Die DMPs stehen dabei für die Erfassung, Verwaltung sowie den Zugriff von User-Daten. Die DMPs sind somit Data Warehouse Systeme, die solche Daten anhand von bspw. Cookieinformationen speichern, verarbeiten und bereitstellen können, um damit Kaufentscheidungen im Echtzeitgebotsverfahren auf einer DSP treffen zu können.
Die Userdaten werden dabei in Audience Segment unterteilt nach u.a.
- soziodemografische Merkmale wie z.B. Alter und Geschlecht
- Interessenbasiert wie z.B. Kochen, Sport oder Gartenarbeit
- Verhaltensbasiert wie z.B. Kauf- oder Klick-Historie eines Users
- Statistische Zwillinge – sogenannte Lookalike Profile die z.B. darauf beruhen, User mit gleichem Surfverhalten wie Käufer eines bestimmten Produkts zu ähneln
Eine weitere Unterteilung findet statt nach 1st Party Daten (=meine Daten die ich selber irgendwo auf bspw. meinen eigenen Webseiten erfasse und kategorisiere), oder 3rd Party Daten (die ich mir über Datenvermarkter einkaufe oder dazukaufe).
Die Datenvermarkter sind bei bspw. Webseitenbetreibern integriert und vermarkten deren Userdaten um sie dann monetär an dem Erlös zu beteiligen. Also die Webseitenbetreiber, nicht die User 🙂
Dennoch stellt sich die Frage, wie geht die DMP nun genau vor bei der Erstellung von Audience Segmenten, die anschließend für Kampagnen verwendet werden. Dafür gibt es unterschiedliche Prozesse. Zum einen kann ein Segment ausschließlich auf harten Fakten basieren. Häufig handelt es sich dabei um CRM-Daten, wie z.B. Wohnort, Alter oder Produktkauf-Informationen von Kunden. Zum anderen basieren Segmente auch auf Prognoseberechnungen. Als Indikator für das Prognosemodell gilt das Surfverhalten, woran Interessen oder gar das Geschlecht ausgemacht werden. Des Weiteren können Audiences auch auf Basis von semantischen Regeln zusammengestellt werden, also exemplarisch betrachtet, wenn User in vergangener Zeit Webseiten zu einer bestimmten Thematik aufgerufen haben.
Allgemein unterscheiden sich die Segmente noch in zwei bedeutsamen Punkten – Reichweite und Präzision. Da man nicht immer alles haben kann, legen die Ersteller der Segmente den Fokus oftmals auf einen dieser beiden Punkte. Liegt dieser Fokus auf Präzision, ist anzunehmen, dass die Segmente in ihrer Größe beschränkt sind. Dafür ist die Wahrscheinlichkeit auch höher, dass User X tatsächlich in dieses Segment gehört. Wird dem hingegen die Reichweite fokussiert, geschieht dies nicht selten auf Kosten der Qualität. Dem User wird dann gegebenenfalls nur eine tendenzielle Eigenschaft zugeordnet.
Zielgruppen sind dynamisch und können sich zudem schnell ändern. Ein User, der sich noch vor ein paar Wochen für das Thema Kochen interessiert hat, legt nun vielleicht den Fokus primär auf die Thematik Sport. Natürlich kann er dabei mehreren Segmenten zugehören.
In einer DSP gibt es im Bereich Kampagneneinstellungen die Möglichkeit, solche Audience Segmente im Gebotsverfahren mit zu berücksichtigen. Sprich: Man kann im Kampagnensetup solche Audience Segmente ins Targeting mit aufnehmen.
Nun kommt allerdings das große Problem: Sofern man keine eigene DMP mit eigenen Userdaten hat, hat man die Qual der Wahl des Targetings. Es gibt zig Datenanbieter mit wiederum Tausenden von Audience Segmenten, die man aufschalten könnte – die aber natürlich auch alle ihren Preis haben in Form des TKP Aufschlags auf den Mediaeinkauf.
Ob man dann mit den ausgewählten Audience Segmenten richtig liegt, sieht man anhand der Ergebnisse / Performance wie bpws. Klickraten während der Kampagnenlaufzeit nach einigen Tagen. Es verhält sich fast so wie auf einer Dating Plattform. Wenn ein Segment gefällt, unterhält man sich weiter. Wenn nicht, dann eben nicht.
In der Praxis bedeutet das, dass man eben für jede Kampagne einige Audience Segmente verproben muss, da man nie vorhersehen kann wie die Performance wirklich sein wird. Natürlich helfen die Datenvermarkter ein Stück weit solche Einschätzungen vorzunehmen. Oder aber wir als klaro können mit Erfahrungen punkten.
Je nachdem wie tief man mit einer DSP arbeiten kann bzw. technisch verzahnt ist, kann man eine Audience Overlap Analyse fahren. Das funktioniert indem man ein DSP Pixel auf eine Seite implementiert, und dann schaut in welchen von all den Tausenden Audience Datensegmenten sich die dortigen Besucher am häufigsten wiederfinden. Das sind dann die Audience Segmente, die mit höchster Wahrscheinlichkeit am relevantesten für weitere Erstansprache von Neukunden sein könnte. Allerdings funktioniert das erst mit einer sehr großen Anzahl von Seitenbesuchern.
Wir fassen also zusammen:
DSPs kaufen Werbeflächen anhand von Bedingungen ein.
DMPs stellen in diesem Prozess Zielgruppeninformationen bereit, mit denen man die Streuverluste im Mediaeinkauf reduzieren kann.
Es gibt dabei “eigene” Daten, oder Fremdvermarktete Daten, wobei letzteres die Regel ist. Aber beide Arten von Daten werden eben über sogenannte DMPs bereitgestellt.
Die Qualität der Daten sowie deren Ergebnisse entscheiden dabei, ob und wie intensiv diese Segmente angewendet werden.
Spannend bleibt zu betrachten, wie sich der gesamte Markt rund um Audience Segmente in Zukunft entwickeln wird, da das Zeitalter der Cookies sich dem Ende neigt, und sich neue Lösungen entwickeln und etablieren. Wir bleiben dran – und halten Euch auf dem laufenden.
klaro media – wir machen (für Euch) Programmatic einfach!
