Programmatic Advertising hat nicht nur den Werbemarkt nachhaltig verändert, sondern gleichzeitig auch das Feld für eine Weiterentwicklung der Mediaplanung durch den Einsatz von KI bereitet. Dabei ist wichtig zu verstehen, dass der konzentrierte Blick auf die Nutzerdaten im Programmatic Advertising bereits zu einem tiefgreifenden Paradigmenwechsel geführt hat: Herkömmlicherweise waren in der Vergangenheit für die Platzierung in der Werbung – und zwar sowohl digital als auch analog – vor allem immer thematische Umfelder relevant. Man schaltete eine Anzeige für eine Luxusuhr im „Premiumumfeld“ eines Hochglanzmagazins oder im Wirtschaftsteil einer renommierten Tageszeitung, weil man davon ausging, dass man auf diese Weise – im Wege eines klassischen Content Targetings – am ehesten die anvisierte affine und kaufkräftige Zielgruppe erreichen konnte. Auch im WWW verfuhr man mit den Bannerbuchungen ähnlich, Online-Anzeigen wurden in vermeintlich passenden „Kanälen“ gebucht, die auf einen möglichst geringen Streuverlust hoffen ließen.

Paradigmenwechsel: Nutzerprofile statt Umfeld

Die umfangreichen Möglichkeiten heute, Daten über die Nutzer, über ihre Vorlieben und Verhaltensweisen, sammeln zu können, haben diese jahrzehntelang bewährte Vorgehensweise auf den Kopf gestellt: Man geht nun davon aus, dass es möglich ist, die Interessen und Bedürfnisse einer einzelnen Person aus den gesammelten Profildaten weitgehend exakt abzuleiten. Nicht mehr der Medienkanal und der dargereichte Inhalt entscheiden über die Werbemittelplatzierung, sondern allein die persönlichen Präferenzen der Zielperson. Nicht mehr das scheinbar passende mediale Umfeld für eine zuvor umrissene Zielgruppe wird gesucht, stattdessen erfolgt die Zuspielung von Werbebotschaften immer stärker aufgrund der individualisierten Informationen über einen einzelnen Nutzer – und zwar plattformunabhängig und zunehmend auch abgekoppelt vom inhaltlichen Kontext. Wo, an welcher Stelle, auf welchem Medium oder welchem Kanal ein Nutzer mit der Werbebotschaft konfrontiert wird, spielt nur noch eine untergeordnete Rolle, denn sein Interesse an einem zu bewerbenden Produkt ist durch die Informationsvielfalt grundsätzlich dokumentiert. Der Ort der Ansprache hat damit für den Erfolg der Werbemaßnahme an Relevanz eingebüßt.

Gezielte Mediaplanung gerät auf diese Weise zu einem äußerst komplexen Unterfangen, erfolgt sie doch nicht mehr allein entlang der Faktoren Medienkanal und Budget, sondern muss eine Vielzahl von Variablen miteinbeziehen, die nur schwer mit herkömmlichen Maßstäben zu überblicken sind. 

KI in der Mediaplanung

Sowohl bei der vorgelagerten Auswahl der Kanäle und Platzierungen als auch bei der eigentlichen Buchung sowie der dann folgenden Ausspielung der Werbemittel kann KI eine entscheidende Funktion zukommen. In der Praxis stehen diese Verfahren oft – mit Ausnahme der technologisch geprägten Werbegiganten wie Google oder Facebook – im Moment eher noch am Anfang, doch zeichnet sich auch im klassischen Daten getriebenen Werbeumfeld bereits eine Fülle an Innovationen ab, die diesen ohnehin bereits sehr automatisierten Markt zu noch mehr Eigenständigkeit entwickeln und in deren Rahmen die komplexen Entscheidungsmechanismen zunehmend auf intelligente Systeme übertragen werden.

KI sorgt für Bespielung der Kanäle

Der international tätige Bananen-Produzent Dole setzte die KI Albert für die Optimierung seiner Mediaplanung und die Bespielung der verfügbaren Kanäle ein. Dazu definierte man vorab eine Zielerfolgskennziffer, an der sich die KI orientieren sollte. Anschließend fütterte man das System mit Informationen zu möglichen Platzierungsoptionen, verfügbaren Kanälen und Werbeformaten sowie den Einschränkungen zur Laufzeit und Budgetierung der Kampagne. Auf dieser Grundlage lernte Albert mittels „Trial & Error“ die optimalen Entscheidungen zu treffen und legte fest, welche Formate in welche Medien zu welchen Zeiten belegt werden sollte und wie das Budget somit ergebnisorientiert zu investieren sei. Das System erstellte sich dazu eigenständig eine Erfolgsfunktion, die sich am maximalen „Return On Invest(ment)“ („ROI“) der Kampagne ausrichtete. Für Werbebuchungen auf Facebook stellte Albert beispielsweise fest, dass in bestimmten Regionen oder bei Nutzern mit bestimmten Endgeräten ein höherer Rückfluss aus dem Kapitaleinsatz – gemessen in Page Likes – zu verzeichnen war und passte somit eigenständig die Budgetallokation zugunsten dieser Optionen an.  Auf diese Weise übernahm die KI eine klassische Funktion – die Aussteuerung und Optimierung einer Werbekampagne –, die typischerweise zum Kernbereich des Aufgabengebietes einer Mediaagentur gehört.

Automatische Leadgenerierung mit KI

Einen ähnlichen Ansatz verfolgte Harley Davidson. Der amerikanische Motorradproduzent setzte eine KI auf sein „Media Asset Management“ an. Mit dem Ziel, Sales-Leads zu generieren, platzierte man automatisiert Anzeigen auf Google und Facebook. Ein KI-System wertete eigenständig die Wahrscheinlichkeit einer Conversion je nach verwendetem Targeting aus (Keywords und Interessenprofile). Zudem generierte es aus den damit erfolgreich angesprochenen Interessenten „Look-a-like“-Profile, die einer weiteren Verbesserung der Ansprache dienten. Auch die Werbemittel selbst unterzog das System einem entsprechenden Optimierungsprozess. Neben den Faktoren Umfeld und Nutzerverhalten wurde auch die Kombination aus Anzeigentext und Anzeigengestaltung untersucht und stetig auf das Ziel der Leadgenerierung hin verbessert. Somit entstand auch hier ein selbstlernendes System, welches eigenständig die Werbemittelgestaltung und -platzierung kontinuierlich optimierte. 

KI übernimmt Management der Media Assets

Inzwischen existieren auch Plattformen, die diese Leistungen skaliert zur Verfügung stellen. Manche Unternehmen bieten Werbungtreibenden an, die Anzeigenplatzierungen über verschiedene Kanäle und Websites hinweg zu überwachen und die Information über entsprechenden Bewegungen und Verhaltensweisen aktueller und potenzieller Kunden an zentraler Stelle zusammenzuführen.  Dies soll als Grundlage für ein optimiertes Mediamanagement dienen und eine ergebnisorientierte Distribution der Werbemittel gewährleisten.

Eine zunehmend wichtigere Rolle spielt KI bei der Marktorganisation im Programmatic Advertising bei den Ad Exchanges und der Real-Time-Vermarktung von herkömmlicher Displaywerbung. Die Informationen aus den vorliegenden Daten lassen sich zu Prognosen und Empfehlungen verdichten, die in der Kombination zu einer zielgenauen Ansprache führen können. Daraus lässt sich etwa eine automatisierte Inventarverwaltung ableiten, die, orientiert an den Bedürfnissen der Nachfrager von Werbeplatzierungen, aus den komplexen Zusammenhängen der Datenbasis entsprechende Muster ermittelt, die für eine zufriedenstellende, das heißt „Relevanz optimierte“ Angebotsunterbreitung sorgt. Dies setzt voraus, dass das Surfverhalten und die Umfeldnutzung zu aussagekräftigen Profilen verdichtet und diese Information systematisiert mit den ebenfalls dynamisch ermittelten Anforderungen der Mediaeinkäufer abgeglichen werden. Auf diese Weise kann es gelingen, die Buchungsoption mit der jeweils attraktivsten Wertschöpfung für den Werbeeinkäufer automatisiert zu identifizieren.

Berücksichtigung von Brand Safety

Viele Werbung treibenden achten bei der automatisierten Buchung von Werbeplätzen verstärkt auf die sogenannte „Brand Safety“. Wenn Buchungen anhand performance-orientierter Kriterien erfolgen, ist damit nicht gleichzeitig auch garantiert, dass die Werbung eines Unternehmens in einem „unzweifelhaften“ Umfeld ausgespielt wird. Viele Werbung treibende fürchten um ihren guten Ruf, wenn ihre Marke auf Websites auftaucht, die nicht zum mühsam gepflegten Image passen. Gleichwohl ist an dieser Stelle nochmals anzumerken, dass beim Programmatic Advertising ja meist der Nutzerkontakt ausschlaggebend für die Platzierung ist und dieser eben selbst wissentlich das entsprechende Umfeld angesteuert hat. Eine flächendeckende Buchung auf spezifischen Websites findet meistens eher nicht statt. Ob dann daraus wirklich negative Folgen für die Unternehmensreputation abzuleiten sind, sei dahingestellt.

Nichtdestotrotz ist dieser Aspekt in der Praxis für viele Werbung treibende außerordentlich wichtig. Selbst wenn eine bestimmte Umfeldplatzierung hohe Conversionzahlen aufweist, soll ein als negativ empfundener inhaltliche Kontext von der Auslieferung ausgeschlossen werden. Da die Auslieferung aber individuell, Nutzer orientiert, erfolgt, kann dies von der Werbekundenseite mit vertretbarem Aufwand meist nur im Nachhinein – im „Erfolgsfall“ – nachvollzogen werden. Für Abhilfe kann hier ebenfalls der Einsatz maschineller Lernverfahren sorgen. Aus zuvor als „negativ“ etikettierten Umfeldern lassen sich Muster für Klassifizierungen ableiten. Daraus kann das System lernen, bereits vor der Platzierung eines Werbemittels ein nicht adäquates Umfeld zu identifizieren und die Ausspielung zu unterbinden. Bislang erfolgte dies über händisch gepflegte Blacklists oder über Zertifizierungen von Websites einschlägiger Anbieter. Aber auch in diesem Bereich existieren erste Ansätze, dieses Problem über KI zu lösen– was zu einer erneuten „Disruption“ dieser bestehenden Teilmärkte führen könnte.

Blacklisting und Whitelisting

Umgekehrt ist es auch aus Publisher-Sicht manchmal angeraten, nicht jeden Werbekunden auf den eigenen Seiten Raum zu geben. Auch hier greift das Argument der Reputationsgefährdung, wenn eine sich selbst als dem „Premiumsegment“ zugehörig begreifende Website nicht durch die dort platzierte Werbung in Misskredit geraten will. Analog zur Werbekundenseite lässt sich dies nur schwer durch menschliche erzeugte „schwarze Listen“ verhindern, für die man ja eigentlich den Werbemarkt komplett kennen müsste. Auch hier könnte KI perspektivisch auf der Basis von optischer und textlicher Mustererkennung zum Einsatz kommen.

Schließlich sind auch die Nutzer selbst in der Lage, auf intelligente, selbstlernende Systeme zurückgreifen. So bietet der in den vergangenen Jahren bereits stark genutzte Adblocker-Anbieter „Eyeo“ auf einer eigenen Plattform die Möglichkeit, Screenshots missliebiger Werbung hochzuladen. Damit soll ein künstliches neuronales Netz „gefüttert“ werden, das entsprechende Anzeigen im Netz automatisch blockiert.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Mediaplanung, Programmatic Advertising und KI erschien zuerst auf Nerdwärts.de.

Künstliche Intelligenz in aller Munde

Kaum eine Diskussion um die Zukunft der Digitalisierung kommt in jüngster Zeit ohne den Begriff der „Künstlichen Intelligenz“ („KI“) aus. Dahinter verbirgt sich in der Regel die Fähigkeit autonomer digitaler Systeme, Muster und Logiken zu erkennen (etwa in Texten oder Bildern), auf dieser Basis eigenständig Entscheidungen zu treffen und aus den daraus resultierenden Aktionen selbsttätig Verbesserungen abzuleiten, also de facto – zu lernen.

Medienunternehmen und Künstliche Intelligenz

Gerade auch für Medienunternehmen ergeben sich daraus neue Szenarien: sei es, dass Inhalte per lernendem Algorithmus personalisiert und maßgeschneidert an den Nutzer ausgeliefert werden oder dass Chatbots – oder deren Hardware-gewordene Version in Form von Amazons „Echo“ und dem Sprachassistenten „Google Home“ – die bisherige meist eher einseitige mediale Informationsvermittlung in einen Dialog wandeln. Die branchenspezifischen Spielregeln könnten sich jedenfalls – wieder mal – nachhaltig ändern. In erster Linie dürfte es dabei um eine Verbesserung oder Erweiterung des medialen Angebots gehen. Aber Künstliche Intelligenz wird auch zunehmend die Prozesse in Herstellung und Vertrieb beeinflussen, indem entsprechende Systeme immer mehr Tätigkeiten automatisiert übernehmen. Auch bei der Preisgestaltung – Stichwort „Dynamic Pricing“ – kommt KI zunehmend zum Einsatz und reduziert damit den menschlichen Anteil an der Entscheidungsfindung.

„Buzzword-Hochzeit“? Blockchain & Künstliche Intelligenz

Besonders spannend wird es jedoch, wenn Künstliche Intelligenz mit einem anderen „Buzzword-Thema“ zusammenwächst – der Blockchain. Der Technologie, die der lückenfreien Abbildung der Transaktionen etwa bei der Kryptowährung Bitcoin dient, wird ja nun seit geraumer Zeit ein erhebliches „Disruptionspotenzial“ zugesprochen. Im Gegensatz zu einer herkömmlichen Datenbank, die Informationen an einer zentralen Stelle verwaltet, werden die Daten über die Blockchain „distribuiert“, also das Abbild der vorgenommenen Transaktionen an alle Netzwerkteilnehmer verteilt. Damit sind sämtliche Vorgänge lückenlos gespeichert und für jeden einsehbar.

Blockchain im Programmatic Advertising

In den USA findet dies bereits im Daten getriebenen Marketing, beim „Programmatic Advertising“, Anwendung. Hier versuchen erste Anbieter dezentral und automatisiert Werbeflächen zu vermarkten. Damit ist es grundsätzlich möglich, das bisher zentralistisch organisierte Marktsystem aufzubrechen: Die Transaktionsinformationen werden in einer Blockchain gespeichert und Pricing und Bietverhalten autonom über lernende digitale Systeme abgewickelt.

Digitale Medien und Blockchain

Analog lässt sich dieses Prinzip auf „Paid Content“-Strategien übertragen. Vorreiter ist hier aktuell die Musikbranche. Einzelne Musikdateien oder sogar bloß Teile davon, etwa ein Gitarren-Riff oder eine „bassline“, werden dezentral für verschiedene Zielgruppen – Endverbraucher, Rechteverwerter, kommerzielle Nutzer – feilgeboten. Die Blockchain ermöglicht auch hier die Transaktionsdokumentation und erlaubt sogar ein dezentrales Rechtemanagement. Über lernende Algorithmen kann man die Angebotsanalyse und den Marktmechanismus abbilden. Diese Prinzipien ließen sich sicherlich auch auf weitere Segmente der Medienbranche übertragen.

Zum Thema im Detail: Blockchain in der Musik- und Medienindustrie

Blockchain, Smart Contracts und Künstliche Intelligenz als „Game Changer“

Die Blockchain und die damit verbundene automatische Exekutierung von Verträgen via „Smart Contracts“ – könnte im Zusammenspiel mit Künstlicher Intelligenz tatsächlich zum „Game Changer“ werden – nicht nur im Bereich der Medien. Vielleicht bedarf es gerade dieser Kombination, um den einzelnen Technologie tatsächlich im ökonomischen Alltag zu verankern.

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Künstliche Intelligenz & Blockchain: Chance für die Medienbranche? erschien zuerst auf Nerdwärts.de.

„Stämme“ in der Informationsgesellschaft

Die Soziologie vergleicht die Entwicklungen in der Informationsgesellschaft nicht selten mit der Bildung von „Stämmen“ oder „Clans“. Als Stämme werden soziale Gruppen verstanden, die sich nicht nur aus privaten oder familiären Gründen zusammenschließen, sondern vor allem auch, weil sie gemeinsame Ziele und Interessen verfolgen. Diese Stammesbildung wird tagtäglich sichtbar in der digitalen Welt, sie findet vor allem in Sozialen Netzwerken und digitalen Foren statt. Die Entwicklung von Social Media hat es ermöglicht, sehr schnell und einfach „peer groups“ zu errichten, die Stammesgesellschaften in vielen Punkten sehr ähnlich sind. Aufgrund des hohen Individualisierungsgrades in der heutigen Informationsgesellschaft hat sich im Internet eine Vielzahl solcher Stammesgesellschaften gebildet, die sich durch einen hohen Spezialisierungsgrad, aber auch durch einen Konsens innerhalb des Stammens hinsichtlich gemeinsamer Interessen, Werte und Ziele auszeichnen. Letztlich aber gilt: „A group needs only two things to be a tribe: a shared interest and a way to communicate.”

Stammesmitglieder erscheinen in dieser Welt als „Community Mitglieder“, „Freunde“, „Follower“ und „Abonnenten“ / „Likers“ – indem sie die gleichen Interessen und Werte teilen. Früher wurden Stämme durch geographische Begebenheiten begrenzt, heute eliminiert die digitale Vernetzung diese Beschränkungen. Die Stämme werden dadurch potenziell größer, aber auch die Vielfalt an Stämmen nimmt zu. Auch gibt es, anders als in herkömmlichen Stammesgesellschaften, in der „Sozialen Netzwerkgesellschaft“ keinen Hinderungsgrund gleichzeitig Mitglied mehrerer Stämme zu sein.

Stämme und Werte

Die Digitalisierung hat zwar zu einer Erleichterung bei der Koordinierung und Vernetzung von Kommunikation geführt, aber auch das ist angesichts der Dimensionenvielfalt der Fragmentierung nicht ausreichend, um diese Gruppen zu erreichen: Stämme unterscheiden sich teilweise erheblich voneinander und vergleichbare Stämme sind nicht immer an vergleichbaren Orten anzutreffen. Auch mögen bestimmte „Grundwerte“ – gemeinsame Interessen, Auffassungen, Überzeugungen, Tonalitäten – stammesübergreifend existieren, das bedeutet aber noch lange nicht, dass die einzelnen „Stammesmitglieder“ nicht in anderen Umgebungen davon abweichende „Werte“ vertreten können. Auch Stammeszugehörigkeiten klaffen an den Dimensionen der Fragmentierung auseinander. Es ist daher kaum möglich, mit allen Stämmen gleichzeitig und gleichartig zu kommunizieren.

„Häuptlinge“ sind gefragt: Tribalismus und Influencer-Marketing

Stattdessen bedarf es, um Aufmerksamkeit in Stammesgesellschaften zu erzielen, „Häuptlingen“, denen zugehört wird. Es geht dabei um die Identifizierung von Meinungsführern und Meinungsbildnern, den „Influencern“, die Teil dieser Stämme sind, aber aufgrund ihrer Reputation und ihrer Vernetzung, innerhalb und auch außerhalb des Stammes, eine Sonderstellung gegenüber den anderen Mitgliedern innehaben. Gelingt es Werbungtreibenden, diese Influencer für sich zu gewinnen, so erlangen sie damit Zugriff auf diese „entlegenen“ Zielgruppenstrukturen. Kommunikation erfolgt dabei indirekt, über die Influencer, die ihrerseits dann autonom die Distribution der Botschaften innerhalb des Stammes übernehmen. Durch die Integration der Influencer in das Stammesgefüge lässt sich dabei die Fragmentierung überwinden, da diese ja selbst die Stammesmerkmale aufweisen. Die Aufgabe der Werbungtreibenden besteht somit darin, diese Meinungsbildner und -führer zu ermitteln, sie für sich zu gewinnen und sie mit entsprechend adäquaten Instrumenten auszustatten.

Identifizierung von Influencern

Die Identifizierung von zum Leistungsportfolio passenden Stämmen und geeigneten Influencern kann mittels einschlägiger Social Monitoring Software erfolgen, wobei sich hier zunächst entsprechende Themen und Haltungen, etwa zu den Produkten eines Werbungtreibenden, über Opinion Mining / Sentiment Analysis ermitteln ließen. In einem zweiten Schritt würden die einflussreichen Personen identifiziert – anhand ihrer Zentralität, Betweenness sowie ihres Impacts –, die sich mit diesen Themen auseinandersetzen. Anschließend müsste deren spezifische Netzwerkstellung innerhalb relevanter Stämme, also beispielsweise entsprechender Communities oder Untergruppen sowie auch innerhalb nur über Interessen und Werte verbundener „Gruppen“, bestimmt werden. Bei entsprechender Granulierung führt dies zu einer praktikablen Fokussierung auf die relevanten Kommunikationspartner. An die Stelle einer unüberschaubaren Zahl von Einzelpersonen würde eine handhabbare Größe von Influencern treten. Dadurch ließe sich dann eine „Defragmentierung“ der Zielgruppenkommunikation einleiten.

Neujustierung der Instrumente erforderlich

Erfolgreiche Kommunikationsplanung bedarf heute einer breiten Ausrichtung. Dies betrifft sowohl akademische Betrachtungen als auch die Sphäre der angewandten Kommunikation. Wenn herkömmliche Zielgruppenverständnisse nicht mehr greifen, vor allem, wenn sie aufgrund mangelnder Operationalisierbarkeit irrelevant erscheinen, sind Justierungen der verwendeten Instrumente vonnöten. Diese Konsequenz ist das Ergebnis einer Entwicklung, die aus dem Informationsüberfluss des digitalen Medienzeitalters, der daraus resultierenden Konkurrenz um die Aufmerksamkeit der Adressaten und einer schier unendliche Vielfalt an Kanälen herrührt und mit einer fragmentarischen Individualisierung des medialen Konsums einhergeht. Wo sich früher Rezipienten auf fest umrissene Medienkanäle aufteilten, versickern nun die Zugänge in einer absorbierenden kommunikativen Diaspora.

Fazit zur Beitragsreihe

Die Beitragsreihe die hier nun ihren Abschluss findet hat versucht, diese Fragmentierung entlang von fünf Dimensionen zu beschreiben – peer groups, content, channels, formats, behaviour – an denen moderne Instrumente der Kommunikationsplanung und -durchführung anzusetzen haben. Wichtig erscheint dabei, dass der ursprüngliche Mechanismus – „suche passendes Werbeumfeld für die anvisierte Zielgruppe“ – heute auf den Kopf gestellt wird. Auswahl und Nutzung von Medien verläuft nicht mehr linear, sondern – im klassischen Sinne des Wortes – disruptiv. Gleichwohl ermöglichen die technischen Gegebenheiten heute immer stärker eine Berücksichtigung dieser Situation. Als Beispiel mag das hier angeführte Targeting bzw. Real Time Bidding / Programmatic Advertising gelten, andere Ansätze wie die Ausrichtung an individuellen Nutzerpräferenzen und Netzwerkbeziehungen, wie durch Facebook praktiziert, können ebenfalls in diesem Licht betrachtet werden. Keiner der vorgestellten Ansätze zur operativen Nutzung kann alle fünf Dimensionen bedienen. Vielmehr bedarf es einer Kombination und Austarierung verschiedenster Maßnahmen um kommunikativ in der veränderten Umwelt bestehen zu können.

Die Rückschlüsse aus diesem Phänomen sind jedoch nicht nur technischer Art. Auch das mediale Geschäftsmodell verändert sich grundlegend, wenn individuelle Nutzerinteressen und -verhaltensweisen sich nicht mehr über ein einzelnes Medium bündeln lassen. An die Stelle der herkömmlichen „Medieneigner“ als Gatekeeper treten schon jetzt „Influencer“, in ihrem Mikrosegment einflussreiche Meinungsmacher, die es aus Sicht der Werbungtreibenden zu identifizieren gilt. Daraus sollte auch ein gewandeltes Verständnis des „Redakteurs“ im Medienunternehmen resultieren. Es reicht schon seit längerem nicht mehr aus, bloß „Content“ zu kreieren oder zu kuratieren. Stattdessen rücken Kompetenzen wie Moderations- und Netzwerkfähigkeit in den Vordergrund. Extrovertiertes Selbstmarketing muss viel deutlicher an die Stelle stiller Schreibtischarbeit treten, will man innerhalb dieser Netzkultur bestehen.

Die Entwicklung wird damit nicht abgeschlossen sein, die Individualisierung der Nutzer und die Fragmen-tierung der Zielgruppen wird sich mit zusätzlichen Medienkanälen wie den Wearables oder auch Datenimplantaten noch deutlich ausweiten. Diese Zusammenhänge mit den herkömmlichen Mitteln aus dem letzten Jahrhundert zu erfassen, zu beschreiben und nutzbar zu machen erscheint kaum möglich. Für eine sinnvolle praktische Kommunikationsplanung und ihre akademische Rezeption brauchen wir Alternativen.

Quellen:

Godin, Seth (2008): Tribes. We need you to lead us. London (eBook)
McLuhan, Marshall (2003): Understanding Media: the extensions of man. Corte Madera

Der Beitrag Influencer-Marketing als Antwort auf die Fragmentierung der Zielgruppen: Zielgruppenfragmentierung und Mediaplanung im digitalen Zeitalter (7/7) erschien zuerst auf Nerdwärts.de.