ADZINE: Robin, in den vergangenen Jahren haben Publisher immer mehr Demand-Partner und Technologien integriert. Wie können sie angesichts dieser Komplexität wieder mehr Kontrolle gewinnen?

Robin de Wit: Kontrolle bedeutet zunächst, einen Überblick über die gesamte Infrastruktur zu haben, zu verstehen, welchen Beitrag jeder Partner leistet, und auf Basis dieser Informationen handeln zu können. Dafür müssen Publisher ausreichend in Adtech-Know-how investieren – entweder intern oder über einen Partner, der dieses Wissen einbringt.

Publisher müssen außerdem selektiver vorgehen. Es reicht nicht mehr, einen weiteren Demand-Partner hinzuzunehmen, nur weil die Integration einfach ist, die Beziehung gut funktioniert oder zusätzliche Einnahmen versprochen werden. Für jeden neuen Partner sollte klar sein, welche Nachfrage er einbringt, wie die technische Leistung aussieht, wie transparent er arbeitet und welchen zusätzlichen Wert er liefern soll.

Der letzte Schritt besteht darin, auf diese Erkenntnisse auch zu reagieren. Zu viele Integrationen bleiben allein aufgrund historisch gewachsener Beziehungen oder persönlicher Verpflichtungen aktiv.

ADZINE: Supply Path Optimization, kurz SPO, wird seit Langem aus Sicht der Buy-Side diskutiert. Was bedeutet SPO aus Sicht eines Publishers? Wer optimiert hier eigentlich wessen Pfad?

de Wit: Wie so oft im Programmatic Advertising kommt der Impuls von der Buy-Side, während ein großer Teil des Umsetzungsaufwands am Ende beim Publisher liegt.

Das Ökosystem ist deutlich komplexer geworden, weil Publisher im Laufe der Zeit SSPs, Reseller und verschiedene Integrationswege hinzugefügt haben. In vielen Fällen war das durchaus rational: Publisher wollten den Wettbewerb maximieren und ihre Erlöse absichern. Das Ergebnis ist allerdings, dass Käufer heute häufig über mehrere Wege auf dasselbe Inventar zugreifen können und diese Strukturen vereinfachen wollen.

Für Publisher bedeutet SPO deshalb, genau zu verstehen, über welche Wege ihr Inventar die Käufer erreicht, unnötige oder doppelte Pfade zu erkennen und zu entscheiden, welche Partner und Integrationen tatsächlich in der Kette bleiben sollten. Die Schwierigkeit dabei: Publisher sind mit dieser Aufgabe oft weitgehend auf sich allein gestellt. SSPs haben nicht immer ein starkes Interesse daran, Überschneidungen zu beseitigen, wenn dadurch ihr eigener Zugang zum Inventar eingeschränkt werden könnte.

Beide Seiten optimieren also mit unterschiedlichen Zielen. Käufer wollen möglichst effiziente und transparente Wege zum Inventar. Publisher müssen darauf achten, dass diese Effizienz nicht unnötig Wettbewerb, Kontrolle oder Erlöse einschränkt.

ADZINE: Wie können Publisher feststellen, welcher Partner tatsächlich zusätzlichen Wert liefert?

de Wit: Publisher sollten Partner nicht in erster Linie nach dem Umsatz beurteilen, der in deren Reports sichtbar ist, sondern ihren inkrementellen Beitrag messen. Ein Partner, der 50.000 Euro Umsatz generiert, schafft nicht zwangsläufig einen zusätzlichen Wert von 50.000 Euro. Wenn ein Großteil dieser Impressionen sonst von einer anderen SSP gewonnen worden wäre, wurde möglicherweise vor allem Umsatz zwischen Partnern verschoben.

Dafür braucht es Zugriff auf detaillierte Daten wie Bid Rate, Win Rate, CPM, Fill Rate, Latenz und Umsatz, idealerweise aufgeschlüsselt nach Region, Gerät, Format und Ad Unit. Vor allem brauchen Publisher kontinuierliche A/B- oder Holdout-Tests. Teile des Traffics können mit und ohne bestimmte Bieter oder mit unterschiedlichen Bieter-Kombinationen laufen. So lässt sich messen, wie sich der Gesamtumsatz verändert, wenn ein Partner wegfällt.

Damit können Publisher die relevanten Fragen beantworten: Welchen zusätzlichen Wert schafft dieser Partner tatsächlich? Rechtfertigt sein Beitrag die Latenz, Gebühren und operative Komplexität, die er mit sich bringt?

ADZINE: KI soll bei der Monetarisierung bessere Entscheidungen ermöglichen. Wo ist ihr Einsatz auf Publisher-Seite heute wirklich sinnvoll?

de Wit: Eine der größten Chancen liegt in der Datenanalyse. Programmatic Advertising erzeugt eine enorme Zahl an Variablen: Ad Units, Regionen, Geräte, Bieter, Floor Prices, Formate, Nutzerverhalten, Viewability, Latenz, Traffic-Quellen und vieles mehr. Sobald man untersucht, wie all diese Faktoren zusammenspielen, wird die Datenmenge schnell so groß, dass menschliche Analysten sie kaum noch vollständig verarbeiten können.

KI kann größere Datensätze analysieren, Muster und Anomalien über viele Variablen hinweg erkennen und Zusammenhänge aufdecken, für die früher ein umfangreiches Analyseteam nötig gewesen wäre. Dadurch verändert sich auch die Fragestellung. Statt nur zu fragen: „Welche SSP hat den höchsten CPM?“, kann man untersuchen: „Welche Kombination aus Partnern, Konfigurationen und Inventarmerkmalen erzeugt langfristig den höchsten Wert?“

KI sollte dabei nicht automatisch die endgültige Entscheidung treffen. Ihr größter Wert liegt heute darin, den Aufwand für die Analyse deutlich zu senken und Publishern ein Analyse-Niveau zugänglich zu machen, das früher vor allem großen Unternehmen vorbehalten war.

ADZINE: KI neigt dazu, auf kurzfristige Umsatzsignale zu optimieren, weil diese leichter messbar sind. Wie lässt sich die langfristige Qualität eines Publishers in solche Entscheidungen einbeziehen?

de Wit: Eine Änderung, die kurzfristig den Umsatz erhöht, kann den langfristigen Wert eines Publishers trotzdem beeinträchtigen – etwa durch Auswirkungen auf Nutzerengagement, Viewability, Qualität der Nachfrage, Nutzerbindung oder spätere Umsätze. Um solche Effekte zu verstehen, brauchen Publisher Daten über längere Zeiträume, die Monetarisierung, Inventar, Zielgruppen- und Qualitätskennzahlen miteinander verbinden.

KI kann dann nach verzögerten Effekten suchen. Führt eine Änderung beispielsweise in der ersten Woche zu höheren Umsätzen, geht aber in den folgenden 30 oder 90 Tagen mit sinkender Viewability, weniger Engagement oder geringeren Umsätzen einher? Solche Zusammenhänge müssen anschließend durch kontrollierte Experimente überprüft werden. KI ist sehr gut darin, Korrelationen zu erkennen. Eine Korrelation allein beweist aber noch keine Kausalität.

ADZINE: Ihr sprecht auch von interessenbasiertem Targeting ohne klassische Identifikatoren. Verpacken wir damit am Ende nicht einfach Contextual Targeting neu?

de Wit: Contextual Targeting zielt auf den Kontext und ist eher ein passiver Ansatz. Man wartet darauf, dass Inhalte zu Themen entstehen, mit denen eine Marke in Verbindung gebracht werden möchte, und platziert dort Werbung.

Interessenbasiertes Targeting nutzt ebenfalls kontextuelle Signale, geht aber einen Schritt weiter. Es richtet sich an den Nutzer und nicht nur an den aktuellen Seiteninhalt. Wenn wir erkennen, dass sich jemand wiederholt mit bestimmten Themen beschäftigt, können wir diese Person entsprechend ansprechen.

ADZINE: Der Kontext dient also dazu, das Interessenssignal aufzubauen, das anschließende Targeting hängt aber nicht mehr vom aktuellen Seitenkontext ab?

de Wit: Genau. Das Interessenssignal leitet sich aus den Inhalten ab, die ein Nutzer konsumiert, und nicht daraus, dass wir wissen, wer diese Person ist. Unsere Technologie analysiert den Seiteninhalt und ordnet ihn IAB- oder individuell definierten Interessenskategorien zu.

Ein einzelner Besuch eines Autoartikels sagt noch wenig aus. Wenn ein Nutzer aber wiederholt Autoinhalte aufruft, dort Zeit verbringt und mit ihnen interagiert, entsteht ein Muster. Sobald genügend solcher Signale zusammenkommen, kann der Browser oder das Gerät einer entsprechenden Interessengruppe zugeordnet werden.

Diese Zielgruppen können wir in unserem Publisher-Netzwerk nutzen, ohne auf den aktuellen Seitenkontext angewiesen zu sein. Die First-Party-IDs der Publisher bleiben dabei auf die jeweilige Umgebung beschränkt und werden nicht publisherübergreifend abgeglichen.

ADZINE: Danke für das Interview, Robin!