NesteNeste guide
AI i statlig ytelsesadministrasjon
Industrier
Bransjer GUIDE
AI i programmatisk annonsering
AI i programmatisk annonsering er bruken av maskinlæring for å kjøpe og selge digitale annonsevisninger automatisk, ved å bestemme i millisekunder hvilken annonse som skal vises, til hvem og til hvilken pris.
På denne siden4 min lesing
Oversikt
Det betyr noe fordi mye av dagens visnings-, video- og tilkoblede TV-beholdning handles på denne måten, så disse modellene former hvilke annonser folk ser, hva utgivere tjener og hvor mye svindel og personvernrisiko systemet har.
Dypdykk
Når en side eller app med annonseplasser lastes inn, sender utgiverens tilbudsside-plattform en budforespørsel, ofte i OpenRTB-formatet vedlikeholdt av IAB Tech Lab, til annonsebørser og plattformer på etterspørselssiden. Forespørselen beskriver visningen: nettsted eller app, annonsestørrelse, enhetstype, omtrentlig plassering og eventuelle tilgjengelige brukeridentifikatorer. Hele auksjonen har typisk et tidsbudsjett på rundt 100 millisekunder, og den vinnende annonsen gjengis før brukeren merker en forsinkelse. AI bestemmer det meste. DSP-er kjører modeller som forutsier klikkfrekvens, konverteringsfrekvens eller synlighet for hver visning, og gjør deretter disse anslagene til bud. Etter hvert som bransjen gikk fra andrepris- til førsteprisauksjoner mellom omtrent 2017 og 2019 (Google Ad Manager byttet i 2019), la DSP-er til budskyggelegging: modeller anslår den laveste prisen som sannsynligvis vil vinne, slik at kjøpere ikke betaler for mye. På salgssiden setter SSP-er dynamiske gulv og bestemmer hvilke etterspørselspartnere de skal ringe. Målgruppemodellering var historisk avhengig av tredjeparts informasjonskapsler som følger brukere på tvers av nettsteder. Safari blokkerer dem som standard og Firefox begrenser dem, og Apples App Tracking Transparency (2021) begrensede mobilannonserings-IDer. Google brukte mange år på å planlegge å fase ut tredjeparts informasjonskapsler i Chrome gjennom sin Privacy Sandbox, for så å snu kursen i 2024 og sa at det ikke ville tvinge dem til å fjerne dem. Likevel har bransjen gått over til førstepartsdata, innholdsmålretting, datarene rom og alternative identifikatorer. Annonsesvindel er et konstant problem. Bots, skjulte annonser og forfalskede domener tapper budsjetter; Methbot-operasjonen avslørte i 2016 falske videovisninger på forfalskede versjoner av premiumnettsteder. Deteksjonsmodeller ser etter ikke-menneskelig atferd, og ads.txt- og sellers.json-standardene lar kjøpere bekrefte hvem som er autorisert til å selge et nettsteds beholdning. En vanlig misforståelse er at ad AI 'kjenner' enkeltpersoner. De fleste modellene jobber med sannsynlighetssignaler, og en stor del av målrettingen er kontekstuell eller modellert på gruppenivå.
Strategisk innvirkning
Kontekst og regler
Bransjekontekst avgjør om AI-ideer overlever kontakt med virkeligheten.
Kvalitetskontroll
Domenebegrensninger påvirker akseptable feilrater og tilsynsmodeller.
Byggevalg
Vellykkede distribusjoner tilpasser teknisk kapasitet med arbeidsflyter i frontlinjen.
Fremtiden til AI i programmatisk annonsering
Forvent fortsatt bevegelse mot signaler som ikke er avhengige av sporing på tvers av nettsteder: utgiverens førstepartsdata, kontekstuelle modeller som forstår sidens og videoens betydning, og rene rom der annonsører og utgivere matcher publikum uten å utveksle rådata. Detaljhandelsmedienettverk og tilkoblet TV er voksende kanaler der disse tilnærmingene allerede er vanlige. Personvernlovgivningen i ulike jurisdiksjoner vil fortsette å begrense hvilke data som kan mate publikumsmodeller, og måling vil basere seg mer på modellert, aggregert attribusjon. Svindel vil fortsette å tilpasse seg, inkludert generativ kunstig intelligens som brukes til å masseprodusere lavkvalitetssideer som er laget for annonsering, så verifisering og åpenhet om leveringsveier vil forbli sentralt. Hvordan retningslinjer for informasjonskapsler i nettleseren utvikler seg videre, er fortsatt usikkert.
Real-World Implementering
En plattform på etterspørselssiden (DSP) forutsier sannsynligheten for at en spesifikk visning vil føre til et kjøp og multipliserer den med annonsørens verdi per konvertering for å angi budet i en sanntidsauksjon.
En nyhetsutgivers tilbudssideplattform (SSP) bruker dynamiske prisgulv, og lærer minimumsprisen hver type visning sannsynligvis vil oppnå, slik at beholdningen ikke selges for billig.
Et svindeloppdagingssystem flagger en klynge av "besøkende" som laster inn sider fra datasenterets IP-adresser, aldri ruller og klikker med jevne mellomrom, og at trafikk ekskluderes før noen bud legges inn.
En forhandler uten tredjeparts informasjonskapseldata bruker innholdsmålretting: en modell leser innholdet i en fotturartikkel og byr på denne siden for annonser for utendørsutstyr, uten personlig identifikator involvert.
Risikoer og rekkverk
Reguleringskrav kan ugyldiggjøre ellers sterke prototyper.
Historiske data kan kode for skjevheter som skader bestemte samfunn.
Eldre systemer kan skape integrasjonsflaskehalser og skjulte kostnader.
Veikart for implementering
Involver domeneeksperter fra problemformulering til evaluering.
Design revisjonsspor og dokumentasjon før lansering.
Validere samsvar og sikkerhetsforpliktelser tidlig.
Rull ut i faser med klare stopp- og tilbakerullingskriterier.
Fortsett å utforske
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Programmatic Advertising quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Ofte stilte spørsmål
Hva er AI i programmatisk annonsering?
AI i programmatisk annonsering er bruken av maskinlæring for å kjøpe og selge digitale annonsevisninger automatisk, ved å bestemme i millisekunder hvilken annonse som skal vises, til hvem og til hvilken pris. Det betyr noe fordi mye av dagens visnings-, video- og tilkoblede TV-beholdning handles på denne måten, så disse modellene former hvilke annonser folk ser, hva utgivere tjener og hvor mye svindel og personvernrisiko systemet har.
Omtrent hvor lang tid må en typisk budauksjon i sanntid gjennomføre?
RTB-auksjoner kjøres vanligvis innenfor et budsjett på rundt 100 millisekunder, slik at den vinnende annonsen kan vises før brukeren merker noen forsinkelse.
Hvilken organisasjon opprettholder OpenRTB-formatet som vanligvis brukes for budforespørsler?
OpenRTB vedlikeholdes av IAB Tech Lab, det tekniske standardorganet for reklamebransjen.
Hva gjør budskyggelegging?
I førsteprisauksjoner betaler vinneren det den byr, så budskyggemodeller anslår den laveste vinnerprisen for å unngå overbetaling.
Hvorfor må spådommer for klikkfrekvens i en budgiver være godt kalibrert, ikke bare godt rangert?
Et bud beregnes ut fra den anslåtte sannsynligheten, så et overestimat på 20 prosent oversettes rett til et overbud på 20 prosent.
Hva kunngjorde Google i 2024 om tredjeparts informasjonskapsler i Chrome?
Etter år med planlegging av en utfasing gjennom Privacy Sandbox, sa Google i 2024 at den ikke ville tvinge fjerning av tredjeparts informasjonskapsler.
Fortsett å lære
Relaterte guider
Flere guider valgt for dette emnet