Anwendung:
Datengetriebene Targeting-Produkte dienen der zielgruppensegmentspezifischen Ansprache und digitalen Aussteuerung von Werbekampagnen. Der Werbetechnologiemarkt bietet mittlerweile hunderte verschiedener Targetingmöglichkeiten an, die für den Werbetreibenden hinsichtlich Zielsetzung, Methodik und Wirksamkeit kaum noch voneinander zu unterscheiden sind. Ergebnis eines Targeting-Audits ist folglich ein datengetriebener Vergleich und eine unabhängige Bewertung im Portfolio befindlicher Targeting-Produkte des Kunden.
Umsetzung:
- Bestandsaufnahme: Zunächst werden in Kooperation mit dem Kunden eine Bestandsaufnahme der im Einsatz befindlichen Targeting-Produkte vorgenommen und geeignete Datenbestände identifiziert. Dazu eignen sich insbesondere Kampagnendaten, die z.B. aus den Audience Managern, SSPs oder DSPs und ggf. auch Marktforschungsstudien gewonnen werden können.
- Datenmatching: Die isolierten Datensätze werden aufbereitet, zusammengeführt und ggf. um externe Datensätze angereichert.
- Definition der Targeting-KPIs: Während manche Produkte primär darauf ausgerichtet sind, Durchsichtsraten (View-Trough-Rates), Verweildauern (Dwell Time) oder Impressions zu erhöhen, haben andere zum Ziel, konkrete Handlungen wie Clicks, Shares oder Installs bei den Viewern auszulösen. Verschiedene KPIs sollten entsprechend der Bedeutung für den Kunden im Audit berücksichtigt werden.
- Modellierung: Aufbauend auf den vorherigen Schritten erfolgt eine Modellierung der Targetingeffekte. Zur Berechnung der Effekte werden komplexe Prediction-Algorithmen wie negativ-binomiale Regressionsmodelle oder Random-Forest-Modelle eingesetzt. Um die Targetingeffekte zu isolieren werden im Modell relevante Störgrößen wie Werbebudget, Werbemittelqualität, Sitelist oder Kontaktanzahl kontrolliert.
- Reporting: Mit den Ergebnissen des Audits kann datengestütztes Detailwissen um die Wirksamkeitsbereiche der relevanten Targeting-Lösungen aufgebaut werden. Darauf aufbauend können Empfehlungen für die Auswahl und Zusammenstellung der Targeting-Produkte ausgesprochen werden.
Datenquellen: Interne Datenbestände, z.B. aus Audience Managern, SSPs oder DSPs; ggf. Marktforschungsstudien