی تبلیغاتی و انتقال آن به منابع جدید را پیشنهاد دهند تا دسترسی یکتا (Unique Reach) با کارایی و هزینه بهینهتری حاصل شود.
با این حال، هوش مصنوعی راهحلی جادویی و بدون پیشنیاز نیست. این فناوری برای کارکرد صحیح نیازمند دادههای دستاول بینندگان است که از طریق شراکت در «اتاقهای امن داده» (Data Clean Rooms) و یکپارچهسازی با دادههای ناشران رسانهای تامین میشود. Hudgins تأکید میکند که بهینهسازی واقعی عملکرد تبلیغات ویدئویی مستلزم کار مستقیم با دادههای سطح لگ (Log-level data) ناشران است. ایجاد ارتباطات و زیرساختهای لازم برای دسترسی به این دادهها ممکن است سالها به طول بینجامد، اما به دلیل نقشی که در درک میزان تحقق اهداف تبلیغاتی دارد، سرمایهگذاری حیاتی محسوب میشود. افزودن زیرساخت هوش مصنوعی به این معادله، فرآیند مذکور را تکرارپذیر و مقیاسپذیر میسازد.
استفاده از فناوری شناسه خودکار محتوا (ACR) برای هدفگیری دقیقتر
عنصر کلیدی دیگری که در استراتژی VideoAmp نقش دارد، فناوری شناسایی خودکار محتوا (ACR) است. این شرکت از دادههای ACR برای هدفگیری و سنجش در تلویزیونهای متصل (CTV) استفاده میکند، زیرا این دادهها نشان میدهند بینندگان در حال استریم چه محتوایی هستند.
به گفته Zapata، همراه کردن دادههای ACR با دادههای مخاطبان، تصویری جامعتر از رفتارها و ترجیحات مخاطبان هدف در اختیار بازاریابان قرار میدهد؛ به عنوان مثال مشخص میکند افرادی که قصد خرید خودروی جدید دارند یا در حال برنامهریزی برای تعطیلات هستند، معمولاً چه نوع محتوایی را تماشا میکنند. این اطلاعات به بازاریابان اجازه میدهد بدون از دست دادن کنترل بر نرخ دسترسی و فراوانی نمایش (Reach and Frequency)، بخشهای پیشرفتهتری از مخاطبان را هدف قرار دهند. هدف نهایی، تضمین عملکرد رسانه و اثبات ملموس نتایج برای برندهاست.
