СУЧАСНІ ВИКЛИКИ ТА ІННОВАЦІЙНІ ІНСТРУМЕНТИ ТАРГЕТОВАНОЇ РЕКЛАМИ В ЦИФРОВОМУ МАРКЕТИНГУ
DOI:
https://doi.org/10.30838/EP.204.220-226Ключові слова:
таргетована реклама, конкуренція платформ, соціальні мережі, конфіденційність, програматик-реклама, поведінковий таргетинг, маркетингові технологіїАнотація
У статті розглядаються сучасні наукові підходи до таргетованої реклами, зокрема її вплив на конкурентоспроможність підприємств, поведінку споживачів та питання конфіденційності даних. Акцент зроблено на дослідженнях, що аналізують роль таргетингу в умовах цінової дискримінації та конкуренції платформ, а також на використанні соціальних мереж і програматик-рішень для персоналізації реклами. Показано, що ефективність рекламних кампаній значною мірою залежить від чутливості до соціально-демографічних відмінностей та рівня довіри користувачів до бренду. Окрему увагу приділено проблематиці захисту приватності, що стає ключовим фактором сприйняття реклами на мобільних пристроях та в онлайн-середовищі. Узагальнення наукових результатів свідчить про потребу у формуванні комплексних стратегій, які поєднують ефективність комунікації та етичність використання даних.
Посилання
Esteves, R., & Resende, J. (2016). Competitive Targeted Advertising with Price Discrimination. Marketing Science, No. 35(4). Рp. 576–587. DOI: https://doi.org/10.1287/mksc.2015.0967
Gong, Q., Pan, S., & Yang, H. (2018). Targeted advertising on competing platforms. The B.E. Journal of Theoretical Economics, No. 19(1). DOI: https://doi.org/10.1515/bejte-2017-0126
Anagnostopoulos, A., Petroni, F., & Sorella, M. (2017). Targeted interest-driven advertising in cities using Twitter. Data Mining and Knowledge Discovery, Vol. 10. No. 1. Рp. 527-530. DOI: https://doi.org/10.1609/icwsm.v10i1.14760
Achilov, N. (2016). Advertising and public relations: challenges and implications. Journal of Mass Communication and Journalism, No. 06(08). Pp. 1–4.
Hefti, A., & Liu, S. (2016). Targeted information and limited attention. SSRN Electronic Journal, Рp. 1–48. URL: https://ideas.repec.org/p/zur/econwp/230.html
Kumar, A., & Pandey, M. (2024). Exploring Gender Differences in Beliefs and Attitudes towards Advertising on Social Networking Sites: An Empirical Evidence. European Economic Letters (EEL), No. 14(1). Рp. 161–175.
Minazzi, R. (2015). Social Media Marketing in Tourism and Hospitality. Springer, 163 p. ISBN 978-3-319-05181-9.
Ralston, R., Godziewski, C., & Carters-White, L. (2023). The many meanings of policy instruments: exploring individual and structural determinants in obesity policy. Policy & Politics, Vol. 51. Iss. 2. Рp. 295–313. DOI: https://doi.org/10.1332/030557321X16762984942169
Wyllie, J., Carlson, J., & Rosenberger, P. (2015). Does sexual-stimuli intensity and sexual self-schema influence female consumers’ reactions toward sexualized advertising? an Australian perspective. Australasian Marketing Journal, Vol. 23. Iss. 3. Рp. 188–195. DOI: https://doi.org/10.1016/j.ausmj.2015.06.004
Ullah, I., Boreli, R., & Kanhere, S. (2022). Privacy in targeted advertising on mobile devices: a survey. International Journal of Information Security, Vol. 22(3). Рp. 647–678. DOI: https://doi.org/10.1007/s10207-022-00655-x
AlSabeeh, D.A., & Moghrabi, I.A.R. (2017). Programmatic Advertisement and Real Time Bidding Utilization. In: Kar, A., et al. Digital Nations – Smart Cities, Innovation, and Sustainability. I3E 2017. Lecture Notes in Computer Science, Vol.10595. DOI: https://doi.org/10.1007/978-3-319-68557-1_26
Cooper, D., Yalcin ,T., Nistor, C., Macrini, M., & Pehlivan, E. (2022). Privacy considerations for online advertising: a stakeholder’s perspective to programmatic advertising. Journal of Consumer Marketing, No. 40(2). Рp. 235–247. DOI: https://doi.org/10.1108/JCM-04-2021-4577
Estrada, J., Parra‐Arnau, J., Rodríguez-Hoyos, A., & Forné, J. (2017). Online advertising: analysis of privacy threats and protection approaches. Computer Communications, Vol. 100. Рp 32–51.
Zyskind, G., & Nathan, O. (2015). Decentralizing privacy: Using blockchain to protect personal data. 2015 IEEE Security and Privacy Workshops, URL: https://surl.li/evtyzw
Reinman, T., & Waisbard, E. (2012). PPITTA – preserving privacy in tv targeted advertising. Proceedings of the International Conference on Security and Cryptography – Volume 0ICETE, URL: https://surl.li/miwpal
Toch, E., Wang, Y., & Cranor, L. (2012). Personalization and privacy: a survey of privacy risks and remedies in personalization-based systems. User Modeling and User-Adapted Interaction, Vol. 22. Рp. 203–220. DOI: https://doi.org/10.1007/s11257-011-9110-z
Kox, H., Straathof, B., & Zwart, G. (2017). Targeted advertising, platform competition, and privacy. Journal of Economics & Management Strategy, No. 26(3). Рp. 557–570. DOI: http://dx.doi.org/10.2139/ssrn.2870316
Aiolfi, S., Bellini, S.,& Pellegrini, D. (2021). Data-driven digital advertising: Benefits and risks of online behavioral advertising. International Journal of Retail & Distribution Management, No. 49(7). Рp. 1089–1110. DOI: https://doi.org/10.1108/IJRDM-10-2020-0410
Zegarra, M., Mafé, C., & Blas, S. (2020). The effects of mobile advertising alerts and perceived value on continuance intention for branded mobile apps. Sustainability, Vol. 12(17). Рp. 6753–6772. URL: https://surl.li/spiyel
Yang, L., Wang, W., Chen, Y., & Zhang, Q. (2013). A privacy-aware framework for online advertisement targeting. 2013 IEEE Global Communications Conference (GLOBECOM). Atlanta, GA, Рp. 3145–3150. DOI: https://doi.org//10.1/"/1+09/GLOCOM.2013.6831555
Zhu, Q., Sun, R., & Yuan, Y. (2023). Impact of the normativeness and intelligibility of privacy interpretation information on the willingness to accept targeted advertising – a cognitive load perspective. Current Psychology, Vol. 43(5). Рp. 3901–3914. DOI: https://doi.org//10.1007/s12144-023-04325-6
Ziakis, C., & Kydros, D. (2022). Using machine learning models to investigate consumer attitudes toward online behavioral advertising. Intellectual Economics, Vol. 16. No. 2. Рp. 61–75. DOI: https://doi.org/10.13165/IE-22-16-2-04
Marketing technology: What it is and how it should work. (2015). McKinsey & Co. URL: https://surli.cc/cghstq
