IAS mette a punto una soluzione per rilevare ed evitare i siti di bassa qualità (MFA)

Sfrutta l’AI per identificare siti di bassa qualità e ridurre al minimo lo spreco di spesa pubblicitaria

IAS mette a punto una soluzione per rilevare ed evitare i siti di bassa qualità (MFA)

Integral Ad Science ha annunciato una nuova soluzione che utilizza l’intelligenza artificiale per rilevare ed evitare i siti MFA (Made for Advertising). Punta a migliorare la trasparenza sulla qualità delle campagne pubblicitarie, a identificare dove viene allocata la spesa e a informare sulle ottimizzazioni per ridurre al minimo gli sprechi sui siti MFA.

I siti di MFA sono pagine web con contenuti di bassa qualità (ad esempio, siti di spam o ad farm) creati esclusivamente per pubblicare annunci pubblicitari e che sono ottimizzate per funzionare bene nei parametri di performance tradizionali, come la viewability. Tuttavia, la spesa pubblicitaria su questi siti non porta a risultati significativi, come conversioni o miglioramento della brand awareness.

La nuova soluzione di IAS utilizza l’intelligenza artificiale per rilevare i siti MFA su larga scala, consentendo agli inserzionisti di riprendere il controllo della qualità dei propri media e di ridurre gli sprechi di spesa. Durante i test Alpha, IAS ha fornito un’analisi completa delle campagne dimostrando un’identificazione dei siti MFA superiore per alcune delle più grandi aziende e agenzie del mondo.

La soluzione supporta la recente definizione di siti MFA dell’Association of National Advertisers (ANA) e incorpora funzionalità come il rapporto annuncio-contenuto, il tasso di aggiornamento degli annunci e la fonte del traffico che arriva al sito per classificarlo come MFA. Secondo il Programmatic Media Supply Chain Transparency Study dell’ANA, il 21% di tutte le impression degli annunci misurate è stato pubblicato su siti MFA.

IAS mette a punto una soluzione per rilevare ed evitare i siti di bassa qualità (MFA) ultima modifica: 2023-10-18T11:03:51+02:00 da Redazione

Tags:

Related posts