L’impatto dei Digital Act sulle strategie di Audience Targeting

Oggi c’è la necessità di adottare nuovi approcci per la creazione delle audience, che si discostano significativamente dalle strategie impiegate negli anni passati. Questa necessità affonda le sue radici nei cambiamenti normativi, in particolare nell’introduzione del Digital Markets Act, un regolamento lanciato dalla Commissione Europea ed entrato in vigore il 6 marzo 2024.

Il DMA non è direttamente collegato alle metodologie di formazione delle audience, ma le influenza e nei paragrafi seguenti vedremo come.

Il DMA mira da un lato a proteggere la privacy degli utenti e dall’altro a garantire una concorrenza più equa e paritaria nei mercati digitali.

Una delle novità più rilevanti introdotte dal DMA riguarda la figura dei gatekeeper: guardiani che regolano l’accesso alle funzionalità digitali e che devono soddisfare requisiti specifici per essere classificati come tali. I criteri includono: avere dimensioni significative, con ricavi superiori a 7 miliardi di euro negli ultimi tre anni; avere un ampio accesso ai dati degli utenti; e avere una posizione solida sul mercato.

Le aziende attualmente identificate come gatekeeper sono: Alphabet (la holding di Google), Amazon, Apple, ByteDance (la holding che controlla TikTok), Meta e Microsoft. Questi sei giganti gestiscono un totale di 22 “Core Platform Services”, che coprono diversi settori: marketplace, social network, servizi pubblicitari online, sistemi operativi, motori di ricerca e browser.

Per il DMA, l’importanza dei gatekeeper risiede nella loro capacità di influenzare significativamente le dinamiche di mercato, poiché il loro controllo su determinate piattaforme può limitare l’accesso ai concorrenti più piccoli. Per contrastare questa tendenza e promuovere un ambiente di mercato più equo, i gatekeeper devono adempiere a determinati obblighi, ovvero:

• Garantire una maggiore apertura sulle loro piattaforme. Ad esempio, se un utente cerca una posizione specifica tramite Google su Chrome, deve poter ricevere risultati che includano non solo Google Maps, ma anche servizi simili offerti da altre aziende, così da ridurre le barriere all’ingresso per i potenziali concorrenti;
• Ottenere il consenso esplicito degli utenti prima di utilizzare i loro dati. La responsabilità della raccolta e del trattamento dei dati non è più prerogativa esclusiva delle aziende; i gatekeeper devono garantire che anche le piattaforme di terze parti operino in conformità con il consenso fornito dagli utenti.

Google, per quanto riguarda la conformità al DMA, ha indicato che dal 2024 sarà essenziale ottenere il consenso esplicito prima di inviare dati alle piattaforme. A tal fine, ha iniziato a migliorare e aggiornare le tecnologie di gestione del consenso che, sebbene sviluppate prima del 2024, sono diventate cruciali per la conformità alle nuove normative: è il caso della consent mode.

Consent Mode: cos’è e come funziona

La Consent Mode è una tecnologia introdotta a settembre 2020, la cui adozione non era obbligatoria ma caldamente raccomandata. Tuttavia, con l’arrivo del Digital Markets Act, ha assunto nuovi connotati e requisiti.

La Consent Mode consente l’invio di segnali cookieless a Google, ovvero senza l’uso di tecnologie basate sui cookie, per gli utenti che non hanno fornito il proprio consenso. Ciò comporterà conversioni sia osservate che modellate. Nel secondo caso, Google modella i dati privi di consenso e anonimizzati attraverso l’applicazione di tecniche di machine learning, così da stimare il numero di utenti che hanno effettivamente completato una conversione.

I parametri chiave che supportano la struttura della Consent Mode sono “ad_storage”, che gestisce l’archiviazione delle informazioni relative alla pubblicità, e “analytics_storage”, che gestisce le informazioni relative all’analisi dei dati.

Questi parametri indicano se l’utente ha acconsentito o meno a essere tracciato per scopi di marketing. Se l’utente concede il permesso, il valore sarà “granted”; in caso contrario, sarà “denied”.

Nel 2024, con l’introduzione del DMA, sono stati introdotti altri due parametri relativi alla pubblicità:

• “ad_user_data” che disciplina il consenso per i dati dell’utente nella pubblicità;
• “ad_personalisation” che disciplina il consenso per la pubblicità personalizzata.

Questi due parametri non possono essere separati da “ad_storage”, in quanto considerati un suo sottoinsieme. La loro implementazione ha implicazioni significative per la gestione dei tag e la creazione e l’invio delle audience alle piattaforme. Quando un utente concede il consenso, i tag funzionano normalmente, attivando i cookie di tracciamento di prima parte, che non sono influenzati dal contesto cookieless. Ciò consente un tracciamento efficace: le conversioni ottenute sono quelle reali osservate dalle piattaforme di misurazione pubblicitaria. D’altra parte, quando il consenso viene negato, si attivano tag che non memorizzano cookie e inviano solo segnali che indicano lo stato di consenso negato. In caso di conversione, viene inviato un segnale che raccoglie informazioni anonime, ad esempio sulla tecnologia utilizzata dall’utente, senza ulteriori dettagli granulari. Per quanto riguarda Analytics, vengono inviati segnali relativi alle pagine visitate e agli eventi registrati, sempre senza cookie. Questi dati vengono poi modellati da Google per fornire alle piattaforme una stima che, pur non essendo del tutto accurata, si avvicina ai tassi di conversione reali delle piattaforme. La mancata implementazione della Consent Mode comporterà:

• La graduale disattivazione delle audience di remarketing, poiché Google smetterà di trasmettere i dati degli utenti che non hanno attivato la Consent Mode;
• La difficoltà nel costruire efficacemente strategie di marketing basate su audience lookalike, essenziali per le campagne di Demand Generation;
• L’impossibilità di eseguire campagne di remarketing dinamico, a causa della mancanza di dati e segnali;
• L’imprecisione nel calcolo delle conversioni, poiché non è possibile modellare le conversioni di tutti gli utenti che non hanno fornito il consenso.

Esistono due modi per implementare la Consent Mode:

• Implementazione di base: i tag non vengono attivati a meno che l’utente non fornisca esplicitamente il consenso per i cookie. Se l’utente visita un sito e dà il consenso, i tag non verranno distribuiti finché non sarà chiaro se desidera essere tracciato. Una volta ottenuto il consenso, il tracciamento inizia con informazioni aggiuntive relative alla Consent Mode, consentendo di modellare i dati degli utenti che non hanno dato il consenso o i dati osservati di quelli che lo hanno fatto.
• Implementazione avanzata: tutti i tag di Google vengono attivati indipendentemente dal consenso dell’utente, poiché la Consent Mode modula i ping e le informazioni inviate. Un vantaggio dell’approccio avanzato è che la modellazione non si limita solo alle conversioni in Google Ads, ma si estende anche al comportamento degli utenti in Google Analytics, inclusa la modellazione dei dati sul traffico degli utenti che non hanno fornito il consenso. Tale lavoro di modellazione basato sul machine learning richiede un volume considerevole di dati, almeno 700 clic sugli annunci in 7 giorni continui per dominio o paese, affinché Google possa modellare efficacemente i dati e fornire informazioni utili per una corretta percezione di conversioni, sessioni e traffico.

Soluzioni alle sfide generate dai Digital Act

In questo contesto, è diventato cruciale per le aziende identificare e implementare strategie efficaci che non solo soddisfino le normative vigenti, ma consentano loro anche di capitalizzare in questo nuovo scenario di mercato più aperto e competitivo.

Consenso dinamico con il Modern Data Stack

Il processo di gestione del consenso degli utenti è stato guidato da normative stringenti come il GDPR, che ha introdotto i banner obbligatori per i cookie. Queste normative hanno spesso generato ampie discussioni e riflessioni tra i Data Protection Officer (DPO) e gli uffici legali delle aziende, portando alla necessità di bilanciare la conformità legale con l’impatto sul business. In alcuni casi, ciò ha comportato valutazioni costi-benefici, portando alcune aziende a correre il rischio di non aderire pienamente alle normative sulla gestione dei cookie e del consenso.

Attualmente, ignorare la raccolta del consenso equivale a rinunciare alla pubblicità digitale. È quindi fondamentale essere conformi e capire come gestire i consensi espressi in modi diversi in contesti differenti. Ad esempio, nel caso di utenti che esprimono il consenso al marketing e alla misurazione tramite una carta fedeltà, ma negano il consenso sul sito web dell’azienda.

Questa è la sfida per le aziende moderne: essere dinamiche e resilienti, specialmente quelle che operano sia nel mondo fisico che in quello digitale, con diversi punti di interazione con l’utente.

Una soluzione è centralizzare la gestione dei dati in un unico Cloud Data Warehouse. Questo approccio consente di raccogliere i dati transazionali e comportamentali e di integrarli con i dati di consenso, creando una piattaforma sempre aggiornata in base all’ultimo consenso dell’utente e in grado di reagire in modo appropriato.

Avere un unico punto centralizzato per la gestione del consenso pone l’azienda in una posizione vantaggiosa rispetto agli obblighi imposti dai Digital Act.

Focus sulle Audience di Prima Parte

I Digital Act hanno avuto un impatto sul processo di collegamento dei servizi offerti dai grandi player digitali, rendendo impossibile collegare il comportamento degli utenti tra diverse proprietà senza il loro consenso esplicito.

Lo scollegamento (un-linking) non porta necessariamente a un degrado delle audience, ma è ampiamente riconosciuto tra gli analisti e le stesse piattaforme digitali che la qualità delle audience interne, come quelle che potrebbero essere raccolte all’interno di YouTube o le cosiddette audience “Life Events”, diminuirà. Questo fenomeno è aggravato dalla progressiva eliminazione dei cookie di terze parti.

Per mantenere audience di qualità, è essenziale ottenere il consenso dell’utente e creare audience di prima parte. Cercando online le migliori pratiche per i digital act e come reagire allo scollegamento, si trovano le audience di prima parte tra le prime strategie. Google, ad esempio, ha organizzato numerosi webinar su questo argomento.

Per costruire efficacemente audience di prima parte, oltre al consenso, è fondamentale avere un solido punto di aggregazione dei dati. Inoltre, gli algoritmi di AI giocano un ruolo chiave in questo processo, consentendo di arricchire e segmentare dinamicamente la base clienti. Un esempio è l’algoritmo RFM per identificare i clienti più importanti. O algoritmi specifici per analizzare gli interessi degli utenti. Questi dati, una volta arricchiti e modellati, possono poi essere utilizzati per costruire “seed audience” che servono come base per le campagne lookalike.

In passato c’è stata un po’ di confusione sulle campagne lookalike a causa della decisione di Google di deprezzare le “audience simili”. In realtà le ha sostituite con un nuovo set di algoritmi che sfruttano la somiglianza in modi diversi.

La Bytek Prediction Platform utilizza l’intelligenza artificiale e i dati di prima parte per raggruppare gli utenti, creando audience ben definite che possono essere inviate continuamente alle piattaforme pubblicitarie per un uso ottimizzato nelle campagne.

Customer Match

Il customer matching è una metodologia che consente alle aziende di utilizzare dati di prima parte, come un indirizzo email sottoposto a hashing, per identificare gli utenti e inviarli a piattaforme pubblicitarie come Google, Meta o TikTok. Queste ultime verificano poi se l’indirizzo email hashato è presente nei loro sistemi, senza rivelare l’identità specifica dell’individuo, al fine di preservare la privacy. Se l’email viene riconosciuta, consentono alle aziende di eseguire campagne di retargeting.

Questa tecnica è stata vista come una strategia pionieristica per il marketing digitale, poiché evita l’uso di cookie di terze parti, beneficiando di un rapporto diretto 1:1 tra piattaforme e utenti. Tuttavia, come abbiamo visto, l’introduzione del DMA ha introdotto nuove sfide: Google e altre piattaforme richiedono il consenso esplicito per mostrare pubblicità personalizzata tramite customer match.

Per implementare il customer match, se si decide di trasferire i dati a Google tramite un file CSV, la piattaforma richiede che gli inserzionisti confermino di avere il consenso specifico per personalizzare gli annunci. Ciò richiede una doppia conferma tramite un banner. La responsabilità di garantire la conformità ricade quindi sugli inserzionisti. Se, invece, i dati vengono trasmessi tramite API, il consenso per la personalizzazione degli annunci deve essere specificato per ogni utente, indicando se e a quali tipi di dati l’utente ha dato il consenso.

È quindi necessario ripensare a come gestire il consenso stesso. Utilizzando strumenti come BigQuery per centralizzare i dati, le audience possono essere aggiornate dinamicamente in base ai cambiamenti nel consenso dell’utente. In assenza di queste informazioni specifiche sul consenso in Google, la riga di dati corrispondente verrà ignorata dalla piattaforma.

Conversion Push

Questo aspetto spesso non riceve l’attenzione che merita: per ottimizzare la gestione della Consent Mode, è essenziale lavorare anche sulla Consent Management Platform. Un’inadeguata configurazione di questi elementi può avere ripercussioni non solo sul pubblico di destinazione, ma anche sulle conversioni stesse. In un contesto in cui le campagne pubblicitarie sono sempre più guidate dall’intelligenza artificiale e dipendono dalle conversioni per l’alimentazione e l’addestramento degli algoritmi, le scarse prestazioni delle campagne possono essere direttamente attribuite a una gestione del consenso non ottimale.

Google ha introdotto due soluzioni per affrontare queste sfide. La prima, che abbiamo già visto, è la Consent Mode, che modella le conversioni per adattarle ai casi in cui il consenso dell’utente non è disponibile. La seconda soluzione è la Enhanced Conversion, una tecnologia che consente di inviare un segnale di conversione anche quando l’utente non viene tracciato tramite i pixel tradizionali, sfruttando i dati personali. Questa tecnologia può essere implementata tramite API, consentendo agli operatori di utilizzare i dati raccolti nel proprio Cloud Data Warehouse, come l’indirizzo email dell’utente, la data di conversione e il valore della transazione, per trasmettere queste informazioni alle piattaforme pubblicitarie. Poiché gli utenti accedono spesso a vari servizi utilizzando la stessa email, le piattaforme sono in grado di collegare la visualizzazione di un annuncio a una specifica conversione, attribuendo così il merito alla campagna pubblicitaria appropriata.

Questo processo di attribuzione, un tempo predominante in settori come l’automotive – dove l’acquisto può avvenire mesi dopo il primo contatto, a seguito di un test drive – è ora considerato essenziale per tutti i tipi di business. Senza questa pratica, un numero significativo di conversioni potrebbe andare perduto. Modellare le conversioni solo attraverso la Consent Mode potrebbe non essere sufficientemente efficace.