Adlook: la nuova frontiera del targeting AI-driven e cookieless

Il digital advertising oggi affronta sfide sempre più complesse: segmentazioni generiche, dati imprecisi e l’addio ai cookie riducono l’efficacia delle campagne. Le aziende cercano strumenti capaci di garantire reach reale e misurabile senza compromettere la privacy. In questo contesto, entra in scena Adlook, piattaforma AI-powered per la pianificazione media. Grazie alle Smart Audiences Next-Gen, analizza contenuti e comportamenti online creando segmenti precisi e contestuali. Il risultato è un targeting evoluto, scalabile e orientato ai risultati, anche in un ecosistema cookieless. Ne parliamo con Stefano Leccese Renzetti, VP of sales di Adlook per l’Italia (ospite di DailyOnAir - The Sound Of Adv).

Quali sono stati i principali driver che hanno portato AdLook a sviluppare la cosiddetta Smart Audiences Next Gen e come si differenziano dai segmenti di terze parti tradizionali?

«Entriamo subito nel tecnico, La spinta alla creazione delle Smart Audiences nasce dalla scarsa accuratezza dei segmenti di terze parti: pensate che fino all’82% degli utenti era classificato in modo errato, con una conseguente dispersione del budget dei nostri advertiser. Questo significa che gran parte dei fondi investiti nelle campagne digitali non raggiungevano gli utenti realmente interessati, con un impatto diretto sull’efficacia delle campagne e sul ritorno dell’investimento. A questo si aggiungono altri fattori di contesto: la progressiva perdita dei cookie, che rende inefficace il tracciamento tradizionale; la crescente attenzione alla privacy da parte degli utenti e dei legislatori; e la necessità di costruire una reach affidabile e scalabile, in grado di adattarsi in tempo reale alle dinamiche del mercato e ai comportamenti degli utenti. Le Smart Audiences superano questi limiti grazie alla tecnologia di deep learning, che interpreta tutti i contenuti e i segnali contestuali all’interno delle pagine dell’open web, ma anche in altri canali, creando audienze dinamiche che si evolvono insieme al consumo dei contenuti. Questo approccio va oltre i segmenti tradizionali di terze parti, perché non si basa su dati statici o comportamenti pregressi, ma su un’analisi in tempo reale del contesto e dell’intento dell’utente».

Ma in che modo agisce la tecnologia deep learning?

«La tecnologia deep learning comprende il significato, l’intento e il contesto del contenuto che l’utente sta visualizzando in quel momento. Non si limita a categorizzare la pagina, come fanno i normali motori di ricerca o altre tecnologie di categorizzazione, ma interpreta pattern comportamentali e segnali semantici profondi, utilizzando modelli di AI simili a quelli di ChatGpt, Google Gemini, Cloud e altri esempi di intelligenza artificiale. Per fare un esempio pratico: immaginiamo un utente che cerca una dieta proteica per performance sportive oppure una ricetta veloce e sana per la cena. Su un articolo che parla di questi due contesti, la nostra tecnologia riesce a proporre spazi pubblicitari all’advertiser che sono perfettamente allineati con i contenuti e l’intento reale dell’utente. Questo significa che non tutti i contenuti sono trattati allo stesso modo: il sistema distingue le sfumature e gli interessi specifici, rendendo il targeting più accurato ed efficace. Tutto questo avviene in tempo reale, su larga scala, e nel pieno rispetto della privacy».

A proposito della privacy, esiste una distinzione molto fine tra i diversi tipi di interesse degli utenti. Come garantite questa granularità senza utilizzare i dati personali?

«Proprio attraverso la lettura precisa del contenuto delle pagine. Un tempo, il targeting contestuale si basava principalmente sulla frequenza delle parole chiave. Ora l’interpretazione è molto più sofisticata: i modelli analizzano il contenuto, il contesto e l’interesse, integrando anche fattori come il momento della giornata o le condizioni ambientali, riuscendo così a costruire segmenti aggregati in maniera probabilistica. Il sistema è completamente agnostico: non segue la persona e non traccia il suo percorso individuale, un comportamento che a volte nel digital può risultare invasivo o fastidioso. Riconosce invece pattern comportamentali che portano all’acquisto, osservando quali pagine, video o contenuti vengono consultati prima di una conversione. Questo approccio garantisce sia la privacy sia la conformità alle normative vigenti e future».

In che modo questo targeting contestuale favorisce lo sviluppo di comunicazioni efficaci e il raggiungimento di contatti, reach e KPI?

«Molto spesso i dispositivi digitali vengono utilizzati da più persone o in momenti diversi della giornata, e in questi casi la precisione dei metodi basati su cookie si riduce notevolmente. Le nuove tecnologie e l’AI risolvono questo problema, garantendo una riciclabilità dei dati fino al 30%. I nostri test hanno dimostrato che le campagne costruite sulle smart audiences registrano un miglioramento significativo nella capacità di raggiungere utenti realmente affini, riducendo la dispersione del budget fino al 30%. Tutti i KPI, lungo tutto il funnel marketing, migliorano concretamente, dimostrando come un approccio contestuale e dinamico, oggi supportato dalla tecnologia AI, diventa estremamente efficace rispetto ai metodi tradizionali basati sui cookie o sui segmenti di terze parti».

La piattaforma di AdLook facilita il lavoro dei clienti. Come funziona esattamente? Quali servizi offrite e come semplificate l’attivazione delle campagne?

«Grazie alla nostra piattaforma è possibile gestire campagne digitali in tre contesti principali: l’open web, la connected tv e le piattaforme audio. Offriamo un servizio end-to-end che semplifica tutte le fasi, dalla definizione della strategia all’attivazione delle audience fino alla reportistica finale. Le AI trasformano un brief operativo, come le customer persona, in un insieme di contenuti che questi clienti tipo possono visualizzare nei tre ambienti. Forniamo suggerimenti sui segmenti, stime dei KPI attesi e ottimizziamo ogni impression della campagna attraverso le nostre tecnologie proprietarie, generando report dettagliati per l’advertiser. In questo modo, il cliente riduce il carico operativo, eliminando la necessità di accordi diretti con singoli publisher o di utilizzare tool multipli complessi».

Guardando al futuro, quali evoluzioni prevedete per le smart audiences e il targeting cookieless, soprattutto alla luce delle nuove regolamentazioni sulla privacy?

«Il futuro sarà guidato da tecnologie ID-agnostic, che non si basano sull’identificazione dell’utente. L’interpretazione semantica avanzata dei contenuti consentirà di mostrare pubblicità coerenti con l’intento reale e con le sfumature del comportamento dell’utente. Per esempio, un articolo su un SUV a sette posti per famiglie permetterà di mostrare pubblicità adatta a una persona avventurosa con una famiglia numerosa, non semplicemente un annuncio generico per auto. La progressiva scomparsa dei cookie e l’introduzione di regolamentazioni sempre più severe accelereranno la necessità di soluzioni contestuali e trasparenti. Continueremo a investire in deep learning, AI e automazione per offrire un targeting sempre più preciso e conforme alle normative».

Per il 2026, cosa vi aspettate?

«Puntiamo a consolidare e rafforzare la nostra leadership nel digital marketing e nelle soluzioni AI, private-first, basate su privacy, predizione e precisione, le nostre tre “P”. L’obiettivo è proteggere e ampliare la nostra base clienti, proponendo soluzioni in cui crediamo fortemente. La roadmap futura include un focus crescente su trasparenza, qualità delle soluzioni e attività di education, per far comprendere al mercato italiano quali tecnologie guideranno il futuro del digital marketing».