Adzine Top-Stories per Newsletter
VIDEO

(C)TV-Targeting von morgen: Zielgruppen-Matching durch Content und Kontext

Mario Neumann, 31. July 2024
Bild: Jackson Simmer – Unsplash

Die Digitalisierung des Fernsehens erweitert die Möglichkeiten der Zielgruppenansprache im TV für Werbetreibende dramatisch. Hier spielt Contextual Targeting eine große Rolle – doch von welchen Parametern reden wir im Bereich Connected TV (CTV)? Und welche Rolle spielen Metadaten? Im Folgenden wird aufgezeigt, wie die effektive Zielgruppenansprache im CTV durch Content-Analyse funktioniert, inwiefern die Erfassung von Kontext das Werbeerlebnis verbessert und wie generative KI für noch erfolgreichere Kampagnen sorgen kann.

Connected TV ist für Werbetreibende ein echtes Werbe-Eldorado – engagierte Zielgruppen treffen auf Special-Interest-Content, digitale Geräte erlauben die granulare Ansprache auf der Basis von DSGVO-konformen Daten. Hinzu kommt: Eine Erfolgsmessung von Kampagnen in Echtzeit ist möglich.

Auch die aktuelle Cookieless-Debatte tangiert CTV kaum, da diese Mediengattung per se ohne Cookies funktioniert. Ist das ein Nachteil? Keineswegs, denn erstens sind Third-Party-Cookies ohnehin eine zunehmend obsolet werdende Targeting-Methode, und zweitens rückt ohne Cookies das kontextuelle Targeting in den Fokus, um Zielgruppen auf kreative und effektive Weise zu erreichen.

Kontextuelles Targeting für relevante Werbung

Kontextuelles Targeting verwendet die Interessen der Nutzer:innen, die anhand der von ihnen konsumierten Inhalte ermittelt werden. Diese Methode macht Werbung nicht nur relevanter und attraktiver für die Zuschauer:innen, sondern erhöht auch die Effektivität der Kampagnen. Anders als klassische Targeting-Kampagnen, die häufig demografische Daten wie Alter und Geschlecht berücksichtigen, ermöglicht kontextuelles Targeting im CTV eine präzisere Ansprache der Zielgruppen nach ihren Interessen.

Mit Metadaten im CTV das richtige Zielpublikum erreichen

CTV-Kampagnen können auf umfangreiche Content-Informationen zurückgreifen, um Zielgruppen gezielt anzusprechen. Diese Metadaten umfassen nicht nur Informationen wie Programmtitel, Beschreibung und Schlagworte der Sendung, sondern auch Daten über das Zuschauerverhalten, wie beispielsweise die bevorzugten Genres und die Sehdauer. Dadurch können Werbetreibende ihre Botschaften so gestalten, dass sie zur aktuellen Stimmung und den Interessen der Zuschauer:innen passen.

Daneben verwendet CTV auch technische Metadaten wie Gerätetyp, Plattform und Ähnliches (z.B. Betriebssystem) sowie den geografischen Standort für ein geobasiertes Targeting. Ergänzt werden können diese Metadaten durch Messungen wie zum Beispiel Streaming-Aufrufe, Completion Rates, Nutzungshäufigkeit oder Verweildauer. Mit solchen Messdaten können Werbetreibende die Performance von Kampagnen in Echtzeit tracken und optimieren.

Die Erfassung der Content-Metadaten erfolgt sowohl manuell als auch automatisch. Bei der automatischen Generierung kommen Texterkennungsalgorithmen und maschinelles Lernen zum Einsatz, um Streaming-Inhalte genau zu kategorisieren. Die Erfassung und Analyse der Content-Metadaten machen anschließend das Ad Matching möglich: Ein Beispiel wäre die Ausspielung von Automobil-Werbung in Auto-affinen Inhalten.

Content trifft Kontext

Für eine noch bessere Zielgruppenansprache geht es allerdings um mehr als nur Content-Metadaten. Wollen Werbetreibende die volle Breite und Tiefe des Kontextes nutzen, muss der bisherige Metadaten-Begriff erweitert werden: Neben dem Nutzerverhalten können auch emotionale Zustände des Zuschauers und Objekte im Content wie „Strand“ oder „Auto“ in den Metadaten erfasst werden. Die Herausforderung besteht im ersten Schritt darin, maschinell alle relevanten Merkmale der Bilder und Videos zu erfassen, in denen Werbung integriert ist.

Im zweiten Schritt geht es um die Bildung von Zielgruppen-Segmenten. Sogenannte “Content-Ähnlichkeits-Detektoren” analysieren die Metadaten in Bezug auf Content und Kontext. Auf dieser Basis finden diese Tools die entsprechenden Zuschauer-Segmente, die mit ähnlichem Sehverhalten, Interessen und Themenkontext – Stichwort „Content-Similarity“– verknüpft sind. Hinter „Content-Similarity“ steckt also die Idee, ähnliche Inhalte zu identifizieren und auf dieser Basis Zielgruppen-Segmente zu erstellen, die Werbetreibenden Orientierung bieten. Ähnlichkeits-Detektoren basieren auf dem Konzept des digitalen Zwillings, wie es im Digitalmarketing verwendet wird.

Für ein zeitgemäßes Targeting sollten Kampagnen-Profis Content und Kontext erfassen. Metadaten, die beides abbilden, werden deshalb zum neuen Goldstandard im Connected TV. So können Werbetreibende ein durchweg nahtloses und natürliches Werbeerlebnis schaffen.

Kontextuelle Werbung verbessert die Zuschauer-Erfahrung

Von derartig optimierten Werbekampagnen profitieren nicht nur Werbetreibende, sondern auch die Zuschauer:innen. Kontextuelle Ads werden als weniger aufdringlich wahrgenommen und daher eher akzeptiert. Das verbessert die Zuschauer-Erfahrung im CTV. Da Werbung im Interessensumfeld der Zuschauer:innen stattfindet, interagieren diese mehr mit den Werbeinhalten als mit nicht-kontextuell ausgespielter Werbung. Aus diesem Grund sind kontextuelle Ads wirksamer und erzielen höhere Conversion Rates als nicht-kontextuelle.

Die Ausspielung von Werbung anhand von Metadaten kann neben I/O-Buchungen auch programmatisch erfolgen. Dies ermöglicht Marketern eine noch präzisere Segmentierung und Echtzeit-Targeting über Demand-Side-Plattformen (DSPs).

Ausblick: KI passt Werbemittel an Content und Kontext an

Aktuelle Tools zeigen, dass künstliche Intelligenz und kontextuelles Targeting gut zusammenpassen. Auf einem neuen Niveau sind KI-Systeme in der Lage, Inhalte in Text und Bild zu verstehen. Dadurch können Werbetreibende zukünftig ihre Werbung auf Basis von Content-Kategorien anpassen, die über die übliche Einordnung hinausgehen. Eine wichtige Weiterentwicklung ist die Fähigkeit, vorhandene Werbemittel so zu erstellen, dass sie zum Kontext und Inhalt passen. Die Königsdisziplin in diesem Bereich ist die "Predictive Personalization" – eine Methode, bei der KI anhand von Datenanalysen und Vorhersagen personalisierte Werbung erstellt, die auf die zukünftigen Bedürfnisse und Interessen der Zuschauer:innen abgestimmt ist. Wie in vielen anderen Bereichen ebnet KI auf diese Weise den Weg für noch erfolgreichere Kampagnen im CTV.

Tech Finder Unternehmen im Artikel

Bild Mario Neumann Über den Autor/die Autorin:

Mit über 20 Jahren Erfahrung in der digitalen Medienbranche bringt Mario Neumann umfassendes Wissen für seine Rolle als Director Business Development bei Goldbach Germany mit. Gestartet ist er 1998 bei der GFMO.OMD in Hamburg. 2001 wechselte er auf die Vermarkterseite in den Verkauf bei Microsoft MSN. Es folgten Aufgaben und Leitungsfunktionen bei Tomorrow Focus, Interactive Media CCSP und United Internet Media, wo er den Bereich Advertising Products & Cooperation Business verantwortete. Zuletzt war er bei der EXARING AG im Bereich B2B-Vermarktung für die Entwicklung und den strategischen Ausbau der Werbeumfelder, der Ad Operations und Connected-TV-Produktion verantwortlich. Seit September 2020 ist Mario Neumann bei der Goldbach Germany tätig.

EVENT-TIPP ADZINE Live - Industry Preview - Media & Tech Agenda 2025 am 22. January 2025, 11:00 Uhr - 12:30 Uhr

Welche Themen sollten Advertiser und ihre Agenturen, aber auch die Medien, ganz oben auf der Agenda haben für 2025? Welche Technologien werden bei den großen Herausforderungen, wie z.B. Datenschutz, Addressability, Qualitätssicherung, Messbarkeit und Einkaufseffizienz im digitalen Mediabusiness 2025 eine wichtige Rolle spielen? Jetzt anmelden!

Konferenz

Digital Events

Whitepaper

Das könnte Sie interessieren