AdTheorent Holding Company, Inc. kondigde de lancering aan van zijn AdTheorent Predictive Audience Builder, een transformationele suite van platformtools waarmee gebruikers voorspellende modellen kunnen creëren en activeren die de kwaliteit van het publiek scoren. AdTheorent Predictive Audience Builder maakt gebruik van aanpasbare en primary-sourced seed data sets om het publieksprofiel van de gewenste doelgroep van een adverteerder na te bootsen. In tegenstelling tot de standaard doelgroepsegmenten in de sector wordt die seed-dataset niet gebruikt voor directe targeting.

In plaats daarvan leest AdTheorent's machine-learning signalen uit die datasets om een voorspellend model te bouwen dat programmatische inventaris scoort op de waarschijnlijkheid dat een individu wordt bereikt dat aan het gewenste profiel voldoet. Deze privacygerichte voorspellende scoring levert superieure doelgroepkwaliteit en KPI-prestaties zonder het gebruik van persoonlijk identificeerbare informatie, cookies of ID's van welke aard dan ook. AdTheorent is er trots op automerk Southeast Toyota Distributors, LLC en 22Squared als lanceringsklant op te nemen.

AdTheorent Predictive Audience Builder's gebruik van primaire bronnen, zeer aangepaste doelgroepprofielparameters is grenzeloos flexibel en aanpasbaar aan de marketingstrategie van elke adverteerder. Voorbeelden hiervan zijn volledig aanpasbare verticale doelgroepen, zoals: auto-intender die op zoek is naar een specifiek merk of model; frequente fastfooddiner met een hoge waarschijnlijkheid om over te stappen naar een nieuwe keten, of frequente gezinsmaaltijd of online besteller; big box- en gezinsshopper met een hoog huishoudinkomen; of grote spender aan luxereizen die op zoek is naar een reis of deze onderzoekt. Hoe het werkt: Primaire gegevens: AdTheorent Predictive Audience Builder maakt gebruik van primaire datasets (geleverd door AdTheorent, een bureau of merk) om statistieken over de kwaliteit van het publiek te identificeren die relevant zijn voor de specifieke merkcampagne.

Voorbeelden van datatypes zijn: Consumentengegevens: Duizenden kenmerken van consumentengegevens zoals demografie, koopgewoonten, levensstijlen, interesses en attitudes. Locatiegegevens: Precieze locatiegegevens die rechtstreeks afkomstig zijn van in-app SDK's en server-to-server integraties met uitgevers en ontwikkelaars van mobiele toepassingen. Verticale gegevens: Verticaal gerichte gegevens over auto's, B2B, CPG, restaurants, financiën, detailhandel, reizen en meer.

Machine Learning-uitbreiding: AdTheorent identificeert overeenkomsten in de gegevens met behulp van machine learning en identificeert andere belangrijke kenmerken om het adresseerbare ML-geïnformeerde publiek in realtime te laten groeien. ML-gebaseerde publieksoptimalisatie: Volgens de standaard Predictive Targeting-processen van AdTheorent bepalen de Predictive Audience-modellen van AdTheorent de dataparameters waarbinnen AdTheorent-advertenties worden aangeboden, met als hoofddoel het optimaliseren van de advertentietoevoer naar datakenmerken en -combinaties die zorgen voor een verhoogde KPI-conversie. Campagneprestaties: Met behulp van Predictive Targeting van AdTheorent wordt de campagne geoptimaliseerd voor de door de adverteerder gespecificeerde KPI om de prestaties te verbeteren.

AdTheorent levert alleen een advertentie aan een impressiemogelijkheid wanneer de voorspellende modellen van AdTheorent een voldoende hoge waarschijnlijkheid aangeven dat een bepaalde advertentiemogelijkheid elk van de volgende dingen zal doen: (1) wordt geserveerd binnen de aangepaste Predictive Audience en (2) leidt tot de voltooiing van een door de adverteerder gespecificeerde campagneactie. Elk AdTheorent Predictive Audience-model evalueert miljoenen vertoningen per seconde om de prestaties te verbeteren, waarbij meer dan 1000 gegevensvariabelen in de modellen worden meegenomen. De modellen optimaliseren zichzelf gedurende elke campagne, waardoor AdTheorent de beste prestaties voor adverteerders levert.