การส่งมอบความเกี่ยวข้องของโฆษณาโดยไม่ต้องใช้คุกกี้ของบุคคลที่สาม: เทคนิคเชิงบริบทขั้นสูงที่ขับเคลื่อนด้วย AI

11 กุมภาพันธ์ 2025 | Daniele Barchiesi ผู้จัดการด้านวิทยาศาสตร์ประยุกต์ และ Anurag Deshpande นักวิทยาศาสตร์ด้านแมชชีนเลิร์นนิ่ง

ผู้หญิงที่กำลังยิ้ม

ข้อมูลเบื้องต้น:

เมื่อมีการเลิกใช้ตัวระบุโฆษณา ผู้โฆษณาจึงหันไปหาโซลูชันทางเลือก ซึ่งรวมถึงวิธีที่เป็นที่ยอมรับอย่างดี เช่น การระบุเป้าหมายตามบริบท ความสนใจที่เพิ่มขึ้นนี้ทำให้สินค้าที่เป็นที่ยอมรับเหล่านี้กลับมาได้รับความนิยมอีกครั้ง โดยมีการผสานความก้าวหน้าล่าสุด เช่น การสร้างแบบจำลองเชิงคาดการณ์และ Generative AI

การระบุเป้าหมายตามบริบทช่วยให้ผู้โฆษณาสามารถแสดงโฆษณาที่สอดคล้องกับเนื้อหาที่ผู้บริโภคกำลังรับชมแบบเรียลไทม์ได้เสมอ Amazon Ads ได้ปรับเปลี่ยนความหมายของบริบทและก้าวข้ามการทำงานแบบพื้นฐานที่ว่า "หากมีคีย์เวิร์ดอยู่ในหน้าเว็บ ก็ให้แสดงโฆษณา" โดยการใช้ข้อมูลเชิงลึกด้านการช้อปปิ้งที่เป็นเอกลักษณ์ของ Amazon ร่วมกับเทคโนโลยี AI Amazon DSP วิเคราะห์บริบทอย่างละเอียดและสามารถขยายขนาดได้ โดยคำนึงถึงความสัมพันธ์ที่ซับซ้อนระหว่างคำ รูปภาพ และเนื้อหาวิดีโอ เพื่อให้สอดคล้องกับกระบวนการช้อปปิ้งของผู้บริโภค ความสามารถของ AI ที่ขับเคลื่อนโดย AWS ในการวิเคราะห์ข้อมูลที่ไม่มีโครงสร้างจำนวนมหาศาล จดจำธีมเชิงความหมาย และเข้าใจความตั้งใจปัจจุบันของกลุ่มเป้าหมาย ได้ยกระดับการระบุเป้าหมายตามบริบทให้ก้าวข้ามการจับคู่คีย์เวิร์ดแบบเดิม ผลที่ได้คือ ผู้โฆษณาสามารถกำหนดเป้าหมายไปยังหมวดหมู่และบริบทที่ก่อนหน้านี้ไม่สามารถทำได้ หรือทำได้เพียงแค่ใช้สัญญาณเชิงพฤติกรรมเท่านั้น

นวัตกรรมนี้สอดคล้องกับแนวโน้มอุตสาหกรรมที่กว้างขึ้น เนื่องจาก 60% ของนักการตลาดในปัจจุบันใช้ AI ในการโฆษณา โดยเกือบครึ่งหนึ่งมุ่งเน้นไปที่การใช้งานเชิงบริบท ด้วยตลาดการโฆษณา AI ที่เติบโตขึ้น 35% ต่อปี ความต้องการกลยุทธ์ที่ไม่ขึ้นกับตัวระบุก็ยังคงเพิ่มสูงขึ้นอย่างต่อเนื่อง การลงทุนในการระบุเป้าหมายตามบริบทที่ขับเคลื่อนด้วย AI กำลังให้ผลลัพธ์ที่ตรวจวัดได้ รวมถึงการเพิ่มขึ้น 25% ในส่วนของผู้บริโภคที่เข้ามามีส่วนร่วม ซึ่งเน้นย้ำถึงคุณค่าของแนวทางขั้นสูงของ Amazon Ads

เอกสารฉบับนี้ให้รายละเอียดเกี่ยวกับวิธีการที่ AI กำลังเปลี่ยนแปลงการระบุเป้าหมายตามบริบท และนำเสนอโซลูชันที่เป็นนวัตกรรมของ Amazon DSP ในการส่งมอบคุณค่า ในขณะที่ลดความจำเป็นในการใช้คุกกี้จากบุคคลที่สาม

ในเอกสารทางเทคนิคฉบับนี้ คุณจะได้เรียนรู้:

  • วิธีการที่เราใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ (LLM) เพื่อทำความเข้าใจเนื้อหาเชิงลึก
  • เทคนิคขั้นสูงสำหรับการวิเคราะห์เนื้อหาบนเว็บเปิดและอุปกรณ์มือถือ
  • วิธีการจัดหมวดหมู่สินค้าที่เป็นเอกลักษณ์ของเรา เพื่อทำความเข้าใจความต้องการของผู้บริโภค
  • กรอบการทำงานของเราในการประเมินความเกี่ยวข้องและประสิทธิภาพของโมเดล
  • ผลกระทบในโลกจริงผ่านกรณีศึกษาของลูกค้าและผลลัพธ์ที่ได้