Tim Geenen: 'Digital twins voorspellen straks reacties van jouw favoriete klanten'

Jullie bouwen voort op technologie en inzichten van het IAB Tech Lab. Wat is dat precies?

,,Binnen deze denktank werken adverteerders en uitgevers aan innovatieve nieuwe mogelijkheden om effectief te adverteren. Hun Audience Taxonomy biedt bijvoorbeeld een uniforme manier om doelgroepen als 'sportliefhebbers' of 'tech nerds' te definiëren op basis van 1700 kenmerken. Hun Content Taxonomy classificeert content op websites op basis van een wijdvertakte structuur van steekwoorden. Omdat uitgevers en adverteerders met dezelfde taxonomie werken, kunnen adverteerders op schaal relevante advertentieruimte inkopen bij duizenden websites."

Wat is taxonomie precies, en hoe helpt dat bij het identificeren van de juiste doelgroep?

,,Taxonomie is een begrip uit de biologie. Biologen delen hiermee organismen in op basis van hun evolutionaire verwantschap en kenmerken. Op soortgelijke wijze kun je websitebezoekers in groepen indelen op basis van de content die ze bekijken. Dat kan dus de groep met 'sportliefhebbers' of 'tech nerds' zijn. Net als bij de taxonomie van een soort vogel of vlinder kun je de heel specifieke consumentgroepen gaan samenstellen als je genoeg kenmerken hebt verzameld. Zo kan je een doelgroep van 'sportliefhebbers' vanzelf uitkristalliseren naar bijvoorbeeld 'fanatieke Ajax-fans'."

Bij de taxonomy-werkwijze combineren uitgevers demografische kenmerken met getoonde interesses om doelgroepen te creëren

Waarom is deze werkwijze privacyvriendelijker dan het targeten op basis van cookies?

,,Cookies maken het mogelijk om individuele internetgebruikers te identificeren. Adverteerders gebruiken de in de cookie vastgelegde informatie om te beslissen of ze die unieke consument al dan niet een advertentie willen tonen. Bij de taxonomy-werkwijze combineren uitgevers demografische kenmerken met getoonde interesses om doelgroepen te creëren. De uitgever kan extra informatie delen over de wijze waarop de groep is geformeerd, maar deelt geen informatie over de individuele leden. Adverteerders bieden op een anoniem groepslid van deze seller-defined audience."

Wat dragen jullie met Rayn bij aan deze privacyvriendelijke wijze van targeten?

,,Kortgezegd gebruiken wij Large Language Models om content en leesgedrag nader te analyseren. Deze modellen leren op basis van de patronen die ze vinden in enorme hoeveelheden tekstdata. Op basis van die patronen kan het model voorspellingen gaan doen. Wij gebruiken de voorspellende kracht van Large Language Models voor het verder definiëren van doelgroepen. Zo ontstaan cohorts van groepen consumenten die soortgelijk, voor adverteerders interessant gedrag vertonen. Iemand die veel over technologie en sporten leest, kan bijvoorbeeld ook vaker in een bepaalde auto rijden."

KIJK OOK naar onze videoserie AI at Work met Job van den Berg: in deze aflevering zie je hoe Goudse Verzekeringen digital twin heeft toegepast.

In de cohorts die zo ontstaan is de oorspronkelijke consumentendata dus niet meer zichtbaar?

,,Inderdaad. Wij gebruiken de door uitgevers verzamelde demografische informatie en getoonde interesses alleen als uitgangspunt, oftewel seed data. Om de resulterende doelgroepen nog scherper te laten aansluiten op de wensen van adverteerders, kunnen die ook eigen klantdata aanleveren. Voor we verdergaan, verwijderen we alle aanknopingspunten die deze data aan specifieke personen relateert. Pas daarna vertaalt onze technologie aangetroffen patronen in relevante cohorts. Des te meer van deze zogenaamde 'synthetische data', des te gedetailleerder de resulterende cohorts."

Uiteindelijk willen jullie zo ook Digital Twins of Customers produceren. Wat zijn dat precies?

,,Merken gebruiken nu vaak al typische klantbeschrijvingen of 'persona's' om de inhoud en targeting van hun marketinginspanningen scherp te krijgen. Deze persona's zijn echter vaak redelijk statische representaties van snel verouderende data. Terwijl die doelgroep juist doorlopend nieuwe data genereert. Naast de wijze waarop een cohort bepaalde content consumeert, kun je bijvoorbeeld ook gebruik maken van hun product reviews, helpdeskcontacten en social media posts. Onze technologie kan daar een realtime digitaal spiegelbeeld van maken, oftewel een digital twin of customers."

Wat is de potentiële meerwaarde van zo'n digitale tweeling voor adverteerders?

,,Deze digital twin is opgebouwd vanuit actuele gedragspatronen van groepen consumenten. Het digitale spiegelbeeld kan daardoor op dezelfde manier reageren als die cohort waarschijnlijk zal doen. Dat genereert voor adverteerders waardevolle inzichten. Zo kun je bijvoorbeeld gaan voorspellen hoe jouw doelgroep op een nieuwe advertentiecampagne gaat reageren. Welke onderdelen of verkoopargumenten van je campagne triggeren je doelgroep bijvoorbeeld het meest? Je hoeft dan niet langer meer op de eerste resultaten te wachten om je campagne hierop te kunnen tweaken."

Wat zijn andere interessante toepassingen van een digital twin of customers?

,,Dat hangt uiteraard helemaal van de behoefte van de gebruiker af, en de data die beschikbaar is. Zo zou je bijvoorbeeld ook de hele klantreis voor een bestaande of nieuwe dienst in kaart kunnen brengen. Als je het gedrag dat je doelgroep tijdens die reis vertoont beter begrijpt, kun je ook beter anticiperen. Bijvoorbeeld door proactief gepersonaliseerde content of services toe te voegen op strategische momenten. Klanten hebben steeds meer behoefte aan personalisering, terwijl privacywetgeving dat juist lastiger maakt. Een digital twin kan hier echt het verschil maken."

Meer AI, meer technologie? BusinessWise Weekly!

In onze wekelijkse nieuwsbrief vind je het beste van BusinessWise die week, ook over AI, ook over technologie. Abonneer je gratis en blijf altijd op de hoogte.