Publicidade digital luta para dar mais transparência à segmentação

Os principais grupos de apoio ao mercado de marketing e mídia digital divulgaram esta semana, durante o Advertising Week 2018, realizado em Nova York, a versão beta de um novo padrão: o Data Transparency Label. Estão por trás desse desenvolvimento a divisão de Data Marketing & Analytics (DMA) do ANA Group, o IAB Tech Lab, a Coalition for Innovative Media Measurement (CIMM) e a Advertising Research Foundation (ARF).

A intenção é ajudar os profissionais de marketing a usar os dados de audiência de maneira mais responsável e fornecer anúncios digitais mais relevantes e contextuais, convidando-os a adotar uma espécie de etiqueta (foto abaixo) contendo informações sobre os anúncios como fonte, coleta de dados, critérios de segmentação, especificações de limpeza de base, etc.

"O setor agora tem uma etiqueta fácil de usar e de entender que define claramente as informações críticas sobre as fontes de dados. Esperamos que a transparência que essa solução entrega seja uma força motriz que melhore a integridade dos dados, sua qualidade e também as decisões que os profissionais de marketing e captação de recursos tomam todos os dias", disse Tom Benton, vice-presidente executivo da DMA Division, do ANA Group.

São quatro seções descritivas projetadas para informar melhor as marcas anunciantes sobre os ingredientes de cada conjunto de dados:

• Informações sobre Provedor e Distribuidor da Solução de Dados – Quem forneceu os dados de segmentação, inclusive de informações de contato, tanto para o distribuidor de soluções de dados quanto, quando aplicável, para o provedor de dados original;
• Construção do público-alvo – como a segmentação foi construída, incluindo detalhes como contagem de público-alvo, qualquer modelagem aplicável ou expansão de ID entre dispositivos que possa ter sido aplicada, taxas de atualização de público-alvo e janela de tempo para a inclusão de eventos;
• Resumo da audiência – Segmentação de audiência incluindo o nome do fornecedor da segmentação e o nome do segmento mais relevante de uma nova taxonomia padronizada, uma descrição do público-alvo e a cobertura geográfica aplicável;
• Fontes de Informação  – onde os componentes de dados originais foram originados. Exigido para cada fonte de dados significativa, esse componente inclui detalhes sobre a proveniência dos dados, técnicas de coleta de dados, frequência de atualização e a janela de tempo.

Além de medir a saúde dos dados, o sistema por trás do Data Transparency Label arquivará as informações em um banco de dados centralizado e também hospedará um programa de conformidade associado capaz de rastrear a divulgação de dados, sua certificação e validação.

"O Data Transparency Label permitirá uma compreensão significativa dos atributos de segmentação e práticas de terceirização entre provedores de dados", disse Dennis Buchheim, vice-presidente sênior e gerente geral do IAB Tech Lab.

Prova de conceito
Empresas do ecossistema de dados, tecnologia, mídia e marketing estão sendo convidadas a participar de um período de testes públicos de seis meses (até março de 2019), durante o qual poderão usar cinquenta segmentos comuns de público-alvo fornecidos por empresas como Oracle Data Cloud, LiveRamp, Neustar, Lotame, Acxiom, Experian, TruSignal, Fluent e FullContact.

É possível visualizar como o Data Transparency Label será usado através da ferramenta online disponível no site DataLabel.org, que demonstra como os espectadores podem pesquisar, inspecionar e comparar etiquetas armazenadas em um DMP e um DSP, ou diretamente no site.

Não importa se você é um comprador, uma plataforma, um editor ou um vendedor de dados. A galera por trás do Data Transparency Label quer saber a sua opinião.

Vale lembrar que o Data Transparency Label está alinhado com o Data Transparency Framework, proposto pelo IAB Tech Lab em maio passado, com o objetivo de "tornar a qualidade do segmento de dados consistentemente compreensível, transparente e comparável entre os fornecedores". O termo "qualidade" aqui se refere à coleta de dados, correspondência e modelagem, e não ao desempenho desse segmento no mercado.