Vill du komma i kontakt med oss, veta mer om Emerse eller programmatisk marknadsföring? Kontakta oss genom formuläret här eller Johan Bertilsson på telefon +46 76 144 30 54.

Bakgrunden

Funnys Äventyr på Mobila ville genom enkla medel skapa uppmärksamhet och locka besökare till deras sagovärld i Malmö. Det är sommarlov och sagovärlden är ett självklart besöksmål för många som känner till dem. Nu har man maxat sagolandet med aktiviteter, lek samt teater och vill att ännu fler ska känna till dem och besöka dem.

Behovet

Öka antalet besökare. Kan vi slå förra årets besökarantal? Vad behöver vi göra för att maximera resultatet? Med en svag svensk valuta i förhållande till danska kronan är det en självklarhet att nå barnfamiljer i Köpenhamn. Här är det lätt för danskar att ta sig över bron och njuta av Skåne.

Att synas på sociala medier är givetvis inte något man behöver fundera två gånger över, men att addera programmatisk marknadsföring på det kan låta komplicerat.

Programmatisk marknadsföring är trots allt ett av de mest komplexa digitala verktyg som finns och vet man inte hur det ska pareras kan ett litet test kännas som bortkastade pengar.

Genomförandet - Social Media + Programmatisk annonsering = SANT

• Facebook

På Funnys Äventyrs sociala medier låg fokus på att driva trafik till hemsidan samt bokningssidan i både Sverige och Danmark med en övervikt på framför allt Köpenhamn.

• Programmatisk

Till de trafikdrivande kampanjerna på Facebook adderade vi programmatiska annonser med fokus på att skapa kännedom och räckvidd i Danmark med större övervikt på Köpenhamn.

Här riktade vi in oss på småbarnsföräldrar och mor/farföräldrar för att nå potentiella besökare till Funnys Äventyr. Vi riktade även in oss på hemsidebesökare, så kallad retargeting, ett generellt för att bjuda på specifik information om aktiviteter som skedde. Perfekt sätt att bearbeta de som hade hittat till hemsidan via sociala medier men inte ännu tagit action.

Vi använde också en metod som kallas för retargetingoptimering som i stora penseldrag handlar om att man hittar helt nya målgrupper som har samma beteende som de som besöker sajten.

Resultatet - REKORD med +2000% besökare

Under Juli månad 2023 ökade antalet danska besökare med över 2000%.

Dagsbesökarantalet slog rekord flera dagar under månaden. Flest antal besökare på en enda dag uppgick till totalt nära 1000 besökare. Även onlinebokningarna ökade kraftigt! Resultatet blev en mycket lyckad kampanj med glada besökare tack vare bl.a. välplanerade event från Funnys Äventyr.

Sammanfattning

Att få till en bra räckvidd och skapa kännedom associeras ofta med dyra köp via TV eller Radio. Programmatisk annonsering tillhör också ett kraftfullt räckviddsmedia men till betydligt lägre priser. Dock är programmatisk annonsering ett alternativ som är komplext och okänd mark för många. Därför är det viktigt att kunna arbeta med en partner som inte bara lägger upp annonser och låter annonserna bara göra sitt. Här krävs kunskap, optimering och nitty gritty arbete på djup nivå för att få valuta för investeringen. Sociala medier är däremot ett självklart val för många! En kanal som är stark längre ner i säljtratten både trafikdrivande och konverterande. Att kombinera programmatisk annonsering för att skapa räckvidd, med Sociala medier för att skapa trafik är en strategi som Funnys Äventyr använde och som slog besöksrekord. Ett vinnande koncept helt enkelt!

Om Funnys Äventyr

Funnys Äventyr i Malmö är ett kreativt och lekfullt kulturhus för barn! Tänk dig ett sagolandskap där du kliver rakt in i några av våra mest älskade barnböcker. Kika in i Alfons Åbergs kök, hoppa i höet hemma hos Pettson & Findus, åk tillbaka till vikingatiden med Halvdan och Meia, lös mysterium med Kattspionerna i en miniatyr av Rosengård, hälsa på i Mumindalen, lär känna den vanliga men ovanliga flickan Funny och hennes kompis Humlan Djojj och mycket mer!

Om Emerse

Emerse har varit i branschen sedan 2007 och var en av de första att börja skriva egen kod för att skapa ett programmatiskt verktyg, en DSP. Det ger bolaget en djup kunskap om algoritmer, machine learning, AI och hur man hanterar programmatisk annonsering för bästa resultat. Med denna kunskap hanterar vi samtliga digitala verktyg på ett specialiserat och unikt sätt.

Emerse sitter med i den internationella kommittén W3C som är en global organisation för att sätta standarder och guidelines för webben. Vi är också medlemmar i IAB (världsorganisation för online-marknadsföring).

Vill du komma i kontakt med oss, veta mer om Emerse eller programmatisk marknadsföring? Kontakta oss genom formuläret här eller Stina Larsson på telefon +46 709 769 901.

Vill du komma i kontakt med oss, veta mer om Emerse Labs eller programmatisk marknadsföring? Kontakta oss genom formuläret här eller Stina Larsson på telefon +46 709 769 901.

Bakgrund

UniverCity är en bostadsutvecklare med fokus på hyresbostäder i Sveriges starkaste tillväxtregion Stockholm-Uppsala. UniverCitys syfte med marknadsföringen var att få in intresseanmälningar till deras nybyggda hyresrätter i Upplands Väsby. De ville därför, genom enkla medel och kreativitet, hitta rätt hyresgäster och skapa uppmärksamhet kring sitt projekt i Upplands Väsby.

Utmaning

UniverCity ville ha in kvalitativa intresseanmälningar från personer med möjlighet att flytta in omgående. Lägenheterna stod ju trots allt redo för inflyttning. Vilka är dessa personer, vart hittar vi dem och hur fångar vi deras uppmärksamhet? Personer som bor i närheten och går i separations- och skilsmässotankar är sannolikt intresserade av snabb inflyttning. Personer boende på annan ort i Sverige som fått jobb i Stockholm var också en potentiell målgrupp.

Här gällde det att hitta rätt budskap anpassat till rätt målgrupp som sedan det anlitade uthyrningsteamet på Fastiella kunde ta hand om.

Att synas i sociala medier är en självklarhet men här ville vi tillsammans även göra en extra insats för att kliva utanför ”ankdammen” och både skapa och stärka intresset hos målgruppen på ett annat sätt.

UniverCity var öppna för att testa nya kreativa idéer för att se vad som ger bäst effekt. Med tanke på vår tidigare väldigt positiva erfarenhet av automatiska materialtester, s.k. A-B/N-tester, genom programmatisk marknadsföring så bestämde vi oss för att addera detta till strategin.

Social Media + Programmatisk annonsering + Chat GPT = SANT

Social Media - På UniverCitys sociala medier låg fokus på att driva trafik till Homeq.se som är den externa sidan där man hittar mer information om lägenheterna och fyller i sina kontaktuppgifter.

Chat-GPT - Vi visste inte i förväg vilket budskap som skulle ge oss bäst resultat. Därför ville vi testa olika budskap för att kunna avgöra vad som funkar bäst. Dvs ge oss trafik och konverteringar. Här använde vi oss av Chat-GPT för att få fram variationer på texter. Vi valde 10 förslag att testa i EMERSE LABS som är en plattform för att just testa olika variationer av annonser s.k. A/B/N-tester. Här kunde vi snabbt se exakt vilken variation som gav vilket resultat. Efter det var det enkelt att optimera mot de bästa budskapen.

Programmatisk annonsering - Till den programmatiska annonseringen använde vi bland annat oss av en metod som kallas för kontextuell targeting för att nå målgruppen. Detta är en strategi som innebär att annonserna hamnar i en redaktionell miljö som innehåller ”sökord” som vi har angett och som är relevanta för annonsen. I detta fall angav vi ord såsom skiljas, skilsmässa, flytta isär, flytta ihop, sambolagen med flera. Utöver den kontextuella annonseringen använde vi även oss av relevanta sajtlistor som Boli, Hemnet och Blocket Bostad.

Resultat

Under perioden då annonseringen pågick (april – juni) fick UniverCity en jämn ström av sökande och med mycket hög träffbild på de kriterier som satts upp för att godkännas som hyresgäst. Det skrevs 106 nya hyreskontrakt och 100% av projektet är nu uthyrt.

”Genom annonseringen och de smarta lösningarna nådde vi vårt mål. Det har varit ett kreativt och lärorikt samarbete. Dessutom att vi har fått inspiration till hur vi kan jobba med kommande projekt för att få dem uthyrda snabbare. Att vi haft roligt och skrattat mycket längs resans gång är ett plus som gett oss ökad arbetsglädje! ” säger Christina Sundman som är vd på UniverCity.

"Det har varit väldigt tacksamt att ha ett flöde med bra intressenter som vi kunna jobba löpande med tillägger Eva Andersson Ericson, vd på Fastiella. Detta har underlättat vårt arbete och bidragit till att vi kunnat fylla fastigheten på rekordtid med glada och förväntansfulla hyresgäster."

Eva Andersson Ericson, VD på Fastiella

Sammanfattning

Att få till en bra räckvidd och skapa kännedom associeras ofta med dyra köp via TV eller Radio. Programmatisk annonsering tillhör också ett kraftfullt räckviddsmedia men till ett betydligt lägre pris. Dock är programmatisk annonsering ett alternativ som är komplext och okänd mark för många och att därtill koppla på en A/B/N-testplattform för att optimera annonsmaterialet kan kännas överväldigande.

Därför är det viktigt att kunna arbeta med en partner som inte bara lägger upp annonser och låter annonserna bara göra sitt. Här krävs kunskap, optimering och nitty gritty arbete på djup nivå för att få valuta för investeringen. Sociala medier är däremot ett självklart val för många, en kanal som är stark längre ner i säljtratten både trafikdrivande och konverterande.

Att kombinera programmatisk annonsering för att skapa räckvidd med sociala medier för trafik och konverteringar är en strategi som UniverCity använde och gav bra effekt. Ett vinnande koncept helt enkelt.

Här får tilläggas att den öppenhet som UniverCity haft, att faktiskt våga och vilja testa nya metoder är givetvis en stor nyckelfaktor till att vi överhuvudtaget kunde leverera det resultat som vi gjorde.

Om UniverCity

UniverCity är en bostadsutvecklare med fokus på hyresbostäder i Sveriges starkaste tillväxtregion Stockholm-Uppsala. Deras filosofi är att sätta människors behov i centrum och erbjuda bostäder som svarar upp mot medvetna människors förväntningar om ett boendet som är en viktig del i deras livsstil. Med tonvikt på ekologisk och social hållbarhet, med gott om gröna ytor och möjligheter att umgås, skapar vi en boendemiljö där människor trivs och mår bra.

Länk till projektet i Upplands Väsby

Om Fastiella

Fastiella är ett privatägt konsultföretag som arbetar med fastighetsförvaltning och är specifikt inriktade mot intäktssidan. Fastiella är fast beslutna om att basen i en välfungerande förvaltning består av de tre parametrarna: Stabil plattform, kunniga individer och välfungerande processer. Mer information om Fastiella här: https://fastiella.se/

Om Emerse

Emerse har varit med i branschen sedan 2007 och var en av de absolut första att börja skriva egen kod för att skapa ett programmatiskt verktyg, en DSP. Det ger Emerse en oerhört djup kunskap om algoritmer, machine learning, AI och hur man nitiskt hanterar programmatisk annonsering för bästa resultat. Med denna kunskap hanterar vi samtliga digitala verktyg på ett seniort och unikt sätt.

Emerse sitter med i den internationella kommittén W3C som är en global organisation för att sätta standarder och guidelines för webben. Vi sitter också med IAB (världsorganisation för onlinemarknadsföring).

Vill du komma i kontakt med oss, veta mer om Emerse Labs eller programmatisk marknadsföring? Kontakta oss genom formuläret här eller Stina Larsson på telefon +46 709 769 901.

• Automatisering: Programmatiska plattformar automatiserar processen med att köpa och sälja annonslager i realtid, vilket gör att annonsörer snabbt och effektivt kan rikta in sig på den önskade målgruppen.

• Budgivning i realtid (RTB): RTB är en kärnfunktion i programmatisk annonsering, där annonsörer lägger bud på enskilda annonsvisningar i realtid. Denna process säkerställer att annonsörerna endast betalar för det annonsutrymme de vill ha, samtidigt som utgivarna kan maximera sina intäkter.

• Datadriven målgruppsanpassning: Programmatiska plattformar använder stora mängder data för att identifiera och segmentera målgrupper, vilket gör det möjligt för annonsörer att rikta in sig på användare baserat på faktorer som demografi, intressen och surfbeteende. Detta resulterar i mer relevanta och personliga annonser för konsumenterna.

• Integration mellan kanaler och enheter: Programmatiska plattformar gör det möjligt för annonsörer att köra kampanjer över flera kanaler (t.ex. display, video, sociala medier etc.) och enheter (desktop, mobil, surfplatta etc.), vilket säkerställer en sömlös och konsekvent användarupplevelse.

• Öppenhet och kontroll: Annonsörer och publicister har tillgång till rapportering och analys i realtid, vilket gör det möjligt för dem att övervaka kampanjprestanda, fatta datadrivna beslut och optimera kampanjer i realtid.

• Avancerade algoritmer och maskininlärning: Programmatiska plattformar använder avancerade algoritmer och maskininlärning för att optimera annonsinriktning, budstrategier och annonsleverans, vilket resulterar i förbättrad kampanjprestanda och ökad ROI.

• Varumärkessäkerhet och bedrägeribekämpning: Många programmatiska plattformar innehåller verktyg och funktioner som hjälper till att skydda annonsörer från att visa sina annonser tillsammans med olämpligt innehåll eller falla offer för annonsbedrägerier.

• Dynamisk kreativ optimering (DCO): DCO möjliggör automatisk generering och anpassning av annonsmaterial baserat på användardata, vilket resulterar i personliga annonser som är mer benägna att resonera med målgruppen.

• Kostnadseffektivitet: Programmatisk annonsering resulterar ofta i lägre kostnad per intryck (CPM) eller kostnad per klick (CPC) på grund av de ökade inriktningsmöjligheterna och automatiseringen, vilket i slutändan leder till en bättre avkastning på annonsutgifterna (ROAS).

• Skalbarhet: Programmatiska plattformar ger tillgång till ett stort och varierat utbud av annonser, vilket gör det möjligt för annonsörer att nå ut till en bred publik och uppnå sina marknadsföringsmål mer effektivt.

  
  

  Kontakta oss om du vill veta mer om Emerse programmatiska annonsplattform.

Här är en enkel metod för att beräkna antalet varianter i ett A/B-test:

Identifiera de komponenter som ska testas: Lista alla element som du vill testa i ditt experiment, t.ex. rubriker, bilder, CTA-knappar (call-to-action) eller layouter.

Bestäm antalet variationer för varje komponent: För varje element som du testar räknar du antalet variationer som du vill inkludera i testet. Se till att räkna originalversionen som en av variationerna.

Multiplicera antalet variationer för varje komponent: För att beräkna det totala antalet varianter multiplicerar du helt enkelt antalet varianter för varje komponent. Om du till exempel testar tre olika rubriker och två olika färger på CTA-knappen blir det totala antalet varianter följande:

Totala varianter = Variationer av rubriker * Variationer av färger på CTA-knappar

Totalt antal varianter = 3 * 2

Totalt antal varianter = 6 I det här fallet skulle du ha sex olika varianter i ditt A/B-test.

Observera att metoden ovan förutsätter en fullfaktoriell design, där alla möjliga kombinationer av varianter testas. I vissa fall kan du välja att bara testa specifika kombinationer eller använda en fraktionerad faktoriell design för att minska antalet varianter, särskilt när du testar flera komponenter samtidigt.

Kontakta oss om du vill veta mer om hur Emerse kan erbjuda A/B-testning som en tjänst.

Prebid erbjuder en uppsättning verktyg, inklusive ett JavaScript-bibliotek för att implementera header bidding på klientsidan, header bidding-lösningar på serversidan och ytterligare verktyg för analys och rapportering. Prebid.js är den mest använda komponenten i Prebid, eftersom den gör det möjligt för utgivare att enkelt integrera flera efterfrågepartners (t.ex. annonsbörser och nätverk) på sina webbplatser eller i sina appar.

De viktigaste fördelarna med att använda Prebid är följande:

1. Ökade annonsintäkter: Genom att främja konkurrens mellan flera olika efterfrågekällor hjälper Prebid utgivare att maximera sina annonsintäkter.

2. Förbättrad transparens: Prebid ger utgivare större insikt i hur deras annonslager värderas och säljs mellan olika efterfrågepartners.

3. Förbättrad kontroll: Publicister kan anpassa och optimera sina header bidding-inställningar efter sina specifika behov.

4. Snabbare sidladdningstider: Prebid är utformat för att minimera effekterna av header bidding på sidans laddningstid, vilket ger en bättre användarupplevelse.

5. Starkt stöd från samhället: Som ett projekt med öppen källkod drar Prebid nytta av en stor gemenskap av utvecklare, användare och bidragsgivare som arbetar tillsammans för att förbättra och underhålla plattformen.

Förstaprisauktioner och andraprisauktioner är två distinkta typer av auktioner som skiljer sig åt i hur det slutliga priset som betalas av den högsta budgivaren bestäms. Här är en kort översikt över var och en:

First-price auctions:

I en förstaprisauktion lägger budgivarna förseglade bud och den som lägger det högsta budet vinner auktionen. Vinnaren betalar sedan det exakta beloppet för sitt bud. Eftersom budgivarna inte vet vad andra bjuder måste de lägga upp en strategi och balansera sin önskan att vinna auktionen mot risken att betala för mycket för varan. Detta kan leda till att budgivarna lägger lägre bud än deras verkliga värdering för att undvika att betala för mycket, en strategi som kallas budskuggning.

Second-price auctions:

I en andraprisauktion, även kallad Vickrey-auktion, lägger budgivarna också slutna bud och den som lägger det högsta budet vinner auktionen. Vinnaren betalar dock beloppet för det näst högsta budet i stället för sitt eget bud. Detta auktionsformat uppmuntrar budgivarna att lägga bud som återspeglar deras verkliga värdering av objektet, eftersom de bara betalar priset för det näst högsta budet om de vinner. Denna mekanism är utformad för att minska vinnarens förbannelse, som uppstår när vinnaren betalar för mycket för ett föremål i en auktion med första pris.

Sammanfattningsvis är den största skillnaden mellan förstapris- och andraprisauktioner hur det slutliga priset bestäms. I en första-pris-auktion betalar vinnaren sitt eget bud, medan vinnaren i en andra-pris-auktion betalar det näst högsta budet. Denna skillnad i prissättningsmekanismer påverkar budgivarnas strategier och den övergripande effektiviteten i auktionerna.

Här följer en steg-för-steg-förklaring av hur header bidding fungerar:

1. Installation: Publicisten installerar en header bidding wrapper, som är en bit JavaScript-kod, på sin webbplats eller app. Denna wrapper är ansvarig för att hantera header bidding-processen och kommunicerar med olika demand partners eller annonsbörser.

2. Annonsinventering: Publicisten definierar det annonsinventarium (annonsenheter och annonsplaceringar) som de vill erbjuda för header bidding.

3. Budförfrågan: När en användare besöker utgivarens webbplats eller app skickar header bidding wrapper budförfrågningar till flera efterfrågepartners tillsammans med information om annonsinnehavet och användaren (t.ex. enhetstyp, plats och surfbeteende).

4. Svar på bud: Efterfrågepartner granskar budförfrågningarna och beslutar om de vill lägga bud på annonsinventariet. Om de gör det returnerar de ett budsvar som inkluderar budpriset och det kreativa innehållet (det faktiska annonsinnehållet).

5. Auktion: Header bidding wrapper samlar in alla budsvar och genomför en auktion för att bestämma den högsta budgivaren för varje annonsenhet.

6. Begäran om annonsserver: Efter auktionen skickar header bidding wrapper de vinnande buden till utgivarens annonsserver. Annonsservern jämför de vinnande buden från header bidding-processen med andra efterfrågekällor, som direktavtal och annonsnätverk, för att fastställa det slutliga vinnande budet för varje annonsenhet.

7. Rendering av annonsen: Annonsservern returnerar det kreativa budet för det slutliga vinnande budet till utgivarens webbplats eller app. Annonsen visas sedan för användaren.

   
   

   Genom att låta flera efterfrågepartners konkurrera om annonsinventariet hjälper header bidding utgivare att maximera sina annonsintäkter och säkerställer att annonsörer har tillgång till premiumannonsplaceringar, vilket ofta resulterar i mer relevanta och engagerande annonser för användarna.

Vill du komma i kontakt med oss, veta mer om Emerse eller programmatisk marknadsföring? Kontakta oss genom formuläret här eller Johan Bertilsson på telefon +46 76 144 30 54.

Vad är plattformar för programmatiska köp?

Plattformar för programmatiska köp automatiserar köp, placering och optimering av digital annonsering, i motsats till den traditionella metoden med mänskliga förhandlingar. De utnyttjar datainsikter och teknik för att förvärva specifika målgruppssegment till optimala prispunkter i realtid. I grund och botten är det ”börsen” i den digitala reklamvärlden.

Dessa plattformar faller under två huvudkategorier:

Demand-Side Platforms (DSPs): DSP:er som Emerse DSP gör det möjligt för annonsörer och byråer att köpa digitala annonser från flera olika källor, från webbplatser till appar. De optimerar baserat på specifika inriktningskriterier som demografi, geografi, intressen och surfbeteende.

Supply-Side Platforms (SSPs): SSP:er används av onlinepublicister för att sälja sitt annonsutrymme till annonsörer. De ser till att utgivarna får högsta möjliga pris för sina annonser genom budgivningsprocesser i realtid.

Hur fungerar de?

Föreställ dig en användare som besöker en webbplats. I samma ögonblick som webbplatsen laddas skickar den en signal till en annonsbörs om att just den här användaren är tillgänglig för en annonsvisning. Annonsbörsen bedömer annonsvisningens data (URL, demografisk information, intressen) och matchar den med en annonsörs kriterier. Om det är en matchning inleds en auktion mellan konkurrerande annonsörer, och den som lägger det högsta budet får sin annons visad för användaren. Allt detta sker på millisekunder, vilket säkerställer att användarupplevelsen förblir smidig och oavbruten.

Fördelar med plattformar för programmatiska köp:

Effektivitet: Automatisering innebär snabbare transaktioner och optimerad prissättning. Annonsörer kan nå sin önskade målgrupp mer effektivt och publicister kan sälja sitt lager snabbare.

Precision: Genom att använda datadrivna insikter kan annonsörer rikta annonser till specifika användarsegment, vilket säkerställer att innehållet är relevant och mer sannolikt leder till användarengagemang.

Analys i realtid: Programmatiska plattformar erbjuder dataanalys i realtid. Annonsörer kan se hur deras annonser presterar och göra omedelbara justeringar om det behövs.

Räckvidd och tillgång: Plattformar för programmatiska köp kopplar ihop annonsörer med ett stort nätverk av publicister. Detta innebär fler möjligheter att visa annonser för rätt målgrupp, på olika plattformar och enheter.

Utmaningar och farhågor:

Även om programmatiska plattformar har revolutionerat den digitala annonseringen är de inte utan utmaningar. Ekosystemets komplexitet kan leda till problem som t.ex:

Öppenhet: Med så många mellanhänder inblandade kan det ibland vara oklart vart en annonsörs pengar tar vägen och hur mycket av dem som spenderas på faktiska annonsplaceringar kontra plattformsavgifter.

Annonsbedrägerier: Automatiserade system kan ibland utnyttjas av illvilliga aktörer för att generera falska klick eller visningar, vilket kostar annonsörerna pengar utan något verkligt engagemang.

Oro för integriteten: Insamling av användardata för riktad annonsering har väckt oro för integritetsfrågor. Nya regleringar som den allmänna dataskyddsförordningen (GDPR) i Europa har införts för att skydda användardata. Plattformar som Emerse DSP är medlemmar i IAB TCF Framework som arbetar för att säkerställa att konsumenternas integritetsval hanteras korrekt i digital marknadsföring.

Slutsats:

Plattformar för programmatiska köp har i grunden förändrat det digitala reklamlandskapet. De har gjort annonsplaceringarna mer effektiva, målinriktade och datadrivna. Som med alla tekniska framsteg kommer de med utmaningar. Men med kontinuerlig innovation och lämpliga regleringar lovar de en framtid där annonser inte bara ses som avbrott, utan som relevant, aktuellt innehåll som ger värde för både annonsören och slutanvändaren.

Skapa ett konto i Emerse DSPhttps://www.emerse.com/sv/dsp-demand-side-platform idag för att komma igång med dina programmatiska köp eller kontakta vårt team för att boka en demo och prata mer.

Programmatisk annonsering har omdefinierat landskapet för digital marknadsföring och erbjuder oöverträffade möjligheter till precisionsinriktning. Även om programmatisk annonsering omfattar ett brett spektrum av format är bannerannonser fortfarande ett av de mest använda. Kombinationen av programmatiska köp och visuellt engagerande banners kan leda till kraftfulla kampanjer. Låt oss utforska fem minnesvärda exempel på bannerkampanjer med programmatisk annonsering:

Coca-Colas ”Dela en cola”-kampanj:

Coca-Colas ikoniska ”Share a Coke”-kampanj tog personalisering till en ny nivå. Kampanjen var ursprungligen en traditionell marknadsföringskampanj, men Coca-Cola använde sig av programmatiska köp för att skicka personliga bannerannonser till användarna. Baserat på användardata visade dessa banners namn eller personliga meddelanden som uppmuntrade användarna att hitta och köpa en colaflaska med det namnet. Den dynamiska karaktären hos dessa programmatiska banners ökade användarnas engagemang avsevärt, vilket gjorde det till en digital motsvarighet till dess framgång i verkligheten.

Cadburys ”Match & Win”-kampanj:

Cadbury använde sig av programmatiska banners för att marknadsföra sin ”Match & Win”-tävling. Användarna fick se banners med en unik kod som uppmanade dem att köpa en Cadbury-produkt, ange koden online och vinna priser. Det som gjorde kampanjen speciell var den dynamiska inriktningen. Med hjälp av data visades banners för användare som var mer benägna att delta, till exempel tidigare tävlingsdeltagare eller de som hade visat intresse för liknande kampanjer.

Nikes Weather Sync-kampanj:

Nike bestämde sig för att visa upp sina väderanpassade kläder med hjälp av väderdata i realtid. Genom programmatiska banners, om en användare upplevde regniga förhållanden, skulle de visas Nikes senaste vattentäta löparutrustning. Omvänt, under varmare dagar skulle Nike marknadsföra sina sportkläder som andas. Synkroniseringen med realtidsförhållanden gjorde annonserna aktuella, relevanta och mycket effektiva.

Lexus dynamiska retargeting-banners:

Lexus använde programmatisk teknik för att rikta in sig på användare som hade visat intresse för specifika bilmodeller på deras webbplats. Beroende på vilken modell användaren hade visat intresse för fick de se en anpassad bannerannons som presenterade just den modellen, dess funktioner och eventuella pågående kampanjer eller rabatter. Denna exakta inriktning fick användarna att känna att annonsen var skräddarsydd för dem, vilket ökade chanserna för att de skulle återvända till webbplatsen och komma längre ner i försäljningstratten.

Burberrys personaliserade doftannonser:

För att marknadsföra sitt doftsortiment använde Burberry programmatiska banners för att rikta in sig på användare baserat på deras surfbeteende och tidigare köp. Om en användare tidigare hade visat intresse för herrprodukter fick de se en banner som marknadsförde Burberrys senaste herrdoft. På samma sätt skulle de som surfar på kvinnocentrerade produkter se banners för damdofter. Genom att se till att annonserna var nära kopplade till användarnas intressen ökade Burberry genomslagskraften för sina budskap.

Sammanfattningsvis visar dessa exempel på programmatisk annonsering hur data, kreativitet och teknik kan samverka för att leverera effektiva budskap. I takt med att programmatisk annonsering fortsätter att utvecklas kan vi förvänta oss ännu mer innovativa och personliga kampanjer som når ut till målgruppen.

Börja köra programmatisk annonsering i Emerse DSP idag genom att registrera dig för ett konto. Ingen minsta insättning och du kan snabbt starta dina första kampanjer.

I den digitala omvandlingens tidevarv ser nästan alla branscher hur teknik integreras för optimering, effektivitet och innovation. Rekryteringssektorn är inget undantag. Programmatisk rekryteringsannonsering har vuxit fram som en game-changer som använder teknik för att automatisera processen med att köpa, placera och optimera jobbannonser. Låt oss gå djupare in i förståelsen av detta tillvägagångssätt och hur organisationer kan utnyttja dess potential.

Vad är programmatisk rekryteringsannonsering?

I grund och botten handlar programmatisk rekryteringsannonsering om att automatisera distributionen av platsannonser över olika plattformar. Genom att använda dataanalys, algoritmer och realtidsbudgivning säkerställs att jobbannonser når de mest lämpliga kandidaterna vid optimala tidpunkter och platser, vilket maximerar synlighet och engagemang samtidigt som kostnaderna minimeras.

Processen

Skapande av jobbannons: Innan en kampanj startas måste rekryterarna skapa övertygande jobbeskrivningar. Med rätt innehåll, anpassat till målgruppen, blir de efterföljande stegen i den programmatiska metoden ännu mer effektiva.

Definiera målgruppen: Med hjälp av dataanalys kan rekryterare ställa in detaljerade parametrar för vem som ska se annonsen - baserat på kompetens, plats, surfvanor eller andra mätvärden. Detta säkerställer att annonsen endast visas för dem som passar bäst.

Budgivning i realtid (RTB): Till skillnad från traditionella metoder där jobbannonser köps för ett fast pris på specifika plattformar, möjliggör RTB auktioner i realtid. Annonsen budas dynamiskt med hjälp av en Demand Side Platform som Emerse DSP, vilket säkerställer att den placeras där den kommer att få mest dragkraft bland potentiella kandidater.

Optimerad distribution av annonser: Annonsen visas sedan strategiskt på olika plattformar - det kan vara jobbsajter, sociala medier eller nischade webbplatser - beroende på var målgruppen är mest aktiv.

Kontinuerlig analys och justering: En av de största fördelarna med programmatisk annonsering är dess dynamiska natur. När kampanjen körs övervakar algoritmer dess prestanda. Baserat på realtidsdata görs justeringar - oavsett om det handlar om att byta plattform, justera målgruppsparametrarna eller justera budet - för att säkerställa maximal effektivitet.

Fördelar med programmatisk rekryteringsannonsering

Kostnadseffektivt: Genom att rikta annonser mer exakt och förlita sig på RTB kan organisationer minska slöseri med utgifter. Du betalar inte för annonser som når fel målgrupp.

Bredare räckvidd: Med möjligheten att distribuera över flera plattformar samtidigt erbjuder programmatisk rekrytering en bredare räckvidd. Dessutom kan man nå ut till passiva kandidater - de som inte aktivt letar men som kan vara intresserade om rätt tillfälle dyker upp.

Effektivitet: Automatiserade processer innebär färre manuella ingrepp. Tiden från det att en platsannons skapas till dess att den visas för potentiella kandidater förkortas drastiskt.

Datadrivna beslut: Att förlita sig på dataanalys innebär att besluten inte baseras på magkänsla. Rekryterare får en tydlig bild av vad som fungerar och vad som inte fungerar, vilket möjliggör mer välinformerade strategier.

Utmaningar och överväganden

Men precis som alla andra metoder är programmatisk rekrytering inte helt utan utmaningar. Det finns en inlärningskurva inblandad. Organisationer behöver expertis, oavsett om den är intern eller outsourcad, för att förstå de komplicerade frågorna. Dessutom, även om automatisering bidrar till effektivitet, bör den mänskliga touchen i rekryteringen inte helt diskonteras. Slutligen måste dataskyddsfrågor, särskilt med ökande regleringar, hanteras noggrant.

Slutsatsen av detta

Programmatisk rekryteringsannonsering håller på att omforma rekryteringslandskapet. Genom att blanda automatisering med dataanalys utlovas ett smartare, effektivare och mer kostnadseffektivt sätt att sammanföra arbetsgivare med potentiella anställda. I takt med att det digitala landskapet utvecklas är det en väg som organisationer inte har råd att förbise om de vill vara konkurrenskraftiga i sina anställningsstrategier.

Om du är intresserad av att lära dig mer om hur du använder programmatisk annonsering för rekrytering, tveka inte att kontakta oss. Om du vill skapa ett konto i Emerse DSP och börja köra programmatiska annonser idag, kan du göra det idag med hjälp av den här länken.

Programmatisk annonsering har blivit en game-changer som omformar hur varumärken når ut till publiken. Men vad exakt är det och hur fungerar det? För den nyfikna läsaren ger den här artikeln en djupdykning i mekaniken bakom programmatisk annonsering.

Definition av programmatisk annonsering

Programmatisk annonsering automatiserar beslutsprocessen för att köpa och placera annonser genom att rikta in sig på specifika målgrupper och demografi. I grund och botten är det algoritmstyrt köp och försäljning av reklamutrymme i realtid. Det eliminerar de traditionella manuella metoderna och introducerar precision, effektivitet och skala i annonseringsprocessen.

Den intrikata processen med programmatisk annonsering

Programmatisk annonsering drivs av teknikplattformar, varav de mest integrerade är Demand Side Platform (DSP) och Supply Side Platform (SSP). Här är en uppdelning av dessa plattformar och deras roller:

Plattform på efterfrågesidan (DSP): Ett system som annonsörer använder för att automatisera inköp av digitala medier från olika lager. Genom DSP kan annonsörer ställa in sina målpreferenser, budget, bud på annonsvisningar och övervaka kampanjens prestanda.

Supply Side Platform (SSP): Denna plattform gör det möjligt för ägare av digitala medier (publishers) att hantera, prissätta och sälja sitt annonsutrymme. En SSP bedömer värdet av inkommande visningar, begär in bud från potentiella köpare (via DSP:er) och väljer det högsta budet.

Den verkliga magin utspelar sig när en användare besöker en webbsida. Här är en steg-för-steg-process av vad som händer:

Användaren besöker en webbplats: I samma ögonblick som en användare besöker en webbsida med ett annonsutrymme skickar utgivaren en ”budbegäran” till SSP. Denna begäran innehåller information om användaren, inklusive surfhistorik, plats med mera.

Auktionsprocessen: SSP:en utvärderar dessa uppgifter och skickar budbegäran till annonsbörsen. Annonsbörsen bjuder sedan in annonsörer att lägga bud på den aktuella annonsvisningen.

Annonsörer lägger bud: Annonsörer, genom sina DSP:er, utvärderar användarens data och beslutar om användaren är värdefull för dem. Om de anses vara värdefulla lägger DSP:n ett bud för annonsörens räkning.

Val av vinnare: Den som lägger det högsta budet vinner auktionen. Annonsbörsen meddelar sedan SSP:en, som i sin tur säger till utgivarens plattform att visa den vinnande annonsen.

Leverans av annonsen: Användarens webbläsare hämtar annonsen och visar den. Hela processen, från det att användaren besöker webbplatsen till dess att annonsen visas, tar bara några millisekunder.

En detaljerad uppdelning av en RTB-auktion

Många företag som bygger teknik för programmatisk annonsering följer OpenRTB-specifikationen. Här är en översikt över en typisk RTB-auktion.

1. Användaren går in på en webbsida

När en användare navigerar till en webbsida som har utrymmen som tilldelats för programmatiska annonser (som bannerannonser eller videoannonser), utlöser denna åtgärd starten av en RTB-auktion.

2. Budbegäran initieras

Utgivarens annonsserver, ofta via en Supply-Side Platform (SSP), skickar ut en budbegäran till en annonsbörs. Denna budbegäran innehåller en mängd information om användaren utan att avslöja dennes personliga identitet. Detta kan inkludera:

• Användardata: Typ av webbläsare, enhet (mobil/dator/surfplatta), operativsystem, IP-adress (ofta anonymiserad) och eventuellt historiska data om användarens tidigare surfbeteenden.

• Sidkontext: Webbplatsens URL, innehållskategori, sidans nyckelord och andra relevanta metadata.

• Annonsdetaljer: Tillgängliga annonsstorlekar/-typer, annonsformat och placeringspositioner.

3. Annonsörer utvärderar budförfrågan

När annonsbörsen har tagit emot budbegäran sänder den denna begäran till flera potentiella annonsörer (eller deras representanter, som är DSP:er (Demand-Side Platforms)).

Dessa DSP:er utvärderar budbegäran baserat på:

Inriktningskriterier: Annonsörer har fördefinierade kriterier (som att rikta in sig på användare från en viss plats eller som använder en viss enhet) som de letar efter. Om användarens profil matchar dessa kriterier går de vidare med budgivningen.

Retargeting-listor: Om användaren tidigare har interagerat med annonsörens innehåll (som att besöka deras webbplats utan att göra ett köp) kan de finnas på en retargeting-lista, vilket gör dem mer värdefulla för annonsören.

Algoritmer för bud: Avancerade algoritmer fastställer budbeloppet baserat på det upplevda värdet av intrycket för annonsören.

4. Budgivning

Intresserade annonsörer lämnar sina bud via DSP:erna. Budet inkluderar det belopp som de är villiga att betala för visningen och den specifika annons som de vill visa om de vinner auktionen.

5. Välja ut det vinnande budet

Annonsbörsen granskar alla inlämnade bud och identifierar den högsta budgivaren. Vissa auktioner kan använda en auktionsmodell med andra pris, där vinnaren betalar 0,01 USD mer än det näst högsta budet, vilket säkerställer att de betalar det verkliga marknadsvärdet. Vissa auktioner använder en första-pris-auktion där du betalar vad du bjudit om du vinner.

6. Leverans av annonsen

När det vinnande budet har fastställts instruerar annonsbörsen utgivarens webbplats (eller SSP:en) att visa den vinnande annonsörens annons för användaren.

7. Användaren ser annonsen

Användarens webbläsare hämtar den vinnande annonsen och visar den i annonsutrymmet på webbsidan. Användaren kan sedan interagera med annonsen och annonsören kan registrera alla relevanta mätvärden, som klick eller konverteringar.

8. Analys efter auktionen

Annonsörer analyserar ofta resultaten av sina bud för att förfina sina strategier. De kan titta på mätvärden som klickfrekvenser, konverteringar eller synlighet för att avgöra hur framgångsrika deras bud är.

Bränslet: Data i programmatisk annonsering

Programmatisk annonserings skicklighet ligger i data. Olika källor, från webbplatser, appar, sociala nätverk och till och med offlinekällor, matar in data i programmatiska plattformar. Denna rika data gör det möjligt för:

Segmentering av målgrupper: Annonsörer kan identifiera mikrosegment inom bredare kategorier. I stället för att rikta in sig på ”män i åldern 25-30” kan de rikta in sig på ”män i åldern 25-30 som är veganer, gillar att vandra och nyligen sökte efter miljövänliga produkter”.

Retargeting: Användare som har interagerat med ett varumärke men inte konverterat kan riktas om. Detta ökar chanserna för konvertering eftersom användaren redan är bekant med varumärket.d.

Olika typer av programmatiska inköp

Budgivning i realtid (RTB): Detta innebär att man köper och säljer annonser i realtidsauktioner, ungefär som aktiehandel. Annonsörer bjuder på visningar baserat på användarens värde, och det högsta budet vinner.

Programmatic Direct: Detta är en mer traditionell metod där annonsörer köper garanterade annonsvisningar direkt från publicister. Priset och volymen är förutbestämda.

Privata marknadsplatser (PMP): Det här är exklusiva RTB-auktioner där premiumpublicister bjuder in utvalda annonsörer att lägga bud på deras lager. Det ger mer kontroll och transparens för båda parter. PMP:er kan också köpas genom att använda en DSP.

Fördelar med programmatisk annonsering

Effektivitet: Automatisering effektiviserar annonsköpsprocessen och eliminerar behovet av manuella förhandlingar.

Precision: Avancerade algoritmer och omfattande data möjliggör hyperinriktade annonsplaceringar.

Flexibilitet: Annonsörer kan justera kampanjer i realtid baserat på resultatdata.

Skala: Tillgång till ett stort antal publicister innebär att annonsörer enkelt kan utöka sin räckvidd.

Utmaningar med programmatisk annonsering

Öppenhet: Vissa plattformar fungerar som ”svarta lådor”, vilket innebär att annonsörer inte alltid vet var deras annonser visas.

Annonsbedrägerier: Automatiserade system kan ibland visa annonser för robotar, vilket leder till bortkastade annonsutgifter. Detta gäller både programmatisk annonsering, men även automatiserad marknadsföring så som Performance Max via Google Ads. Därför är det viktigt att ha system för att identifiera och förhindra exempelvis bottrafik. Vi på Emerse kvalitetssäkrar trafiken i flera led och arbetar aktivt med att utesluta hemsidor med exempelvis hög bottrafik. Kontakta oss för att få veta mer.

Oro för integriteten: Med data som drivkraft finns det en pågående debatt om användarnas integritet och missbruk av data.

Slutsatser

Programmatisk annonsering har förändrat den digitala annonseringssfären med sin effektivitet, skalbarhet och precision. Genom att utnyttja teknik och data har det gjort det möjligt för varumärken att engagera sig med sin målgrupp som aldrig förr. Men som med alla tekniska framsteg är det viktigt att navigera i ekosystemet med kunskap och medvetenhet, vilket säkerställer att användarnas förtroende och integritet upprätthålls, även när annonsörer arbetar för att skapa övertygande, personliga annonsupplevelser.

Om du vill komma igång med programmatisk annonsering kan du antingen skapa ett konto nu i Emerse DSP med hjälp av den här länken. Eller kontakta oss för att lära dig mer och boka ett möte.

Authors: Carl Dahl, Pontus Ericsson.

Supervisors:

Pierre Nugues, Department of Computer Science, Faculty of Engineering, Lund University

Jacek Malec, Department of Computer Science, Faculty of Engineering, Lund University

Carl-Johan Grund, Emerse Sverige AB

Rasmus Larsson, Emerse Sverige AB

Link: https://www.lunduniversity.lu.se/lup/publication/8995181

Link to PDF: Managing Programmatic Advertising Using Machine Learning

Articles in this series are theoretical and involves a substantial part of mathematics and computer science.

This thesis is an exploratory study into the possibility of using machine learning to manage advertisement campaigns and agents involved in real-time bidding. The norm for the industry of real time bidding is currently having human operators managing campaigns by changing settings to maximize the number of clicks. The goal was to investigate the possibility of automating this process, to at the very least assist the human operators with making better decisions. The first part of the project was to build a model for predicting the clickthrough rate (CTR) of the ad campaigns. The second part was to use the model to suggests optimal settings for bidding agents. The outcome was a model with an accuracy of 92% in predicting whether an ad was to generate any clicks or not, and with an accuracy of 58% to predict the outcome of an agent in the different categories “few clicks”, “some clicks” and “many clicks”.

Author: David Rådberg

Supervisors:

Karl-Erik Årzén, Department of Automatic Control, Lund University.

Martina Maggio, Department of Automatic Control, Lund University.

Anders Rantzer, Department of Automatic Control, Lund University.

Carl-Johan Grund, Emerse Sverige AB

Rasmus Larsson, Emerse Sverige AB

Link: https://lup.lub.lu.se/student-papers/search/publication/8953440

Full-text PDF: Optimal Real Time Bidding in Online Advertising

This thesis explores some of the possibilities of demand side optimization in online advertising, specifically how to evaluate and bid optimally in real time bidding. Theory for many types of optimizations is discussed. The thesis evaluates auctions from a game theory and control theory perspective. It also discusses how big data sets can be used in real time, and how agents can explore unknown stochastic environments. All items are valued through an estimated action probability, and a control system is designed to minimize the cost for these actions. The control system aims to find the lowest possible price per item while spending the entire budget. Periodic market changes and censored data makes this task hard and imposes low pass characteristics on the closed system. Using data to evaluate items is a high dimensional problem with very small probabilities. When data is limited the algorithm is forced to choose between low variance and precision. The choice between exploring and exploiting the unknown environment is crucial for long and short term results. An optimization algorithm was implemented and run in a live environment. The algorithm was able to control the spend optimally, but distributed it suboptimally.

Author: Erik Smith

Supervisors:

Pierre Nugues, Department of Computer Science, Faculty of Engineering, Lund University

Elin Anna Topp, Department of Computer Science, Faculty of Engineering, Lund University

Carl-Johan Grund, Emerse Sverige AB

Rasmus Larsson, Emerse Sverige AB

Link: https://lup.lub.lu.se/student-papers/search/publication/8994653

Link to full-text PDF: Reinforcement Learning for Real Time Bidding

Today, the most common software-based approach to trading advertising slots is real time bidding: as soon as the user begins to load the web page, an auction for the slot is held in real time, and the highest bidder gets to display their advertisement of choice. But each bidder has a limited budget, and strives to spend it in a manner that maximizes the value of the advertisement slots bought. In this thesis, we formalize this problem by modelling the bidding process as a Markov decision process. To find the optimal auction bid, two different solution methods are proposed: value iteration and actor–critic policy gradients. The effectiveness of the value iteration Markov decision process approach (versus other common baselines methods) is demonstrated on real-world auction data.

Innan vi börjar vill vi nämna att Emerse arbetar för annonsörer för att leverera kvalitets- och kostnadskontrollerad programmatisk annonsering som en managed service. Vi gör detta genom att använda en process för kvalitetshantering som traditionellt sett oftare återfinns inom områden som tillverkning. För att lära dig mer om vårt arbete är du välkommen att kontakta vårt säljteam för att boka ett möte.

Vad är omladdningstid för annonser?

”Ad reload time” avser intervallet mellan när en annons visas och när den ersätts eller uppdateras med en annan annons på en webbsida eller i en app. Detta koncept är särskilt relevant i samband med digital annonsering där annonser kan laddas dynamiskt och bytas ut utan att hela sidan behöver uppdateras.

Laddningstiden kan ställas in på olika varaktigheter beroende på annonsörens eller utgivarens strategi. En kortare laddningstid kan öka antalet annonser som visas för en användare, vilket potentiellt kan öka intäkterna. Det kan dock också påverka användarupplevelsen negativt om annonserna uppdateras för ofta, vilket kan vara distraherande eller irriterande för användarna.

Varför är det viktigt för annonsörer att känna till omladdningstiden för annonser?

Om du till exempel köper displaybannerannonsering och kör med programmatiska kanaler på tusentals webbplatser och appar, kan var och en av dessa utgivare ställa in sina egna omladdningstider för annonser. Vissa kanske laddar om bannern en gång för varje sidbesök, andra kanske laddar om bannerpositionen en gång var 30:e sekund. Men vissa kanske laddar om den var 3:e sekund. Om du tänker på detta och den inverkan det har på värdet av den köpta annonsvisningen är det lätt att se att en annonsposition som laddas om efter 3 sekunder ger en betydligt lägre chans att ses eller läsas av en besökare medan en annons som finns tillgänglig på skärmen under hela sidbesöket är mer sannolikt att ses av besökaren, och när den ses kommer besökaren också att ha tid att läsa och se innehållet i bannern.

För snabba laddningstider för annonser minskar chansen att besökaren ens ser annonsen på sidan innan den laddas om. Chansen är stor att även om de ser den kommer de inte att ha tid att klicka på den innan den laddas om med en annan annons från en annan annonsör. Så det här kan vara ett stort problem för annonsörer.

Exempel

Här är ett exempel på hur snabb annonsomladdning kan se ut. Här har du 3 banners som alla laddas om med 2 sekunders intervall:

Vad kan annonsörer göra för att hantera detta?

Först och främst är det viktigt att vara medveten om de skillnader i kvalitet som olika publicister erbjuder. Alla publicister erbjuder inte samma antal sekunder i annonssynlighet för en visning.

Tiden för omladdning av annonser regleras ofta av policyer från de annonsnätverk, annonsbörser och plattformar på utbudssidan som används av utgivarna. Plattformar på efterfrågesidan kan också fastställa sina egna policyer för vilka laddningstider de tillåter. Genom att vara medveten om detta kan annonsören köpa från källor med god kvalitet på de tillåtna laddningstiderna för annonser.

När man sammanställer sitelists för kampanjer eller granskar trafik från leveransrapporter bör man överväga att ha annonsernas laddningstid som en parameter i kvalitetskontrollen. Om laddningstiden är för kort är risken stor att annonsvisningar inte får den effekt som de är avsedda att få.

Kvalitetskontrollprocessen på Emerse inkluderar annonsens laddningstid och vi arbetar för att säkerställa att våra kunder inte köper visningar från lager med för låga sådana tider.

Om du vill ha hjälp med att köpa display-, video-, banner- och programmatiska annonskampanjer med kvalitets- och kostnadskontroller på plats, vänligen kontakta oss för att boka ett möte med vårt säljteam.

Missa inte vår nästa artikel i den här serien, om ad stacking.

Innan vi börjar vill vi lyfta fram att Emerse är dedikerat till att förse annonsörer med kvalitet, kostnadskontrollerad programmatisk annonsering genom en hanterad tjänst. Vi tillämpar kvalitetshanteringsprocesser som vanligtvis ses i branscher som tillverkning på reklam. Om du är intresserad av att lära dig mer om våra tjänster, tveka inte att kontakta vårt säljteam.

Vad är ad stacking?

Ad stacking innebär att flera annonser staplas ovanpå varandra i en enda annonsplats, men endast den översta annonsen är synlig för användarna. De andra annonserna under förblir osynliga, även om de tekniskt sett visas och registreras som visningar. Detta kan hända i både display- och videoannonsering och är ofta förknippat med bedrägliga avsikter att generera intäkter genom att leverera osynliga annonser.

Konsekvenserna av ad stacking är främst negativa och mångfacetterade och påverkar annonsörer på flera sätt:

Bortkastade utgifter: Annonsörer betalar för visningar som i själva verket aldrig visas av användarna. Detta dränerar annonsbudgetarna, eftersom en betydande del av utgifterna inte bidrar till faktiskt annonsengagemang eller varumärkesexponering.

Snedvriden analys: Eftersom alla annonser i en stack rapporterar visningar leder annonsstapling till uppblåsta visningsräkningar, vilket vilseleder annonsörer om den verkliga räckvidden och effektiviteten i deras kampanjer. Detta kan leda till snedvridna resultatanalyser, vilket leder till dåligt beslutsfattande baserat på felaktiga data.

Skadat rykte: Varumärken som omedvetet är inblandade i ad stacking kan drabbas av ryktesskador om deras annonser förknippas med bedrägliga aktiviteter, även indirekt. Detta kan undergräva förtroendet hos både konsumenter och reklampartners.

Minskad kampanjeffektivitet: Mätvärden för verkligt engagemang, t.ex. klickfrekvens och konverteringsgrad, påverkas negativt. Skillnaden mellan höga visningar och lågt engagemang kan leda till felaktiga bedömningar av kampanjens resultat.

Hur upptäcker vi det?

På Emerse använder vi ett antal verktyg för att analysera annonsvisningar och annonslager för kvalitetssäkring. Vi har tillbringat många år med att förfina vår teknik och våra metoder för att hitta sätt att hålla reda på kvaliteten på annonsvisningar och undvika annonsinventarier av låg kvalitet.

Några exempel på sätt att upptäcka annonsstapling:

Geometrisk övervakning: Detta innebär att man kontrollerar z-index (en CSS-egenskap som anger stapelordningen för element) och andra CSS-egenskaper för annonselement för att avgöra om flera annonser är lagrade över varandra i samma annonsutrymme.

Analys av sidlayout: Denna metod analyserar hela layouten på en webbsida för att säkerställa att annonsplaceringarna är synliga och inte skyms av annat innehåll eller annonser.

Test av webbläsarens synlighet: Dessa tester avgör om en annons ligger inom det synliga området i webbläsarfönstret och inte är dold bakom annat innehåll.

Hur vi kan hjälpa dig att köra kampanjer med färre kvalitetsproblem

Vi hjälper dagligen våra kunder att leverera annonskampanjer med hjälp av högkvalitativa konfigurationer som vi har finjusterat under många års arbete.

Vi analyserar stora flöden av visningsdata varje dag och vidtar åtgärder för att steg för steg förbättra inställningar och konfigurationer för våra kunder. Varje förbättring är till nytta för alla våra kunder. Så det kombinerade flödet av annonsvisningar och den kunskap om kvalitetskontroll som de genererar är till nytta för alla annonsörer som vi arbetar för.

Slutsats: Exkludera lager med annonsstapling

Det är viktigt att mäta och hålla reda på potentiell ad stacking för varje publicist och lagerkälla som du köper annonser på. När en publicist har identifierats som engagerad i ad stacking kan de tas bort från dina webbplatslistor (eller om du kör öppen målgruppsinriktning, läggas till i en svart lista). Att ta bort annonsvisningar med ad stacking kommer att förbättra resultatet för dina kampanjer eftersom fler människor faktiskt kommer att se de annonsvisningar du köper.

På Emerse ger vi kunderna feedback och input om vilken trafik vi tycker använder metoder som ad stacking.

Missa inte vår tredje artikel i Emerse on Quality-serien, om diskrepans mellan Google Analytics-sessioner och programmatiska DSP-klick.

Om du vill utforska att låta Emerse hantera din programmatiska annonsering med hjälp av våra kvalitets- och kostnadskontrollprocesser, se till att kontakta oss idag.

I den här artikeln undersöker vi hur annonsörer kan använda insikter från sina Google Ads-sökkampanjer som signaler för att informera inställningarna för sina programmatiska kampanjer. Eftersom Google Ads-kampanjer kan vara sent i annonstratten och fånga upp signaler om köparens avsikt kan dessa vara användbara för att bättre rikta in programmatiska display-, video- och out-of-home-kampanjer med liknande parametrar.

Om Emerse och tjänster inom Fullservice programmatisk annonsering

Emerse har i mer än 10 år tillhandahållit tjänster inom programmatisk annonsering till kunder över hela världen. Med fokus på kvalitet, kostnad och prestanda hjälper vi våra kunder att förbättra sin annonsering utöver ”normala” metoder. För att ta reda på mer om våra tjänster och bli kund, vänligen kontakta vårt säljteam idag här.

Hur smarta budgivningssignaler kan informera om inriktning i programmatiska kampanjer

Google Ads och kampanjer som använder verktyg som Performance Max fokuserar ofta på kunder som befinner sig långt fram i köpprocessen och som har en köpintention och kan ha en hög grad av konvertering. Därför kan kampanjinsikterna från dessa kampanjer ge intressanta signaler som kan vara användbara för att rikta kampanjer även i programmatiska kanaler. Med information om t.ex. vilka geografiska områden eller tider på dygnet som ger bäst resultat kan liknande inställningar användas i programmatiska kampanjer för att förbättra resultatet. De programmatiska kampanjerna behöver inte köras i Googles plattformar. Du kan helt enkelt använda insikterna från signalerna för smart budgivning för att göra inställningar i vilken plattform du än använder för dina programmatiska kampanjer.

På så sätt kan sökkampanjer mata in data i programmatiska kampanjer. Om du kör kampanjer med Google Ads har du tillgång till dessa data och kan använda dem i dina programmatiska kampanjer på andra plattformar.

Dynamiken i sökkampanjer i Google Ads skiljer sig ganska mycket från dynamiken i t.ex. en programmatisk bannerkampanj. Därför kan signalerna ge olika värde i optimeringsprocessen för dina programmatiska kampanjer. Enkelt uttryckt ger de en annan ”syn” på optimeringen utifrån ett (ofta) sökordsdrivet perspektiv.

Var hittar du smarta budgivningssignaler?

Rapporter om budstrategier kan hittas med hjälp av de steg som beskrivs på den här länken: https://support.google.com/google-ads/answer/7074568?hl=en&ref_topic=6294205&sjid=3975267608713313156-EU

På kampanjnivå kan du till exempel hitta rapporterna på följande sätt (citerat från länken ovan):

I ditt Google Ads-konto klickar du på ikonen Kampanjer .

1. Klicka på rullgardinsmenyn Kampanjer i sektionsmenyn.

2. Klicka på Kampanjer och navigera sedan till tabellen Kampanjer.

3. Lägg till kolumnen ”Typ av budstrategi”, om den inte redan finns.

4. Hitta den relevanta kampanjen, håll muspekaren över den markerade typen av budstrategi (till exempel Maximera konverteringsvärdet (tROAS) eller Maximera konverteringsvärdet).

5. Klicka för att visa budstrategirapporten för den kampanjen.

Hur smarta budgivningssignaler ser ut

När du har hittat din budstrategirapport kommer du att se något liknande detta under signaler:

Här under Toppsignaler hittar du signaler som används av smart budgivning i Google Ads för att optimera din budgivning:

Här kan vi alltså se att vissa geografiska platser (i det här exemplet Stockholm) och vissa veckodagar (i det här fallet helger) verkar prestera bättre. Samtidigt verkar vissa platser (Göteborg i det här fallet) prestera mindre bra.

De bästa signalerna för smart budgivning är också lättillgängliga i Google Ads mobilapp:

Så här implementerar du dessa insikter i dina programmatiska kampanjer

För att testa hur dessa signaler fungerar i dina programmatiska kampanjer skapar du helt enkelt en ny rad eller budagent som riktar sig till de bästa positiva signalerna. Till exempel samma geografiska plats, veckodagar och tider på dygnet.

Håll sedan koll på hur de bästa signalerna förändras i Google Ads, så att du kan uppdatera och testa nya optimeringsstrategier i dina programmatiska kampanjer.

Intresserad av att utforska hur det är att arbeta med oss? Vi tillhandahåller programmatisk annonsering via banner, video, CTV och Digital Out-of-Home som en managed service för kunder i flera länder. Kontakta oss idag för att ta reda på mer och starta ett partnerskap.

Innan vi går vidare till de intressanta ämnena i den här artikeln vill vi nämna att Emerse tillhandahåller fullt hanterade kvalitetskontrollerade tjänster för leverans, analys och optimering av programmatisk annonsering för varumärken, annonsörer och byråer. Våra verktyg och processer för kvalitetskontroll går bortom vad som normalt ingår inom programmatisk annonsering. Vi hjälper dagligen varumärken att leverera kampanjer med större effekt, högre kvalitet och till lägre kostnad. Kontakta vårt säljteam idag för att börja arbeta med oss.

Intro: Vad är klickdiskrepans?

Klickdiskrepans mellan Google Analytics-sessioner och DSP (Demand-Side Platform)-klick uppstår när antalet klick som rapporteras av en DSP inte stämmer överens med antalet sessioner som registrerats i Google Analytics. Flera faktorer bidrar till dessa avvikelser:

Bottrafik:

DSP-klick kan inkludera icke-mänsklig (bot) trafik, vilket blåser upp klicksiffrorna. Google Analytics använder filter för att utesluta viss bot-trafik, vilket minskar antalet sessioner. Detta skapar ett gap mellan vad DSP:n rapporterar som klick och vad GA rapporterar som sessioner. Vi ser att detta är ett mycket vanligt problem i programmatiska kampanjer och kommer att diskutera detta mer nedan.

Skillnader i spårning (sessioner vs. klick):

• Google Analytics-sessioner: En session är en grupp interaktioner på en webbplats inom en viss tidsram. En session inleds när en användare landar på en webbplats och avslutas vanligtvis efter 30 minuters inaktivitet. Om en användare klickar på en annons flera gånger eller återvänder inom den tiden kan endast en session räknas.

• DSP-klick: Varje klick på en annons registreras av DSP:n, även om användaren inte slutför landningsprocessen, stöter på fel eller navigerar bort snabbt.

• Exempel på diskrepans: En användare kan klicka på en annons flera gånger men bara utlösa en enda session i GA (Google Analytics).

Problem med spårning:

Vissa användare kan blockera spårningsskript eller ha inaktiverat JavaScript, vilket förhindrar Google Analytics från att registrera deras session. DSP:er registrerar dock klicket eftersom det sker på annonsserversidan, inte i användarens webbläsare.

Här är till exempel lite statistik över webbläsare som använder någon form av blockeringsapp som inaktiverar Google Analytics från att köras (naturligtvis blockerar många av dessa appar också annonser så anta inte att de ser eller klickar på dina annonser heller, men vissa annonser kan passera filtret):

Totalt 700 miljoner eller fler webbläsare har några av dessa appar som blockerar GA från att spåra deras besök på din webbplats.

Omdirigeringar och felaktig sidladdning:

DSP-klick räknas när användaren klickar på annonsen. Men om målsidan inte laddas ordentligt (långsamma anslutningar, serverfel, användaren stänger sidan innan den laddas) kan det hända att Google Analytics inte spårar sessionen. Detta resulterar i att klick rapporteras utan motsvarande GA-sessioner.

UTM-taggning och URL-missmatchningar:

Om landningssidans URL i annonsen är felaktig eller saknar korrekta UTM-parametrar för Google Analytics-spårning kan det hända att sessionen inte tillskrivs korrekt. DSP-klick kommer fortfarande att räknas, men GA kommer inte att registrera sessionen, vilket leder till en avvikelse.

Timeout för sessioner:

Google Analytics anser att en session är inaktiv om det inte finns någon aktivitet på 30 minuter. Om en användare klickar på en annons men väntar för länge innan han eller hon interagerar med webbplatsen kanske Google Analytics inte registrerar det som en ny session, även om DSP:n rapporterar flera klick.

Spåra diskrepans med hjälp av ett diagram

För alla programmatiska kampanjer är det meningsfullt att spåra diskrepans. Både för att vara medveten om aktuella nivåer, men också för att försöka minska dem över tid, hålla reda på vilka DSP- och GA-konfigurationer som påverkar olika förändringar i avvikelser och så vidare. På Emerse gör vi det till en del av vårt jobb att kvalitetssäkra våra kunders programmatiska kampanjer. Genom att skapa diagram och följa upp data kan vi följa upp diskrepans mellan två plattformar.

Innan vi börjar ta itu med diskrepans gillar vi på Emerse att skapa ett diagram för att spåra data. Det visar mätpunkterna över en tidslinje med värden för genomsnitt/medelvärde och några övre och nedre standardavvikelser (vanligtvis 2 och 3 standardavvikelser). Om du vill ha hjälp med att konfigurera och köra ett sådant här diagram är det bara att kontakta oss så hjälper vi dig.

Här är ett exempel på diagram baserat på mock-up-data (inte en riktig kampanj) som visar hur vi spårar och visualiserar avvikelser på Emerse:

Kontrolldiagrammet i det här exemplet innehåller veckovisa mätdata om avvikelser mellan Google Analytics-sessioner och DSP-klick.

Här är en närmare titt på själva diagrammet:

Vi kan se i exempeldata här att det finns ett tydligt problem med diskrepans. Under vissa veckor är avvikelserna mycket höga. Detta tyder på att det finns ett problem och att vi måste göra något åt det.

Vi har byggt ett verktyg specifikt för att skapa kontrolldiagram som ansluter till Google Analytics och din DSP för att producera automatiskt uppdaterade diagram. Det heter AdQMS och du hittar det genom att klicka på logotypen nedan. Registrera dig gärna för att börja spåra dina egna diagram idag:

Analys av orsaken till diskrepans

Som nämnts ovan kan det finnas många orsaker till diskrepans. Det är viktigt att utesluta alla konfigurationsinställningar som orsakar problem, till exempel att leta efter klick under en viss UTM-tagg men att den taggen sedan inte används korrekt i DSP. Eller att GA-taggen inte aktiveras på den sida som trafiken riktas mot.

När vi kan konstatera att konfigurationerna ser ok ut är det dags att titta på själva trafiken.

Analys av trafiken

För att hjälpa kunden att förbättra sin kampanj tar vi först en titt på data på visningsnivå för att se vilken nivå av bottrafik som är synlig när annonstaggen aktiveras i DSP. Detta är endast samlad data och inte hela datauppsättningen för kampanjen:

Från annonsdata på visningsnivå kan vi se att det finns ett visst antal botgenererade visningar i kampanjen (ca 5%). Detta är naturligtvis intressant i sig, men det visar inte hela orsaken till diskrepansen (som är högre). Det finns som vi visade ovan många naturliga skäl till att även en kvalitetskontrollerad kampanj kommer att ha vissa nivåer av bot-intryck (t.ex. skrapningsrobotar som ofta besöker stora nyhetssajter för att skrapa deras innehåll).

De största nyhetssajterna har till exempel vanligtvis bra innehåll, och därför är de mycket populära för andra att skrapa. Så andra webbplatser, tjänster och teknikföretag skickar sina robotar till de stora nyhetssajterna och läser och laddar ner deras innehåll, sparar det och gör något med det. Vissa kan vara nyhetsaggregatorer, andra kan vara AI-tjänster som läser nyheter för att lära sig, andra kan använda AI för att skriva om artiklarna till sina egna. Och så vidare. En viktig punkt här: Även om du köper annonser direkt från de största utgivarna kommer du fortfarande att få denna bottrafik på dina kampanjer. Så om jag går ut och köper en annonskampanj direkt från de största nyhetsutgivarna i min region, kommer robotarna fortfarande att gå dit och se mina annonser. Detta sker eftersom botar också laddar ner annonser, och inte bara artiklar. Så det spelar ingen roll om det är programmatiskt eller direktköp från stora webbplatser, bottrafiken finns där oavsett.

Därefter gräver vi i den faktiska klicktrafiken från annonstaggen i DSP för att se hur många klick (inte visningar) i annonstaggen som härrör från botar:

Vi ser intressant data här. Cirka 8% av klicken på annonstaggen kommer från bots. Återigen finns det väldigt lite som publicisterna kan göra för att förhindra bot-trafik men i vissa fall kan mängden vara större på vissa publicister och den datan kan vara intressant att titta närmare på. Botklick kan naturligtvis orsaka rapporteringsfel och avvikelser i GA/DSP-dataförhållandena.

Nästa steg

När du (med vår hjälp om du vill) har identifierat orsaken till avvikelserna är nästa steg att arbeta för att minska dem. Här är det tydligt att vi måste identifiera vilka trafikkällor som driver botklick och hitta sätt att blockera dem från kampanjerna. Om sådana här klick används i CTR/CPC- eller (ännu värre) CPA-optimering kommer de att störa optimeringsalgoritmerna och leda till att de driver mer och mer trafik från fel ställen.

Vi kan identifiera exakt vilka publicister, webbplatser och appar som driver botklick. Detta hjälper dig att ta bort dem från dina kampanjer.

Det är viktigt att notera att en viss nivå av bottrafik kommer att förekomma på alla webbplatser eller appar. Till exempel skrapas välrenommerade nyhetssajter av hög kvalitet ofta för innehåll av bots som matar in det innehållet i AI och konverterar det till innehåll på andra webbplatser (vanligtvis webbplatser som är gjorda för reklam). Detta är något som utgivaren som skrapas inte har något att göra med. Så den nivån av bottrafik kommer att vara svår att undvika. Men sedan finns det utgivare som köper trafik från botfarmar eller annonsnätverk som skickar massor av bottrafik och genererar både visningar och klick. Botarna kan manipulera DSP-algoritmer genom att klicka på annonser och därmed lura algoritmerna att tilldela mer budget till dem eftersom de verkar ha en hög CTR.

Emerse levererar kvalitetskontrollerad programmatisk annonsering

Våra tjänster för att leverera kvalitetskontrollerade kampanjer och programmatisk annonsering för kunder innebär att vi tar hand om kvalitetssäkringstekniker som de i den här artikeln åt dig.

Om du är intresserad av att låta Emerse hantera din programmatiska annonsering med våra kvalitets- och kostnadskontrollprocesser samt prestandaoptimering, vänligen kontakta vårt säljteam idag för att diskutera mer.

Before we move on to the interesting topics of this article we would like to mention that Emerse provides fully managed quality controlled services for delivery, analytics and optimization of programmatic advertising for brands, advertisers and agencies. Our tools and processes for quality control goes beyond the ordinary. On a daily basis, we help brands deliver ad campaigns with more impact, more quality and at lower cost. Contact our sales team today to get started working with us.

Intro: What is click discrepancy?

Click discrepancies between Google Analytics sessions and DSP (Demand-Side Platform) clicks occur when the number of clicks reported by a DSP doesn't match the number of sessions recorded in Google Analytics. Several factors contribute to these discrepancies:

Bot Traffic:

DSP clicks might include non-human (bot) traffic, which inflates click numbers. Google Analytics applies filters to exclude some bot traffic, reducing session counts. This creates a gap between what the DSP reports as clicks and what GA reports as sessions. We see this is a very common issue in programmatic campaigns and will discuss this more below.

Tracking Differences (Sessions vs. Clicks):

• Google Analytics Sessions: A session is a group of interactions on a website within a specific time frame. A session is initiated when a user lands on a site and typically ends after 30 minutes of inactivity. If a user clicks an ad multiple times or revisits within that time, only one session may be counted.

• DSP Clicks: Every click on an ad is recorded by the DSP, even if the user doesn't complete the landing process, encounters errors, or navigates away quickly.

• Discrepancy Example: One user may click an ad multiple times but trigger only a single session in GA.

Tracking Issues:

Some users may block tracking scripts or have disabled JavaScript, preventing Google Analytics from recording their session. DSPs, however, record the click because it happens on the ad server side, not on the user's browser.

Here are for example some stats about browsers that use some kind of blocking app that will disable Google Analytics from running (of course many of these apps also block ads so don't assume they see or click your ads either but some ads might pass the filter):

In total 700 million or more browsers have some of these apps blocking GA from tracking their visits to your website.

Redirects and Page Load Failures:

DSP clicks are counted when the user clicks the ad. However, if the landing page fails to load properly (slow connections, server errors, user closes the page before it loads), Google Analytics may not track the session. This results in clicks being reported without corresponding GA sessions.

UTM Tagging and URL Mismatches:

If the landing page URL in the ad is incorrect or lacks proper UTM parameters for Google Analytics tracking, the session may not be attributed correctly. DSP clicks will still be counted, but GA will fail to register the session, leading to a discrepancy.

Session Timeouts:

Google Analytics considers a session inactive if there's no activity for 30 minutes. If a user clicks an ad but waits too long before interacting with the site, Google Analytics may not register it as a new session, even if the DSP reports multiple clicks.

Tracking discrepancies using a chart

For any programmatic campaign it makes sense to track discrepancies. Both to be aware of current levels but also to try to reduce them over time, keep track of what DSP and GA configurations impact different changes in discrepancy and so forth. At Emerse we make it part of our job in managing programmatic strategies for customers to create charts like this and keep them populated with data.

Before starting to tackle discrepancies what we like to do at Emerse is to create a chart to track data. It shows the measurement points across a timeline with values for averages/mean and a few upper and lower standard deviation levels (typically 2 and 3 standard deviations). If you'd like our help setting up and running a chart like this just contact us and we'll help you

Here's an example chart based on mock-up data (not a real campaign) that shows how we track and visualize discrepancies at Emerse:

The control chart in this example includes weekly measurement data of discrepancies between Google Analytics sessions and DSP clicks.

Here's a deeper look at the chart itself:

We can see in the sample data here that there is a clear issue with discrepancies. During some weeks discrepancies are very high. So this would indicate there is a problem and we need to do something about it.

We have built a tool specifically for creating control charts that connects to Google Analytics and your DSP to produce automatically updated charts. It's called AdQMS and you can find it by clicking the logo below. Feel free to sign up to start tracking your own charts today:

Analysing the cause of discrepancies

As listed above there can be many reasons behind discrepancies. It's important to rule out any configuration settings are causing issues such as looking for the clicks under a certain UTM tag but that tag then not being used properly in the DSP. Or the GA tag not firing on the page traffic is directed at.

Once we can establish that the configurations look ok it is time to look into the traffic itself.

Traffic analysis

To help the client improve their campaign, we first take a look at impression level data to see what level of bot traffic is visible when the ad tag is firing in the DSP. This is only sampled data and not the entire data set of the campaign:

From the impression level ad-tag data we can see that there is an amount of bot generated impressions in the campaign (about 5%). This is of course interesting in itself but it does not show the whole reason for the discrepancy (which is higher). There are as we showed above many natural reasons even a quality controlled campaign will have some levels of bot impressions (such as scraping bots frequently visiting major news sites to scrape their content).

The biggest news sites for example usually have good content, because of this they are very popular for others to scrape. So other sites, services and tech firms send their bots to the large news sites and just read and download their content, save it and do something with it. Some might be news aggregators, some might be AI services reading news to learn, some might use AI to rewrite the articles into their own. Etc. An important point here: Even if you buy ads directly from the largest publishers, you will still get this bot traffic on your campaigns. So if I go out and buy an ad campaign directly from the largest news publishers in my region, the bots will still go there and see my ads. Because bots also download ads, not just articles. So it doesn't matter if it is programmatic or direct buying from big sites, the bot traffic is there regardless.

Next we dig into the actual click traffic from the ad-tag in the DSP to see what amount of clicks (not impressions) in the ad-tag originate from bots:

We see some interesting data here. About 8% of the clicks on the ad-tag are from bots. Again there is very little the publishers can do to prevent bot traffic but in some cases the amount can be larger on certain publishers and that data can be interesting to look into further. Bot clicks can of course cause reporting errors and discrepancy in the GA/DSP data ratios.

Next steps

Once you have (with our help if you like) identified the cause of discrepancies, the next step is to work to reduce it. Here it is clear that we need to identify which traffic sources are driving the bot clicks through and find ways to block them out from the campaigns. If clicks like this are used in CTR/CPC or (worse) even CPA optimization then they will mess up the optimization algorithms causing them to drive more and more traffic from the wrong places.

We are able to identify exactly which publishers, sites and apps are driving the bot clicks. This will help you remove them from your campaigns.

It's important to note that some level of bot traffic will occur on any site or app. For example, reputable high quality news sites are often scraped for content by bots that feed that content into AI and convert it into content on other sites (typically made-for-advertising sites). This is something the publisher being scraped has nothing to do with. So that level of bot traffic will be hard to avoid. But then there are publishers that buy traffic from bot farms or ad networks that send tons of bot traffic and generate both impressions and clicks. The bots can manipulate DSP algorithms by clicking ads and thereby fooling the algorithms to allocate more budget to them as they seem to have a high CTR.

Emerse delivers quality controlled programmatic advertising

Our services to deliver quality controlled campaigns and programmatic advertising for customers means we take care of quality assurance techniques such as the ones in this article for you.

If you are interested letting Emerse manage your programmatic advertising with our quality and cost control processes as well as performance optimization, please contact our sales team today to discuss more.

In this article we explore how advertisers can use insights from their Google Ads search campaigns as signals to inform the settings of their programmatic campaigns. Since Google Ads campaigns can be late-funnel and catch buyer intent signals, these can be useful to better target programmatic display, video and out-of-home campaigns with similar parameters.

About Emerse and managed programmatic advertising services

Emerse has for more than 10 years provided managed services in programmatic advertising to customers worldwide. Focusing on quality, cost and performance we help customers improve their advertising beyond 'normal' methods. To find out more about our services and explore becoming a customer, please contact our sales team today here.

How smart bidding signals can inform targeting in programmatic campaigns

Google Ads and campaigns using tools such as Performance Max often focus on late funnel customers with buyer intent and can have a high degree of conversions. As such, the campaign insights from these campaigns can provide interesting signals that can be useful to target campaigns also in programmatic channels. With information such as which geographic areas or times of day are better performing, similar settings can be deployed across programmatic campaigns to improve performance. The programmatic campaigns do not have to run in Google platforms. You can simply use insights from the smart bidding signals to make settings in any platform you use for your programmatic campaigns.

This way, search campaigns can fuel data into programmatic campaigns. If you are running campaigns using Google Ads, you have access to this data and can apply it to your programmatic campaigns in other platforms.

The dynamics of search campaigns in Google Ads are quite different from the dynamics of for example a programmatic banner campaign. Therefore the signals can provide different value in the optimization process of your programmatic campaigns. Simply put, they provide a different "view" on the optimization from an (often) keyword driven, late funnel perspective.

Where to find smart bidding signals

Bid strategy reports can be found using the steps described on this link: https://support.google.com/google-ads/answer/7074568?hl=en&ref_topic=6294205&sjid=3975267608713313156-EU

For example, at campaign level you can find the reports this way (quoted from the link above):

In your Google Ads account, click the Campaigns icon .

1. Click the Campaigns drop down in the section menu.

2. Click Campaigns, then navigate to Campaigns table.

3. Add the "Bid strategy type" column, if it doesn’t exist already.

4. Find the relevant campaign, hover over highlighted bid strategy type (for example, Maximize conversion value (tROAS) or Maximize conversion value).

5. Click to view bid strategy report for that campaign.

What smart bidding signals look like

Once you find your bid strategy report, you will see something similar to this under signals:

Here under Top signals you will find signals used by smart bidding in Google Ads to optimize your bidding:

So here we can see that certain geographic locations (in this example, Stockholm) and certain days of the week (in this case weekends) seem to perform better. At the same time certain locations (Gothenburg in this case) seem to perform less well.

Top smart bidding signals are also easily available in the Google Ads mobile app:

How to deploy these insights to your programmatic campaigns

To test the performance of these signals on your programmatic campaigns, simply create a new line item or bidding agent that targets the top positive signals. For example the same geographic location, days of week and times of day.

Then keep track of how the top signals change in Google Ads, so you can update and test new optimization strategies in your programmatic campaigns.

Interested in explore working with us? We provide programmatic advertising through banner, video, CTV and Digital Out-of-Home as a managed service for customers in multiple countries. Contact us today to find out more and start up a partnership.