Adressierbare Devices und kontextuelles Targeting ermöglichen es Advertisern, ihre Werbung zu personalisieren sowie die passende Zielgruppe zum richtigen Zeitpunkt mit der richtigen Botschaft anzusprechen. Beim kontextuellen Targeting in Echtzeit wird Werbung programmatisch auf Basis von verschiedenen Signalen ausgespielt. Werbetreibende können Zielgruppen komplett unabhängig von Third-Party-Cookies und mobilen IDFAs (Identity for Advertisers) oder anderen ID-Lösungen am Markt effektiv über kontextbezogene Anzeigen erreichen. Kontextuelles Targeting lässt sich auch ohne Consent, also User-Einwilligung für personalisierte Werbung, nutzen, denn hierbei analysieren Marketer den konsumierten Content und nicht den Nutzer, der ihn konsumiert. Kontextuelles Targeting ist datenschutzkonform und liefert relevante Reichweite. Die dabei herangezogenen Signale zeigen sich zudem krisenresistent. Corona-Pandemie oder Ukraine-Krieg haben keine Auswirkungen hierauf, sie bleiben recht stabil.

Ein Vermarkter kann unabhängig vom Browser, dem Inventar oder der technischen Umgebung kontextuelles Targeting nutzen und für das Programmatic Advertising einsetzen, um die Werbung hierbei möglichst passgenau und auf den Kontext des Nutzers abgestimmt auszuspielen. Anhand von bestimmten Datenpunkten und Signalen kann der relevante Kontext ermittelt werden. Hierzu analysiert der Technologieanbieter unter anderem den Webseiteninhalt (was steht dort an Inhalten, welche Keywords werden genutzt) und die URL (was steht darin, worum geht es) sowie die Metadaten. Außerdem können Bild-, Audio- und Videoinformationen ausgelesen und interpretiert werden. Diese Informationen liefern Hinweise zum Kontext.

Im zweiten Schritt schaut der Technologieanbieter auf die Meta-Informationen, sprich über welche Devices kommt der User und welche technischen Daten beispielsweise über den Browser sind bekannt? Eine weitere Option ist eine semantische Analyse einzelner Keywords und Tokens aus den URLs, die in der Regel „sehr sprechend“ sind, weil sie auf die Google-Suche optimiert sind. Das bedeutet, dass der Text der URL bereits erahnen lässt, worum es auf der Webseite geht. Ein Beispiel zur Vorgehensweise: Ein Advertiser oder eine Agentur liefert ein Briefing zum Thema Elektromobilität. Daraufhin werden relevante Keywords zu diesem Themenfeld wie E-Auto, Wallbox und so weiter erstellt und mit dem Inventar abgeglichen, das heißt es wird geschaut, in welcher Art von URL der gewünschte Content vorkommt. Diese Informationen werden mithilfe von Machine-Learning-Algorithmen in spezifische Zielgruppen übersetzt. Pro Seitenaufruf kann so eine Echtzeit-Prediction getroffen werden, um den Nutzern in Echtzeit Merkmale zuzuweisen, die ein zielgenaues Targeting ermöglichen. Ziel ist es, die Streuverluste so gering wie möglich zu halten.

Die Schwierigkeit im kontextuellen Targeting liegt für Advertiser unter anderem darin, den Spagat zwischen Präzision und Reichweite zu meistern. Möchte man beispielsweise im thematischen Umfeld von Elektromobilität werben, können Inhalte herausgefiltert werden, die sich genau im richtigen Kontext befinden. Über die Eingrenzung bestimmter Keywords werden entsprechende Umfelder identifiziert. Der Werbetreibende erhält aber im Zweifel nur eine geringe Reichweite. In diesem Fall können weitere Begriffe und Keywords hinzugefügt werden, die aber möglicherweise erst auf den zweiten Blick mit dem Thema Elektromobilität zu tun haben. Je genauer Advertiser targeten, desto spitzer wird ihre Zielgruppe – es leidet aber eben auch die Reichweite.

Werbetreibende möchten User mit der richtigen Botschaft passend zu ihrer Nutzungssituation ansprechen, aber User verhalten sich morgens in der Bahn auf dem Weg zur Arbeit anders als mittags im Büro oder abends auf dem Sofa. Das hat auch Auswirkungen auf die Art und Weise, wie User im Internet unterwegs sind und wie sie Werbebotschaften aufnehmen. Aber auch Geodaten, wenn sie verfügbar sind, sowie Informationen, ob der User WLAN nutzt oder nicht, liefern wertvolle Hinweise für die jeweilige Nutzungssituation und damit für den richtigen Zeitpunkt der Ansprache.
Ein weiterer Blickwinkel ist zudem das Thema „Sentiment“, also welche Stimmung der Inhalt beziehungsweise das Werbeumfeld transportiert. Ist es eher fröhlich oder negativ konnotiert? Dies ist ebenfalls für die Auswahl des richtigen Kontextes relevant und spielt für die semantische Analyse des Contents eine entscheidende Rolle.

Eine weitere Herausforderung für Advertiser ist es, die richtigen KPIs zu finden. Hier lautet die Frage, wie man am sinnvollsten misst, ob der Kontext, in dem geworben wurde, auch zum Produkt passt. In der Regel werden die gleichen KPIs betrachtet wie beim Audience Marketing, zum Beispiel Zielgruppenerreichung oder Perfomance-KPIs, wenn es sich um ein Abverkaufs-Produkt handelt.

Die Browser-Welt hat sich verändert und nicht mehr jedes Inventar ist mit einem User-Targeting adressierbar. Das stellt Werbetreibende vor Herausforderungen. Das kontextuelle Targeting hat in diesem Zuge an Bedeutung gewonnen, denn es kommt ganz ohne User-Daten aus. Außerdem entwickelt sich diese Disziplin immer weiter und technologisch gibt es immer mehr Möglichkeiten wie Bild- und Videoanalysen. Die relevanten Faktoren sind der Kontext, die Nutzungssituation sowie die Semantik, anhand denen ermittelt wird, wann und wo Werbetreibende ihre gewünschte Zielgruppe am besten kontaktieren. Die Schwierigkeit liegt jedoch in der Verknüpfung der Daten. Je mehr Informationen vorliegen, desto genauer können User angesprochen werden. Addressable Devices bieten den Werbetreibenden Einfallstore, User auf den unterschiedlichsten Geräten anzusprechen. Addressable Devices und kontextuelles Targeting ergänzen sich gut und bieten Advertisern Antworten auf die Post-Cookie-Ära.