Yelp 新增了 Pokémon Go 篩選器,讓使用者迅速找到附近藏有精靈的餐廳

本文獲合作媒體 36kr 授權轉載。
自從 Pokémon Go 引爆全球後,各路商家就開始從各種角度出發,絞盡腦汁讓自己的產品與這款遊戲產生關聯。除了前幾天 Pokémon Go 製作團隊 Niantic 的 CEO John Hanke 表示將在遊戲裡植入基於贊助商的地理位置廣告外,美國最大的點評網站 Yelp 也將成為使用者們尋找小精靈們的免費“圖鑑”。
也就是說,如果美國人想找個不錯的餐館吃飯,然後順便在其旁邊的 “PokéStop”(精靈收集點,指的是一個能夠捕捉和吸引精靈的地方)收服一隻皮卡丘或傑尼龜,就可以打開 Yelp 的 App 然後選擇點擊 “PokéStop Nearby”(精靈收集點附近的餐館)選項(如上圖)。
這家針對商業服務機構及餐廳的用戶點評網站今天新增了 PokéStop Nearby“ 這個搜尋篩選器,只顯示附近有 “PokéStop” 的搜索結果。由於 Pokémon Go 是一款 GPS 驅動的定位遊戲,需要用戶去現實世界中一些藏有虛擬生物的指定位置收服它們。因此,Yelp 希望這個新功能讓那些既有就餐意向、又熱愛這款遊戲的使用者們做到“一箭雙雕”。
再簡單介紹一下這款熱門遊戲:作為一個目前在美國、德國、澳洲以及紐西蘭等國家最賺錢的 App,Pokémon Go 預計將在剩下的夏日時光中“主宰”價值為 369 億美元的行動遊戲產業。這款產品的成功也吸引了全球其他商業品牌的目光。除了 Yelp,德國電信公司 T-Mobile 也宣布將為遊戲提供免費的流量。
對 Yelp 來說,這也是一次提高自己產品使用者黏著度及下載量的大好機會。目前,全球有上百萬使用者正在使用 Yelp 的網站與 App 尋找附近最好吃的餐館、最親切的按摩師以及品質最上乘的花店及洗衣店。而這些使用者也對該新功能扮演重要的角色——讓 Yelp 能夠通過“群眾外包”的形式來獲得必要的資料。在龐大使用者的基礎上,該公司正在號召自己的使用者將其附近藏有精靈的地點及資料上傳到網站上,隨後 Yelp 的後台會抓取這些有效資訊。
Yelp 產品經理 Will Cole 也在自己的部落格中呼籲:
為了想方設法把這些 PokéStop 的資訊補充完整,我們需要你的幫助。為了更快地識別一家附近有 PokéStop 的商業機構,你只需要在 Yelp 上對享用過的餐廳(或其他服務機構)打個卡並告訴其他用戶那裡是否有 PokéStop。僅在過去的 24 小時內,Yelp 就已經在使用者的幫助下確認了上千個 PokéStop 的位置。順便說一下,有了這些指南,大家很快就會成為強大的精靈馴獸師。
透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。
各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?
Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。
後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。
FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。
傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。
舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。
藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。
2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。
影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。
2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。
本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。