A Integral Ad Science (IAS), empresa global de medição e otimização de mídia, desenvolveu uma plataforma chamada Quality Attention, que combina qualidade de mídia e rastreamento ocular (eye tracking, em inglês) com machine learning (ML) para o mercado de publicidade. Com o objetivo de os anunciantes acelerarem o ROI e maximizarem os gastos com mídia, a ferramenta fornece métricas transparentes para ajudar os clientes globais a aumentar o retorno do investimento e impulsionar as conversões das marcas.
A diretora-gerente da América Latina da empresa, Marcia Byrne, explica, em entrevista ao Mobile Time, que o rastreamento ocular é usado para examinar a atenção dada ao conteúdo exibido. “Ao rastrear o olhar, podemos mapear para onde a pessoa está olhando e como ela interage com a página da web. Temos uma ideia de quais informações ela olha primeiro, quanto tempo ela interage com o conteúdo em suas telas, bem como se rolam a página, como interagem com o volume e muito mais”, detalha.
Diferentemente da biometria facial, a tecnologia de eye tracking mede a atenção do usuário, que inclui interações físicas. É a partir desses dados que a plataforma combina com a qualidade da mídia para fornecer uma avaliação mais precisa da atenção sobre os anúncios. Desde o seu lançamento, a Quality Attention apontou um aumento de até 130% nas taxas de conversão ao comparar impressões de alta atenção com impressões de baixa atenção, e maiores pontuações de atenção, observando um crescimento na consideração de marca de 91% e uma intenção de compra 166% maior.
“À medida que os cookies e MAIDs (IDs de dispositivos móveis) continuam a ser descontinuados como resultado das mudanças no setor, anunciantes, plataformas e editores estão buscando métricas alternativas que possam atuar como indicadores-chave de desempenho”, explica. Por isso, a companhia define atenção, por meio das métricas transparentes, como uma medida para saber se um anúncio está ou não repercutindo nos consumidores e como ele pode ser vinculado a melhores resultados.
O modelo de atenção foi projetado para fornecer pontuações de atenção, dependendo da probabilidade das impressões levarem a maior reconhecimento, consideração e conversão. Estes seriam sinais que se enquadram em três pontos individuais. O primeiro é a visibilidade, sem a qual não ocorre a atenção, pontua Byrne. O segundo é a situação, que descreve o ambiente em que as impressões são veiculadas e mede o número de anúncios em uma página e a parcela de tela que um anúncio tem em uma página em relação a outro conteúdo. Por fim, a interação, que seriam os indicadores da atividade do consumidor na presença de anúncios.
Machine Learning (ML)
Os três sinais individuais mencionados acima são utilizados em um modelo de machine learning treinado em um conjunto de dados contendo bilhões de impressões que incluem eventos de sucesso, como conversões e cliques em anúncios. Esse modelo de ML é, por sua vez, aplicado a campanhas publicitárias e a pontuação de atenção é gerada. “O machine learning é a chave para combinar e processar grandes quantidades de dados e, portanto, nos permite ajudar os clientes a dimensionar suas campanhas sem sacrificar a qualidade da mídia”, ressalta a diretora-gerente.
A plataforma Quality Attention, dessa forma, integra uma variedade de sinais obtidos como parte dos principais produtos da IAS, incluindo visibilidade, densidade de anúncios e interação do usuário, dados biométricos de mais de 650 mil usuários por meio da Lumen Technology, e usa ML para criar uma pontuação de atenção agregada. Segundo Byrne, “isso significa que anunciantes e agências podem navegar melhor pela confusão da mídia para entender como a visibilidade da mídia, o ambiente do anúncio e o impacto da interação com o cliente estão impactando o desempenho da campanha”.
Casos de uso
Apesar de não poder dar detalhes, a empresa global de saúde, Sanofi, é um dos casos de uso que fez parceria com a IAS para medir o desempenho da mídia, aumentando as taxas de atenção “sem problemas de escala e gerando altas taxas de conversão sem sacrificar a qualidade da mídia”. Além disso, a OMD da Omnicom já fez parceria com a plataforma para realizar testes em relação à Quality Attention e também medir o desempenho dos meios de comunicação.
Modelo de negócio
A IAS tem mais de 2 mil anunciantes do lado da compra e mais de 400 editores, bem como emissoras de CTV, ou TV Conectada, e OEMs por meio da Publica – servidor de anúncios CTV agnóstico em demanda, que foi adquirida em 2021. A empresa de medição vê que a inteligência artificial (IA) e o ML são prioridades e continuam investindo na promoção do desempenho por meio dessas tecnologias e da transparência de dados.
