Targeting, Big Data & Programmatic Advertising als Antwort auf die Fragmentierung der Zielgruppen: Zielgruppenfragmentierung und Mediaplanung im digitalen Zeitalter (5/7)

Die Fragmentierung der Zielgruppen erfordert ein Umdenken in der Mediaplanung und der Umsetzung werblicher Kampagnen. Immer weniger sind klassische Content-Umfelder relevant, die Fragmentierung rückt auch die Individualisierung und Personalisierung der werblichen Ansprache in den Vordergrund. Programmatic Buying & Advertising können hierfür effiziente Ansätze bieten.


Im fünften Teil der Reihe Zielgruppenfragmentierung und Mediaplanung im digitalen Zeitalter beschäftigen wir uns mit einem möglichen Ansatz, der Fragmentierung wirksam zu begegnen und den im letzten Teil beschriebenen Fragmentierungsdimensionen zu entsprechen.

Vom Zielgruppenumfeld zur Zielperson

Im Umgang mit den Entwicklungen zu einer immer stärker hervortretenden Kleinteiligkeit bei der Zielgruppenerfassung scheint die Kommunikationspraxis ihrem akademischen Pendant weit voraus zu sein: Immer seltener erfolgt Media- und Kommunikationsplanung nach klassischen Mustern, wonach bestimmte (Premium-)Werbeumfelder belegt werden, um damit bestimmte Zielgruppen „gut“ zu erreichen und als „Beleg“ hierfür regelmäßig durchgeführte eigene oder externe Analysen, z.B. AGOF, IVW, etc. herangezogen werden.

vom Umfeld zum Profil

Als „hochwertige“ Werbeumfelder gelten diesem Verständnis nach meist „starke Medienmarken“ und „Premiuminhalte“, die dem Diktum „Content is King“ folgen. Mediaplanung richtet sich jedoch immer seltener an einem zur Zielgruppe „passenden“, vermeintlich qualitätsvollen inhaltlichen Kontext aus. Vielmehr erfährt das klassische mediaplanerische Verständnis aufgrund der fortgeschrittenen Digitalisierung eine Umkehrung: Es wird nicht mehr das passende mediale Umfeld für eine vorher umrissene Zielgruppe gesucht; stattdessen erfolgt die Zuspielung von Werbebotschaften aufgrund der über einen Mediennutzer gesammelten individuellen Daten plattformunabhängig und abgekoppelt vom inhaltlichen Umfeld. Nicht mehr der Medienkanal und der dargereichte Content entscheiden über die Werbemittelplatzierung, sondern allein die persönlichen Präferenzen einer einzelnen Zielperson. Der Qualitätsbegriff bezieht sich somit nicht mehr auf die Inhalte und die dahinter stehende Medienmarke, sondern auf die möglichst exakte Erfüllung vorab definierter Anforderungen an Rezipientenprofile.

Profilierung als Antwort auf Fragmentierung der Zielgruppen

Die technischen Entwicklungen sind durchaus in der Lage, der beschriebenen Fragmentierung der Zielgruppe zu begegnen. Durch die Profilierung ist eine deutlich feinere Granulierung bei der Ansprache möglich. Datensammlung kann crossmedial erfolgen, die oben genannten Dimensionen bieten sich dabei als Erhebungs- und Entscheidungskriterien an. Schon seit längerem erprobte Targeting-Verfahren wie Behavioral und Predictive Behavioral Targeting liefern die prozessuale Grundlage hierfür:
Beim Behavioral Targeting erfolgt die Zuspielung einer Werbebotschaft anhand des bisherigen Surfverhaltens des jeweiligen Nutzers („ex post“). Das Nutzerverhalten wird meist mit Browsercookies – kleinen Logdateien – „aufgezeichnet“, wobei – insbesondere durch Google und Facebook – hier inzwischen auch auf deutlich ausgereiftere Techniken zurückgegriffen wird, die auch die abwechselnde Nutzung verschiedener Endgeräte (Desktop, Smartphone, TabletPC) durch ein und denselben Anwender berücksichtigen.

Ausgangslage: Behavioral Targeting

Entsprechend dem aufgezeichneten Verhalten können Werbemittel als „personalisierte Empfehlungen“ ausgeliefert werden, z.B. ließe sich aus dem „Ansurfen“ von Websites, die sich inhaltlich mit beispielsweise „Elektronikthemen“ auseinandersetzen, schließen, dass sich der entsprechende Nutzer auch grundsätzlich für Produkte aus diesem Bereich interessiert. In der Folge würde er auf einer weiteren Station seines „Surftrails“ mit entsprechenden Werbemitteln konfrontiert. Eine Sonderform des Behavioral Targeting stellt das Re-Targeting dar: Anhand einer bereits vorher durchgeführten Aktion eines Nutzers wird dieser erneut mit demselben Prozess konfrontiert, weil er diesen u.U. nicht abgeschlossen hat. Häufigster Einsatz von Re-Targeting ist beim Abbruch eines Kaufvorgangs. In diesem Fall wird dem Nutzer erneut ein entsprechendes Werbemittel– z.B. des zwar im Warenkorb platzierten, aber dann nicht gekauften Produktes – auch auf anderen Webseiten, die der Nutzer ansurft, angezeigt, um diesen dann doch noch als Kunden zu gewinnen.

Während sich Behavioral Targeting auf das vorhergehende Nutzungsverhalten eines Rezipienten bezieht, orientiert sich Predictive Behavioral Targeting am erwartetem Nutzungsverhalten („ex ante“). Dafür werden übergreifend Interessenprofile aus dem Surf- und Suchverhalten verschiedener Nutzer erstellt. Anhand diesen erfolgt ein Abgleich mit dem Interessensprofil des „aktuellen“ Nutzers, woraus dann die Zuspielung von als „passend“ erachteten Werbemitteln erfolgt. Zugrunde gelegt wird ein „verhaltenstheoretischer Dreisatz“: Wenn Nutzer, die über ein ähnliches Profil, wie der aktuelle Nutzer verfügen, sich in der Vergangenheit für ein bestimmtes Angebot interessiert haben, ist die Wahrscheinlichkeit hoch, dass der Nutzer mit den ähnlichen Profileigenschaften ebenfalls Interesse daran hat, wenn ihm ein entsprechendes Werbemittel zugespielt wird.

Programmatic Marketing & Real Time Bidding

In Kombination mit dem „Big Data“- bzw. „Smart Data“-Ansatz ermöglicht die Targetingmethodik auch eine Neuausrichtung der Mediaplanung im Wege des „Programmatic Advertising“. Das gezielte Sammeln von Nutzerdaten und deren Einsatz bei der Definition und individuellen Bewertung von Zieladressaten dient hierbei der Schaffung einer Entscheidungsgrundlage bei einer „Kontaktauktion“. Surft ein Nutzer eine Webseite an, so wird dieser in Echtzeit („Real Time Bidding“) auf einem Marktplatz angeboten und gegen Höchstgebot versteigert. Der Gewinner dieser Auktion erhält das Recht auf der entsprechenden Webseite dem „gewonnenen“ Nutzer sein Werbemittel anzuzeigen. Diese Entscheidungen laufen automatisiert und in Millisekunden ab. Es bedarf also vorab einer genauen Festlegung der Entscheidungskomponenten. Neben einem maximalen Bietpreis handelt es sich dabei vor allem um eine möglichst fundierte Profilierung einzelner anvisierter Usertypen entsprechend der skizzierten Targetingansätze.

Die Bewertung des Angebotes und die Ableitung von Biet-Regeln und –Strategien, erfolgt durch die Auswertung von hierarchischen Datenclustern:

  • thin data: dabei handelt es sich um frei verfügbare Daten, wie etwa Datum, Uhrzeit, verwendete Browser, Betriebssystem, URL und geographischer Lokalisierung des Users.
  • first-party data: eigene interne Daten des jeweiligen Werbungtreibenden, z.B. das Kaufverhalten von eigenen Kunden, vor allem für die Nutzung bei Re-Targeting oder als Ausschlusskriterium (z.B. keine Werbemittelauslieferung an bereits bestehende Kunden)
  • third-party data: externe, in erster Linie zugekaufte und idealerweise durch Big Data bzw. Smart Data-Verfahren veredelte Daten, zur Anreicherung der Profile. Diese dienen dem Abgleich mit den thin und first-party data und ermöglichen ein zielgerichtetes Prospecting. Auf diese Weise wird kann auch ein „Cross Media Targeting“ durchgeführt werden, etwa durch Synchronisierung mit TV-Werbung, um gleichzeitig zum TV-Werbespot via Real Time Bidding auch passende Werbemittel auf dem „Second Screen“ ausspielen zu können.

Eine Zusammenführung der im letzten Teil genannten Dimensionen der Fragmentierung lässt sich darüber gut abbilden. Erfolgt die Zielgruppenansprache nicht mehr von Medium aus gedacht, sondern unabhängig davon, kann der Zersplitterung der Zielgruppen entlang der Dimensionen begegnet werden, in dem diese als Profilierungskriterien entweder mit einbezogen oder bei der Profilierung als unabhängige Variablen eingestuft werden.

Der nächste Teil der Reihe (6/7) beschäftigt sich mit der notwendigen Neuausrichtung des Selbstbildnisses der Medienunternehmen.

 

Quellen:

Anderson, Chris (2006). The Long Tail: Why the Future of Business Is Selling Less of More. New York
Priebe, Anton (2014): http://onlinemarketing.de/news/konsequentes-wachstum-in-real-time-bidding-fliesst-immer-mehr-budget
Seebohn, Joachim (2011): Gabler Kompaktlexikon Werbung. Wiesbaden
Schroeter, Andreas / Westermeyer, Philipp / Müller, Christian / Schlottke Tobias / Wendels, Christopher (2013): Real Time Advertising Funktionsweise – Akteure – Strategien. Hamburg. rtb-buch.de/real-time-advertising-rtb.pdf

 

One thought on “Targeting, Big Data & Programmatic Advertising als Antwort auf die Fragmentierung der Zielgruppen: Zielgruppenfragmentierung und Mediaplanung im digitalen Zeitalter (5/7)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.