Kolejna zaleta programatycznego CTV wynika z treści

Bill Michels, dyrektor ds. produktów

Technologia analizy treści znalazła szerokie zastosowanie w zakupach reklamowych w ramach CTV, zapewniając markom i agencjom nowe, bogate źródło danych. Umożliwia ona kierowanie reklam na podstawie kryteriów określonych przez ludzi oraz dostosowanie zakupów reklamowych w ramach CTV do wytycznych marki. Jednak jej największy potencjał polega być może na tym, że stanowi potężny sygnał optymalizacyjny dla algorytmów wydajnościowych.

Kiedy CTV wkroczyło na rynek programmatic, infrastruktura i ekosystem danych były już dobrze ugruntowane i tętniły życiem dzięki zasobom reklamowym przeznaczonym dla internetu, urządzeń mobilnych, a nawet w niewielkim stopniu dla audio i cyfrowej reklamy zewnętrznej (DOOH). Chociaż same media CTV były w tym ekosystemie nowością — charakteryzowały się wysoką jakością produkcji, profesjonalizmem, rozpoznawalnymi osobowościami oraz wydarzeniami na żywo — proces składania ofert wyglądał podobnie jak w przypadku internetu i urządzeń mobilnych. Tak zostało zaplanowane. Standardy budują pewność, że specyfikacje nie ulegną zmianie wraz ze skalowaniem systemów, co zachęca do alokacji kapitału. Pod tym względem licytacja w czasie rzeczywistym odniosła fantastyczny sukces (wielkie podziękowania dla IAB!), umożliwiając znaczne inwestycje, kierując wydatki reklamodawców do podmiotów medialnych i napędzając rozwój całej branży.

Ponieważ nabywcy reklam programowych w CTV rozpoznali charakter wyświetlenia, zastosowali ten sam schemat działania — wykorzystując adres IP, dołączając do niego dane o odbiorcach oraz lokalizację na poziomie kodu pocztowego, dodając pakiet ID oraz stosując logikę decyzyjną. Oczywiście, CTV wprowadziło bloki reklamowe i całą zupę alfabetyczną nowych rodzajów umów. Jednak bardziej fundamentalną zmianą było to, co kupowali reklamodawcy. W miarę jak wydatki na reklamę telewizyjną przenosiły się z modelu linearnego do programatycznego, pakiety programów ustąpiły miejsca pojedynczym wyświetleniom powiązanym z danymi o odbiorcach na poziomie gospodarstwa domowego. 

W trakcie tej transformacji utracono kontekst treści: zrozumienie tego, co było właśnie odtwarzane w momencie wyświetlenia reklamy. W tamtym czasie kompromis ten wydawał się również rozsądny. Reklama programowa opierała się na podejmowaniu decyzji w oparciu o grupę docelową, a reklamodawcy znali właśnie tę strategię.

Nabywcy reklam nie przestają domagać się danych dotyczących treści. Badanie przeprowadzone w 2026 r. przez organizację „Gracenote” wśród 500 amerykańskich planistów mediów, nabywców reklam telewizyjnych i handlowców zajmujących się reklamą programatyczną pozwala oszacować skalę tej rozbieżności. Wśród handlowców zajmujących się reklamą programatyczną 91% stwierdziło, że brak danych na poziomie poszczególnych programów ogranicza ich kampanie w obszarze CTV. Planiści mediów wyrazili się równie jasno: 86% stwierdziło, że przeniosłoby większą część budżetu przeznaczonego na telewizję linearną na CTV, gdyby dostępne było kierowanie reklam na poziomie programów oraz raportowanie w tym zakresie. Badanie IAB z 2026 r. wykazało również, że zaledwie 33% nabywców miało duże zaufanie do przejrzystości zasobów reklamowych CTV. Przejście CTV na model programatyczny przebiegało szybciej niż rozwój analizy treści niezbędnej do jego kierowania.

Obecnie analityka treści przenosi kluczową zaletę telewizji linearnej do programatycznego CTV: zakup reklam w oparciu o to, co jest wyświetlane na ekranie. Trwałe, znormalizowane identyfikatory treści zapewniają tytułom spójną tożsamość we wszystkich systemach, a modele językowe oparte na wideo mogą dostarczać szczegółowe informacje na poziomie sceny. Reklamodawcy mogą kierować reklamy według gatunku, wykonawców i wydarzeń sportowych na żywo — a tam, gdzie jest to obsługiwane, również według nastroju i tonu sceny. Te możliwości nie są już tylko teorią. Są już dostępne.

Jednak branża nie stoi w miejscu. Na rynek CTV z impetem wkroczyły „ogrody zamknięte” oraz platformy po stronie popytu (DSP) nastawione na wydajność, tworząc niezwykle skuteczne systemy rozwoju oparte na uczeniu maszynowym, które łączą zdarzenia konwersji w czasie rzeczywistym, kontekst odbiorców oraz wyniki kampanii, aby kierować procesem podejmowania decyzji dotyczących targetowania, ustalania stawek, tempa kampanii i kreacji. 

Kolejnym narzędziem przyspieszającym optymalizację jest Agentic Real Time Framework (ARTF) opracowany przez IAB Tech Lab: dedykowane kontenery stanowią nową, obiecującą metodę uruchamiania modeli optymalizacyjnych w ramach programowych wyświetleń reklam — zwłaszcza w segmencie CTV.

Te nowe systemy zakupowe CTV przetwarzają ogromne ilości danych i pozwalają modelowi określić, co wpływa na wyniki. Analiza treści stanie się nowym, potężnym elementem uzupełniającym dane o odbiorcach. Gdy algorytmy wydajnościowe zaczną wykorzystywać te dane, będą w stanie odkrywać wzorce, o których planiści reklamowi nigdy by nie pomyśleli. Wreszcie pojawiło się kierowanie reklam definiowane przez ludzi, co jest świetną wiadomością. Jednak to właśnie w optymalizacji definiowanej przez model to nowe źródło danych może mieć największy wpływ.

Artykuł ten ukazał się pierwotnie w serwisie „The Current”.