Adzine Klassik Rebrush - Newsletter
 loops7 | istockphoto.com
ADZINE – MAGAZIN FÜR ONLINE-MARKETING | KONTAKT: REDAKTION@ADZINE.DE | WERBEN AUF ADZINE: TEL 0221 - 7 09 96 61 | MEDIA@ADZINE.DE

AUSGABE KW 09 – 25.02.2014

Twitter  Facebook Fanpage  RSS-Feed

THEMEN

 Pfeil AdTrading & RTB: Programmatic & Daten: Jetzt wird´s praktisch  Pfeil Data & Targeting: Data-Science-Anwendungen im Online-Marketing TERMINE


AdTrading & RTB

Programmatic & Daten: Jetzt wird´s praktisch

Karsten Zunke, Redaktion

Programmatic & Daten: Jetzt wird´s praktisch
Karsten Zunke
ANZEIGE

Dutzende Schlagwörter und noch mehr Interpretationen kursieren, wenn es um das Thema Programmatic Advertising geht. Doch die Zeit der Buzzwords könnte nun vorbei sein. Vieles deutet darauf hin, dass in diesem Jahr die Praxistauglichkeit der Lösungen mehr zählt als einprägsame Abkürzungen. Publisher und Advertiser handeln Media zunehmend automatisiert. Cookie-Informationen und Data-Management-Plattformen (DMP) spielen in dieser Entwicklung eine Schlüsselrolle.

Wer als Advertiser ins Programmatic Buying – also den automatisierten Einkauf von Display-Werbung – einsteigen möchte, dem eröffnen sich zahlreiche Möglichkeiten. Das Geschäft wächst rasant, immer neue Anbieter drängen in den Markt. In der Regel beauftragt der Werbekunde eine Agentur, die sich um die Abwicklung automatisierter Kampagnen kümmert. Sie muss Strategien für den automatisierten Einkauf entwickeln, die Technologien bedienen und die Kampagnen managen.

„Das Know-how in Bezug auf Programmatic Buying ist in Deutschland auf Agenturseite in den vergangenen Monaten stark gewachsen“, sagt Lukas Fassbender, der als Director Client Service für das Geschäft von The Trade Desk in der DACH-Region verantwortlich ist. Die US-amerikanische Demand Side Platform (DSP) ist seit dem vergangenen Jahr im deutschen Markt aktiv und arbeitet beim Programmatic Buying in erster Linie mit großen Agenturen zusammen.

Cookies für die DSP

Um ins Programmatic Buying zu starten, schließt der Advertiser beziehungsweise seine Agentur üblicherweise einen Vertrag mit einer DSP, die wiederum an Ad Exchanges und Supply Side Platforms (SSP) angeschlossen ist. Die Agentur erhält einen Zugang zur DSP und kann darüber für ihre Kunden Medialeistung einkaufen und Kampagnen managen. Damit Besucher der Advertiser-Website automatisiert auf anderen Internetseiten von einer DSP wiedergefunden werden können, müssen technische Voraussetzungen erfüllt werden. Da über die DSP eingekauft wird, muss die Cookie-Information zum jeweiligen Nutzer auch der DSP zur Verfügung stehen.

Der einfachste und schnellste Weg dafür ist eine sogenannte Tag-Integration. In diesem Fall werden die Tracking-Tags der DSP auf der Website des Online-Shops bzw. Advertisers platziert. Wird eine DSP im Selfservice genutzt, kann der Advertiser seine Pixel-Tags im User-Interface der DSP in Eigenregie generieren und den Tracking-Code anschließend in seine Website implementieren.

Mehr Daten bei Back-End-Integration

Die zweite Möglichkeit, 1st-Party-Daten für das Programmatic Buying technisch zu integrieren, ist eine Server-to-Server-Verbindung, also eine Back-End-Integration. Der Werbekunde kann in diesem Fall auch zusätzliche Informationen aus seinen Datenbanken an die DMP – beziehungsweise die DSP mit ihrer integrierten DMP – übergeben, zum Beispiel Daten aus seinem CRM-System. Dazu wird auf Advertiser-Seite in der Regel ein Datenfeed generiert und in regelmäßigen Abständen an die Demand Side überspielt. Die vom Anbieter auf seiner Website gesetzten Cookies werden bei einer Back-End-Integration mit allen Cookies gematcht, die der DSP bereits bekannt sind.
Lukas Fassbender
Lukas Fassbender
„Eine Server-to-Server-Anbindung ist vor allem für große E-Commerce-Betreiber interessant, die über eine große Anzahl an spezifischen Nutzerprofilen verfügen“, sagt Fassbender. Voraussetzung dafür ist, dass der Advertiser in der Lage ist, die auf seiner Seite generierten Cookies zu segmentieren. Dazu benötigt der Advertiser Systeme, die große Mengen Daten verarbeiten und segmentieren können. Dafür kann – muss aber nicht zwingend – auch auf Advertiser-Seite eine Data Management Platform (DMP) eingesetzt werden. Insbesondere große E-Commerce-Anbieter führen oft eigene Datenanalysen durch und arbeiten dazu mit DMP-Partnern zusammen, die ihre DMPs auch losgelöst von einer DSP anbieten. Die gebildeten Zielgruppensegmente können bei einer Back-End-Integration an die DMP der Demand Side übergeben werden.

DMP mit zentraler Rolle auf Demand Side

Auf der Demand Side spielt die DMP heute eine sehr wichtige Rolle. Viele DSPs haben DMP-Funktionalitäten integriert, sodass sich der Werbekunde nur einmal ins User-Interface der DSP einloggt und unter dieser Oberfläche auch auf DMP-Funktionalitäten zugreifen kann. Dort kann er die gewünschten Segmente abrufen und targeten. Der Vorteil: Ist die DMP in die DSP integriert, müssen die Cookies zwischen DSP und DMP nicht gematcht werden. Somit gibt es keine Übertragungs- und Datenverluste auf dem Weg von der DMP zur DSP.

Nach vielen Kriterien können Anbieter ihre Zielgruppe clustern. Welche Parameter getrackt und für eine Wiederansprache herangezogen werden sollen, entscheidet der Advertiser und die Funktionalität der DMP auf der Demand Side. Beispielsweise lassen sich häufig Kaufabbrecher, Warenkorbhöhen, Geschlecht, Alter oder Einkaufsfrequenz auf diese Weise für eine programmatische Wiederansprache im World Wide Web nutzen. Neben den eigenen Daten können auf der Demand Side in der Regel auch 3rd-Party-Daten genutzt werden. Mit ihrer Hilfe können dann potenzielle Neukunden automatisiert und profilbasiert angesprochen werden.

Know-how auf allen Seiten gefragt

Neben den technischen Voraussetzungen ist für ein Programmatic Advertising auf Advertiser-Seite Fachwissen sehr gefragt, selbst wenn eine Agentur mit dem Mediaeinkauf beauftragt ist. „Wer in einem Unternehmen intern das Programmatic Advertising betreut, sollte die Stellschrauben aber kennen. Er muss das Programmatic Advertising konzeptionell entwickeln, zusammen mit den Plattformanbietern“, sagt Oliver Weiss, Country Manager DACH von Platform 161. Das niederländische Technologieunternehmen bietet eine Demand Side Platform (DSP) mit integrierter Data Management Platform (DMP) an.
Oliver Weiss
Oliver Weiss
Fachlich sollte dieser Inhouse-Experte breit aufgestellt sein. Er muss mit Systemadministratoren und Entwicklern zusammenarbeiten, einen guten Draht zur Business-Intelligence-Abteilung haben und mit Marketing und Webanalytics ebenso konstruktiv zusammenarbeiten wie mit den DSP-Anbietern. „Viele große Advertiser haben dieses Know-how bereits aufgebaut“, sagt Weiss, der zugleich vor Selbstüberschätzung warnt. Sein Rat: Programmatic Buying in den ersten ein bis drei Monaten im Fullservice nutzen, um die automatisierten Buying-Systeme kennenzulernen. Erst danach sollte man die Plattformen in Eigenregie bedienen, denn aus der Erfahrung können nur die wenigsten schöpfen. Was Plattform A bietet, kann bei Anbieter B ganz anders funktionieren. Ob Programmatic Buying im Self- oder als Fullservice betrieben wird, ist aus Sicht von Weiss somit in erster Linie keine Frage des Budgets, sondern eine Frage des vorhandenen Know-hows.

Noch viel Arbeit

Obwohl Zettelwirtschaft und viele Telefonate mit Vermarktern entfallen, ist der Aufwand für das Umsetzen einer Programmatic-Buying-Strategie nicht zu unterschätzen. Die Hamburger Performance-Marketing-Agentur uniquedigital hat daher kürzlich einen sogenannten Trading Desk eingeführt. In diesem Fall handelt es sich um keine Technologie, sondern um eine organisatorische Einheit. Das eigens gegründete Spezialistenteam kümmert sich ausschließlich um Programmatic Buying und fungiert als interner Dienstleister, der die Kunden und die Accountmanager der Agentur berät.
Andreas Rau
Andreas Rau
„Aus dem breiten Technologieangebot wählen wir die zu den Anforderungen des jeweiligen Kunden am besten passende DSPs für den Mediaeinkauf aus“, erläutert Andreas Rau, Head of Performance Intelligence bei uniquedigital in Hamburg. Aus seiner Sicht ist der entstandene Hype um den automatisierten Einkauf eine der größten Herausforderungen. „Noch ist es aufwendig, skalierbare und gleichzeitig bessere Ergebnisse zu erzielen als mit einer klassischen Mediaplanung, die als Benchmark gesetzt ist. Gründe dafür sind die geringe Verfügbarkeit qualitativer Daten und zum Teil Publisher, die sich dem Thema noch nicht genug geöffnet haben“, sagt Rau. So ist programmatisches Inventar häufig nicht so gut platziert wie das klassische Inventar oder es wird zwar das gleiche Werbeformat offeriert – allerdings ist dieses dann schlechter auf der Seite positioniert. Doch Rau ist optimistisch: „Es sind noch einige Qualitätsunterschiede zwischen programmatischen und klassischen Buchungen spürbar, aber es wird bereits deutlich besser.“


Artikel weiterempfehlen    Bei Twitter empfehlen  Bei Facebook empfehlen  Bei Delicious empfehlen 



SMX_München 2014_25.-26.03.2014 - SEO's, SEA's und Online Marketer mit Biss

Data & Targeting

Data-Science-Anwendungen im Online-Marketing

Andreas Volz, Gastautor

Data-Science-Anwendungen im Online-Marketing
Andreas Volz

Im heutigen Online-Business sehen sich alle, die Daten, Informationen und Wissen bündeln, um die Marketing-Performance zu steigern, einer großen Transformation und technischen Herausforderung gegenüber: Schnell wachsende Mediakanäle und neue Zielvereinbarungen verändern schlagartig den Zugang zu relevanten Informationen und die Art und Weise ihrer Nutzung. Die Verfügbarkeit und der Umgang mit immer größeren Datenvolumen werden dabei zu einem entscheidenden Differenzierungskriterium im Wettbewerb. Aber reicht das Sammeln von Daten aus, um nachhaltig Wettbewerbsvorteile zu erzielen?

Big Data

Neuerdings ist immer mehr von dem Begriff Big Data die Rede. Damit gemeint ist eine ständige Zunahme an Datenvolumen und Datenquellen in immer größerer Geschwindigkeit. Früher hatte man nur ein paar ausgewählte Marketingkanäle zur Verfügung. Im Laufe der Zeit sind immer mehr Kanäle und Nutzer dazugekommen.

Heute können wir die Verhaltensweisen von Nutzern über eine Vielzahl von Online-Kanälen hinweg betrachten und damit können wir auch die Interaktionen zwischen den Kanälen untersuchen. Klar, dass dabei auch mehr Daten verfügbar sind. Durch Twitter, Facebook und diverse Blogdienste sind auch viele unstrukturierte Daten hinzugekommen und ständig kommen weitere Datenquellen hinzu.

Man kann somit der Meinung sein, dass wir bald – wenn nicht schon heute – den sogenannten Tipping Point erreicht haben. Also den Punkt, an dem das Datenvolumen und die verschiedenen Datenquellen und Datenformate die gegenwärtigen Möglichkeiten der Datenanalyse und Reportingsysteme zumindest teilweise überfordern.

Das Datenbiest zähmen

Das Sammeln von so vielen Daten wie möglich läuft also den zur Verfügung stehenden Analysemöglichkeiten davon. Gefragt sind daher Methoden zum Handling und der Erarbeitung von Strategien, um die ständig wachsende Datenmenge in den Griff zu bekommen – kurz das Datenbiest zu zähmen. Dieser Herausforderung muss sich das anwendungsorientierte Data Science stellen.

Dabei geht es im Data Science um besondere Methoden, um kundenrelevante Informationen aus der Masse der Daten zu extrahieren. Data Science wird gegenüber den eher technischen Verfahren des Data Mining bzw. Predictive Modeling als übergeordnetes Framework verstanden. Data Science übernimmt dabei methodisch, strukturiert und systematisch das Nachdenken über analytische Fragen und wählt bzw. entwickelt geeignete Analysetechnologien, die dabei helfen, die in den Daten verborgenen Entscheidungsregeln und deren zugrunde liegende Logik zu finden.

Hierbei gilt der Grundsatz: Große Datenmengen – Big Data – sind willkommen, sie helfen uns bei der Problemlösung und bei der Adressierung der richtigen Fragen.

Big Data ist jedoch für sich genommen nur sinnvoll, wenn auch ausreichend detaillierte und ausgeklügelte betriebswirtschaftliche, statistische und mathematische Analysen dahinter zur Anwendung kommen, mit deren Hilfe tiefere Zusammenhänge verstanden werden können.

Selbst wenn ein Unternehmen noch nicht Big-Data-kompatibel zu sein scheint, muss die Analytik nicht zu kurz kommen. Analysen auf Small Data sind ein erster Schritt.

Beispiele für Data-Science-Anwendungen

Viele Unternehmen haben bisher eine riesige Datenmenge angehäuft. Jetzt die richtigen Fragen an die Daten zu stellen ist Gold wert.

Nehmen wir an: Ein Advertiser oder E-Commerce-Shopbetreiber hat zwanzig Millionen Tweets in seinem Bestand und hat schon konkrete Fragen an das Data-Science-Team:

  • Wie können wir daraus Stimmungen der User ableiten?
  • Wie viele Stimmungsklassen sind sinnvoll?
  • Was können wir über unsere User lernen?
  • Welche Targetingkriterien können abgeleitet werden?
Damit ist ein erster Ausgangspunkt geschaffen. Data Science nimmt diese Fragen des Advertisers auf und übersetzt seine Fragestellungen für eine weitere systematische Vorgehensweise. Zu dieser Vorgehensweise gehört auch die Berücksichtung aller in Betracht kommenden Quellen. Dazu zählen beispielsweise Auswertungen von eventuell schon vorhandener Best Practises, Sichtung von bereits vorliegenden Studien zu dem Thema, erste Datensichtung, Untersuchung von Testdaten, Samples, Evaluation der Machbarkeit, evtl. Vorschläge zur Akquise von zusätzlichem Datenmaterial von anderen Anbietern.

Data Science beschreibt also präzise, was mit den Daten passiert: Von der Erzeugung über die Verarbeitung bis zu dem Zeitpunkt, an dem man die daraus abgeleiteten Erkenntnisse auf einem Bildschirm oder anderen technischen Devices sieht.

Einsatzgebiete von Data Science auf operativer Ebene

Auf der operativen Ebene kann Data Science Marketingverantwortlichen dabei helfen:

Ansätze für bessere Attributionsmodelle zu finden: Ansätze, die dabei helfen, die Bedeutung der Attribution besser zu verstehen. Last-Touch- bzw. Multiple-Touch-Modelle sind unzureichend. Einfluss von Spillover-Effekten ist vielversprechend. Dazu zählen beispielsweise Messungen des Einflusses von Display Ads auf die Online-Suche. Hier muss dann nicht nur auf Display attribuiert, sondern es müssen auch die Kosten des Spillover von Display auf Search berücksichtigt werden. Oder gibt es umgekehrt überhaupt einen Einfluss von Search auf Display?

Möglichkeiten zur Erweiterung der Targetingkriterien: Data Science erlaubt es Advertisern, Publishern auch im Real-Time Bidding bzw. Advertising immer mehr Informationen in die Targetingmodelle zu packen und multiple Kriterien zu überprüfen wie zum Beispiel:

  • Ermittlung der Hebelwirkung von Behavioral-Daten durch Pageviews, Klick und Suchstrings, produktbezogene Informationen, Webseiteninformationen
  • Einbindung von Twitter- und Facebook-Informationen und deren Auswertung:
  • Berechnung des Social Search Lift sowie Segmentierung der richtigen Multiplikatoren
  • Analyse der Historie von Werbemitteln mithilfe von Ad Impression Histories: Messung des Einflusses der kreativen Beschaffenheit und der Präsentationsreihenfolge von unterschiedlich gestalteten Werbemitteln
  • Auswertung des Kontextes von Webseiten
  • Modellierung von Look-alikes bzw. Statistical Twins
  • Bereitstellung von Algorithmen zum Scoring bzw. Auffinden von Zielgruppen
Präsentation von Szenarien zur dynamischen Anpassung der Werbemittel:
  • Dynamische Anpassung der Werbemittel an den User über Retargeting hinaus auch auf allgemeine Targetingkriterien: Umfelder, Statistical Twins, Look-alikes, um die Reichweite zu erhöhen. Messung von Direktzugriffen auf die Website bzw. von Sichtkontakten (Views), um die Marken- bzw. Brandingeffekte abdecken zu können.
  • Um dann in dynamischen Werbemitteln nicht nur die Images der Produkte abbilden, sondern ganze Themenblöcke, Storytelling inklusive des Markenbenefits darstellen zu können und das personalisiert. (vgl. ADZINE Insider Artikel von Armin Schroeder, Crossmedia Digital)

Einsatzgebiet von Data Science auf strategische Ebene

Auf der strategischen Ebene kann Data Science Zukunftsentwicklungen skizzieren, Lösungsvorschläge für den Umgang mit riesigen Datenmengen erarbeiten und die erzielten Erkenntnisse kundengerecht umsetzen.

Data-Science-Anwendungen bestehen nicht nur in der Mustererkennung, sondern darüber hinaus in der Umsetzung und Automatisierung der gefundenen Regeln und Muster in einer Data-Management-Plattform oder eines sogenannten Data Products.

Zukunftsanwendungen resultieren aus der Verknüpfung von Online-, Mobile- und Offline-Daten sowie mit dem weiten Feld des Internets der Dinge bzw. Ubiquitous Computing.

Fazit

Im gerade entstehenden Gebiet des Data Science stecken beachtliche Möglichkeiten und Potenziale. Die Herausforderung im Data Science besteht darin, den Gesamtprozess der Datenanalyse zentral zur Hauptachse der wissenschaftlichen Methodik auszurichten. Das beginnt damit, interdisziplinär zusammenzuarbeiten, und endet mit dem Appell an Online-Marketingverantwortliche, mit der Auswertung der vorhandenen Daten zu beginnen. Es macht keinen Sinn, darauf zu warten, dass es weniger werden. Sollte dies gelingen, stellt Data Science eine ausgezeichnete Methode dar, um das ständig wachsende Datenbiest zu zähmen.

Über den Autor:
Andreas Volz ist seit 10 Jahren im Online-Marketing tätig. Volz greift auf seine langjährige Expertise in den Bereichen Datenanalyse, analytisches Consulting und datenbasierte Strategieentwicklung zurück. Er war mitverantwortlich für den Aufbau und Ausbau des Zielgruppen- und Analyseparts für das Targetingsystem TGP ® der 1und1 media factory und hat an der Konzeption und Evaluierung verschiedener Targetingsysteme und Kampagnenoptimierungslösungen mitgewirkt. Inzwischen ist er Inhaber der Firma datenstrategien in Lüneburg mit dem Schwerpunkt Data-Science-Anwendungen und war bis Oktober 2013 in verschiedenen Multichannel-Projekten bei der eValue Ventures AG beschäftigt.


Artikel weiterempfehlen    Bei Twitter empfehlen  Bei Facebook empfehlen  Bei Delicious empfehlen 



Adtrader Conference findet am 08.04.2014 im Kosmos, Berlin statt! Jetzt Tickets sichern.

TERMINE

Seminar: Adtechnology, Ad-Operations Am 07.03.2014

Seminar: Adtechnology, Ad-Operations


Vom 25.03.2014 bis 26.03.2014

SMX München


Seminar: RTB für Mediaeinkäufer Am 27.03.2014

Seminar: RTB für Mediaeinkäufer


Real-Time Advertising & Real-Time Bidding für Publisher und Vermarkter Am 28.03.2014

Real-Time Advertising & Real-Time Bidding für Publisher und Vermarkter


Am 04.04.2014

BERLIN EMAIL SUMMIT 2014


Am 08.04.2014

ADTRADER CONFERENCE 2014 - Save The Date



Sie können über diesen Link Ihre Newsletter-Einstellungen anpassen oder den Newsletter komplett abbestellen.

IMPRESSUM: Electronic Publishing Corporation Ltd. | 483 Green Lanes | GB - London N13 4BS | Company No. 5506015 | Companies House
Niederlassung Deutschland | Electronic Publishing Corporation Ltd. | NL Deutschland | Feldstraße 36 | 20357 Hamburg | e-mail: info@e-publishing-corp.com