Käyttäytymiskohdentaminen (behavioral targeting) on mainonnan kohdentamista käyttäjän aiemman verkkokäyttäytymisen perusteella. Se analysoi, mitä sivuja käyttäjä on vieraillut, mitä hän on etsinyt, mitä tuotteita katsonut ja mitä sisältöä kuluttanut, ja näyttää mainoksia näiden signaalien perusteella.
Käyttäytymiskohdentamisen perusta
Käyttäytymisdata kerätään evästeistä, pikseleistä ja seurantaskripteistä. Nämä tallentavat käyttäjän toimia: sivulataukset, klikkaukset, hakutermit, videokatsomiset, ostokset.
Käyttäytymisprofiilit rakennetaan ajan myötä. Mitä enemmän käyttäjä toimii verkossa, sitä tarkempi profiili hänestä muodostuu.
Relevanssi paranee, koska aiempi käyttäytyminen on parempi indikaattori kiinnostuksesta kuin demografiat. Jos käyttäjä on katsonut juoksukenkiä useilla sivustoilla, hän todennäköisesti harkitsee ostoa.
Käyttäytymiskohdentamisen tyypit
Sivuhistoria-pohjainen: Näytä mainoksia käyttäjille, jotka ovat vierailleet tietyillä sivustoilla tai sivutyypeillä (esim. uutissivustot, urheilusivustot).
Ostokäyttäytyminen: Kohdenna käyttäjiin, jotka ovat ostaneet tietyntyyppisiä tuotteita verkossa.
Hakukäyttäytyminen: Näytä mainoksia perustuen siihen, mitä käyttäjä on etsinyt (esim. “juoksukengät Helsingissä”).
Sisällön kulutus: Kohdenna käyttäjiin, jotka ovat katselleet tiettyjä videoita, lukeneet tiettyjä artikkeleita tai ladanneet tiettyjä resursseja.
Laitekohtainen käyttäytyminen: Mobiilissa käyttäytyminen voi olla erilaista kuin työpöydällä, joten kohdentaminen voidaan säätää sen mukaan.
Käyttäytymisen aikajänne
Reaaliaikainen käyttäytyminen: Käyttäjä etsii “hotelleja Pariisissa” ja näkee heti hotellimainoksia.
Lyhyen aikavälin käyttäytyminen (1-7 päivää): Käyttäjä katsoi tuotetta eilen, näytä mainos tänään.
Keskipitkän aikavälin käyttäytyminen (7-30 päivää): Käyttäjä on vieraillut liikunta-aiheisilla sivustoilla viimeisen kuukauden aikana.
Pitkän aikavälin käyttäytyminen (30+ päivää): Käyttäjän yleiset kiinnostuksen kohteet ja tottumukset ajan mittaan.
Käyttäytymiskohdentamisen vahvuudet
Tarkkuus: Käyttäytyminen paljastaa todellisen kiinnostuksen paremmin kuin demografiat tai itseilmoitetut kiinnostukset.
Aikomuksen signaali: Jos käyttäjä etsii aktiivisesti tuotetta tai palvelua, hän on todennäköisesti ostovalmiudessa.
Dynaaminen: Käyttäytymisprofiilit päivittyvät jatkuvasti, toisin kuin staattiset demografiset tiedot.
Käyttäytymiskohdentamisen haasteet
Yksityisyys: Käyttäytymisen seuranta vaatii kolmannen osapuolen evästeitä, jotka ovat katoamassa. GDPR vaatii suostumuksen.
Evästeiden esto: Safari ITP, Firefox ETP ja Chromen tulevat muutokset rajoittavat käyttäytymisen seurantaa.
Kontekstin puute: Käyttäytyminen ei aina kerro motiivia. Käyttäjä saattaa etsiä tuotetta jonkun toisen puolesta, ei itselleen.
Käyttäytymiskohdentaminen eri alustoilla
Google Ads: “In-Market Audiences” ja “Affinity Audiences” perustuvat käyttäytymiseen Googlen ekosysteemissä (haku, YouTube, Display Network).
Meta Ads: Käyttäytymiskohdentaminen perustuu toimintaan Facebookissa ja Instagramissa sekä Meta Pixelin kautta muilla sivustoilla.
Programmatic Display: RTB-alustat (Real-Time Bidding) käyttävät laajaa käyttäytymisdataa kolmannen osapuolen lähteistä.
Käyttäytymiskohdentamisen tulevaisuus
Cookieless-maailma pakottaa muutokseen. First-party data, contextual targeting ja Privacy Sandbox -ratkaisut korvaavat kolmannen osapuolen käyttäytymisseurantaa.
On-site behavioral targeting säilyy. Yrityksen omalla sivustolla tapahtuva käyttäytyminen voidaan seurata first-party evästeillä ilman yksityisyysongelmia.
Predictive behavioral modeling: Tekoäly ennustaa käyttäytymistä aggregoidun datan perusteella ilman yksilöllistä seurantaa.
Merkitys yritykselle
Käyttäytymiskohdentaminen on ollut digitaalisen mainonnan tehokkuuden perusta. Se on kuitenkin muutoksessa, ja yritysten tulee sopeutua.
Pk-yritykselle suositus: hyödynnä first-party käyttäytymisdataa omalta sivustoltasi. Seuraa, mitä kävijäsi tekevät ja rakenna retargeting-yleisöjä sen perusteella.
Älä luota pelkästään kolmannen osapuolen käyttäytymisdataan. Se on katoamassa, ja sinun tulee rakentaa oma datastrategia.
Yhdistä käyttäytyminen muihin signaaleihin. Käyttäytyminen + demografiat + kiinnostukset = tehokas kohdentaminen.