Si los IDs demuestran inestabilidad, el panorama de la publicidad digital requerirá un enfoque estratégico refinado de la compra programática de anuncios. Así lo explica Neal Richter, director de ciencia e ingeniería en Amazon DSP, en un artículo de Digiday, apuntando que el bid shading y los algoritmos de precios predictivos se están convirtiendo en elementos cruciales para que los DSPs optimicen este proceso.

El bid shading es una estrategia avanzada que los DSPs utilizan para optimizar las pujas en las subastas first-price, en las que el mejor postor gana el emplazamiento publicitario y paga el importe exacto de su puja. Mediante sofisticados algoritmos, el bid shading predice los precios de equilibrio del mercado para permitir pujas justo por encima de los precios de mercado esperados, garantizando que los anunciantes no paguen de más por los espacios publicitarios mientras se aseguran un inventario de primera calidad.

Este enfoque ofrece varias ventajas clave. En primer lugar, permite a los anunciantes ahorrar costes cuando se ejecuta correctamente, lo que mejora el performance general de la campaña. El ahorro conseguido puede reinvertirse en impresiones adicionales o en ubicaciones de mayor calidad, lo que se traduce en resultados publicitarios más eficaces.

En la actualidad, los licitadores se basan en gran medida en los IDs de los anuncios para determinar el valor de las impresiones y realizar pujas adecuadas. Sin embargo, a medida que evoluciona el sector de la publicidad digital, los DSPs deben adaptar sus estrategias de fijación de precios para mantener la eficacia y el rendimiento. Hay tres estrategias de futuro que los anunciantes pueden tener en cuenta para afrontar esta transición con eficacia.

La primera estrategia consiste en aprovechar la disponibilidad y el tipo de IDs de anuncios como señales cruciales para las decisiones de bid shading. Los DSPs están aumentando su diferenciación entre IDs de anuncios específicos y de alta fidelidad y tráfico menos específico o anónimo. Los análisis muestran que el inventario no reconocido a menudo se vende a precios más bajos en todas las bandas de performance en comparación con el inventario reconocido. Por lo tanto, se recomienda un enfoque a medida con un bid shading asertivo para el inventario no vinculado a IDs y una estrategia prudente para el inventario reconocido.

Otra estrategia que se está convirtiendo en esencial para los anunciantes, según el autor, es confiar en las características contextuales para impulsar la relevancia. Los DSPs aprovechan tecnologías avanzadas de IA, como los large language models (LLM), para analizar el contenido visual y textual. Estas tecnologías proporcionan información contextual más profunda y mejoran la capacidad del modelo de fijación de precios para comprender y navegar con precisión por el panorama competitivo de las ofertas.

La última estrategia consiste en desarrollar métodos alternativos. Los DSPs están explorando métodos innovadores como el uso de cohortes y las múltiples APIs sin cookies propuestas. La puja eficaz en los tipos de subasta emergentes requiere implementar “técnicas de destilación de conocimientos” para reducir el tamaño de los modelos de deep learning y desarrollar modelos híbridos que combinen el deep learning con enfoques paramétricos. Estas estrategias garantizan una puja eficiente al tiempo que minimizan los requisitos de memoria y potencia de cálculo.

Un DSP con un historial probado

A medida que los anunciantes buscan implementar estas estrategias, elegir un DSP con un historial probado en bid shading se convierte en una prioridad. Algunos DSPs ofrecen el bid shading como un servicio estándar sin coste adicional como compromiso con sus clientes y la entrega de valor. Para establecer esta experiencia, es esencial conocer la sofisticación del algoritmo, la transparencia y la capacidad de optimización para la rentabilidad, como prosigue el artículo.

Un DSP que aproveche técnicas avanzadas de IA y conocimientos únicos de las señales de compras y entretenimiento para optimizar el bid shading y los modelos de porcentaje de ganancias puede ser muy valioso. Mediante el empleo de algoritmos que pujan en función del valor previsto de una impresión, fijando con precisión el precio de las ofertas para crear un excedente entre la oferta del anunciante y el precio ganador, los DSPs pueden ayudar a los anunciantes a obtener el máximo valor de la oferta de terceros.

Por ejemplo, con la última generación de mejoras basadas en inteligencia artificial introducidas en el DSP de Amazon en el último año, incluido el bid shading, los anunciantes están viendo una mejora del 14% en el ROAS del inventario de terceros, como explica Neal Richter. “Esto se traduce en una eficiencia de costes del 36-40%, con 1,6 veces más impresiones que las campañas sin bid shading”, comenta.

Una vez que los anunciantes identifican sus objetivos, deben comunicárselos a su DSP para que adapte las estrategias de bid shading a sus metas. Y, manteniendo una comunicación abierta y participando en sesiones periódicas de comprobación y feedback, los anunciantes se asegurarán de que los algoritmos de bid shading están optimizados para sus necesidades y las condiciones del mercado.

A medida que la publicidad programática se aleja de las bid requests deterministas y los IDs de anuncios, el uso de modelos de machine learning para conocer los precios de las pujas seguirá siendo una estrategia fundamental para que los anunciantes mantengan un ROAS sólido. A medida que se desarrolle esta transición, será crucial que los anunciantes se apoyen en un DSP sólido que continúe innovando y refinando las técnicas de bid shading para garantizar la entrega y el performance que esperan los anunciantes.