Cookie Life - Teil 2: Targeting ohne Cookies

Zum Auftakt unserer Serie “Cookie Life” haben wir uns mit dem Status quo befasst. Im ersten Teil befassen wir uns mit non-user-centric Targeting, was die Möglichkeit bietet schnell zu launchen. 

Im Laufe des Artikels werden folgende Fragen beantwortet: Welche non-user-centric Targeting Optionen gibt es und wie können sie richtig eingesetzt werden? Außerdem schauen wir uns an, warum kontextbezogene Werbung die trendige Lösung ist, über die alle Mediaagenturen momentan so viel sprechen.

Welches Targeting stützt sich worauf? Was ist Targeting? Welches Targeting wird durch Cookies von Drittanbietern beeinflusst?

Um auf den Artikel zum Status quo zurückzukommen, dort haben wir verschiedene Optionen für die Zielgruppenansprache erwähnt, die derzeit verwendet werden. Jetzt gehen wir darauf ein, welche Optionen davon unter den zukünftigen Rahmenbedingungen als Alternative bleiben werden.

• SocioDemo: Die Verwendung von soziologischen und/oder demografischen Merkmalen für die Zielgruppen. Z.b. Altersgruppen über Cohorts/FloC oder Opt-in-Daten. Hierauf werden wir genauer im 3. Teil eingehen.
• Geolocation: Hierbei handelt es sich um die Verwendung von Lat-long Positionierung der Gerätenutzung. Dies beruht auf Echtzeitdaten, welche deaktiviert werden können, jedoch nicht auf Drittanbieter-Cookies angewiesen sind.
• Behavioural: Benutzer können unter den Datenschutzgesetzen von einer Seite zur anderen verfolgt werden. Ohne Cookies von Drittanbietern ist diese Funktionalität nicht verfügbar.
• Time/season based: Wenn es durch äußere Umstände bestimmt wird, wie zum Beispiel die Wettervorhersage, die Tageszeit oder die Temperatur, dann haben Cookies keine Wirkung.
• Contextual: Basierend auf dem Inhalt der Hosting-Seite, dies wird auch nicht von Cookies beeinflusst.

Warum ist kontextbezogenes Targeting (wieder einmal) cool?

Wie der Name bereits sagt, ist kontextbezogenes Targeting – Werbung im Kontext – z.B. eine Autoversicherung, die auf einem Blog über Automodellbewertungen und -vergleiche angeboten wird. Das Konzept gibt es schon lange., Werbetreibende haben es schon verwendet, bevor das Internet erfunden wurde. Es waren die Printmedien, die das Konzept angewendet haben, indem sie eine Rubrik für Interessen hatten. Das war eine gute Gelegenheit mit Nischenpublikum zu sprechen. Heutzutage wird es immer noch für spezielle Produkte, Hobbys oder Sport verwendet.

In der digitalen Werbung zeigt sich kontextbezogenes Targeting als eine Möglichkeit, Werbung auf bestimmte Interessen auszurichten. Für digitale Nutzung benötigt es eine Technologie, die den Inhalt der Seite erkennt oder „liest“, um ihn zu analysieren und danach einer „Kontext“-Gruppe zuzuordnen.

Ein gutes Beispiel für den Einsatz von kontextbezogenen Werbelösungen, die auf Keyword-Indexierung basiert, ist Google AdSense, welches im Jahr 2003 durch die Übernahme von Applied Semantics entstanden ist. Zu Beginn wurde es kritisiert, weil zahlreiche Webseiten dadurch entstanden sind, die nur dafür da waren Adsense-Anzeigen anzuziehen. Diese Webseiten aggregierten den Inhalt zu einem Thema von anderen Seiten und boten dem Markt dadurch keine besondere Qualität an.

Der Hauptvorteil von kontextbezogener Werbung ist Relevanz: Wenn Werbetreibende nur Interesse an den Wünschen ihrer Kunden haben, müssen sie ihre wahre Identität nicht kennen. Kontextbezogene Werbung basiert auf Interessen in Echtzeit, anstatt auf vergangenen Verhaltensdatenanalysen. Somit wird die Chance zu Conversion - erhöht, wenn richtig angegangen (das Thema besprechen wir als nächstes), da sich die Werbung auf das Thema des Inhalts bezieht und nicht auf den Leser/die Leserin. Alle Unternehmen, die noch keine Daten von ihren eigenen Kunden gesammelt haben, erhalten durch kontextbezogene Werbung eine Alternative, es zu machen. (Darüber werden wir auch reden)

Wie lassen sich die Targeting-Optionen nutzen, die nicht auf Cookies beruhen?

Wie erläutert, Google hat das Ende von Drittanbieterdaten verschoben und viele Werbetreibende waren erleichtert. Es ist eine Gelegenheit, um sicherzustellen, dass wir nicht ins Hintertreffen kommen. Aus diesem Grund sollten wir keine Zeit verlieren und schnellstmöglich interne Kenntnisse über die effizientesten Kanäle für unsere Marke außerhalb dieser Cookie-Welt entwickeln.

Eine wesentliche Lösung besteht darin, ein Budget für einen klaren Test- und Lernansatz zuzuweisen, der möglicherweise das SMART-Framework verwendet: Ein allgemeines Ziel ist es, dass wir verstehen, welches Targeting am relevantesten ist, um Aufmerksamkeit zu schaffen oder Verkäufe zu erzielen. (denn beides spielt eine wichtige Rolle für einen langfristigen Fokus)

1. Hypothese aufstellen

2. Bestimmen, wie Erfolg gemessen wird

3. Festlegung eines Zeit- und Kostenrahmens

4. Bewertung der Ergebnisse

5. Gelerntes Teilen

Um unser „Test and Learn“-Budget bei der kontextbezogenen Werbung zum Erfolg zu führen, sollten wir:

• Adapt the creative to a contextual environment, relating to the right topic assignment rather than the consumer-centric approach.
• Monitor closely the performance of each context and associated creative to learn which are the best matches.
• Internal factors can play a role in each activity, do not hesitate to use granular monitoring solutions to deep dive into your results when needed.

Für den Kontext

Die Skalierbarkeit einer Kampagne ist auch abhängig von der Qualität der kontextuellen Sortierung. Das IAB hat eine Liste mit allgemeinen Kategorien veröffentlicht, wo Webseiten eingeordnet werden können. Dadurch entsteht eine Möglichkeit für jeden Publisher, sich in einer Inhaltskategorie aufzulisten, jedoch ist es immer noch allgemein. Infolgedessen kann sich ein Nischenkontext aufgrund fehlender Inhalte als unmöglich erweisen.

Das Risiko, dass Marken zusammen mit irrelevanten oder anstößigen Inhalten dargestellt werden, kann anhand von NLP (Natural Language Processing) mit guter KI-Nutzung verringert werden, da es versteht, ob ein Nutzer einen negativen Kommentar hinterlässt. Es vermeidet, die ganzen Kategorien wegen unzuverlässiger Nachrichten auszuschließen. (z.B. Breaking News-Bereich oder nutzergenerierte Inhalte wie Rezensionen und Foren). Heutzutage sind gute Pre-Bid-Lösungen auf dem Markt, welche in das Markensicherheitsangebot von Ad-servern integriert werden. Die eigene Option sollte überprüft werden.

Andere externe Faktoren

Indem Kategorien mit einer soliden Struktur angegangen und Hypothesen getestet sowie gelernt werden und danach ein klares Bild davon gezeichnet wird, kann ein Unternehmen die Auswirkungen von externen Faktoren besser erfassen. Abhängig von Dienstleistung oder Produkt, kann Werbung unterschiedlich getestet werden. Im Allgemeinen kann sie auf Standort, Wetter und Tageszeit sowie Zeitraum des Jahres getestet werden.

Es lohnt sich, diese Faktoren bei der Durchführung von Kampagnen zu beachten. Außerdem können Unternehmen Geld sparen, indem sie ihren Kampagnen eine zusätzliche Relevanzebene hinzufügen.

Fazit

Es ist eine strategische Entscheidung, ob Werbetreibende unabhängig von den großen Anbietern werden wollen oder nicht. Demgegenüber ist es immer möglich, sich auf eine Walled-Garden-Lösung zu verlassen, die die erforderlichen Daten zur Verfügung stellen. Kein Unternehmen sollte sich verurteilt fühlen, wenn es sich an die vom Markt diktierten technologischen Grenzen hält.

Alternatives Targeting, welches nicht auf Cookies von Drittanbietern angewiesen ist, kann großartige Leistungen erbringen, soweit das Verständnis vom besten Ansatz vorhanden ist. Denn es stützt sich nicht auf verbraucherzentrierte Daten, erfordert es eine Test Mechanik. Solange Google Werbetreibenden noch Zeit lässt, können sie immer mit dem Aufbau von Wissen anfangen. 

Im nächsten Artikel geht es um die Erfassung und Nutzung von Erstanbieterdaten.

Quellen:

• https://en.wikipedia.org/wiki/Contextual_advertising
• https://iabtechlab.com/standards/content-taxonomy/
• https://digiday.com/media/personalization-diminished-gdpr-era-contextual-targeting-making-comeback/
• https://www.criteo.com/blog/contextual-targeting-campaign-guide/
• https://go.iab.com/rs/786-LBD-533/images/Contextual%20APACIv3.0%20small.pdf
• https://iabtechlab.com/standards/addressability-accountability-privacy/
• https://en.wikipedia.org/wiki/SMART_criteria
• https://www.onlinemarketing-praxis.de/glossar/targeting