Damit digitale, mobile Werbebotschaften wieder an Effektivität und Relevanz gewinnen, sollten diese so zielgruppengenau wie möglich die Empfänger erreichen. Das ist nichts Neues. Denn bisher gibt es die Möglichkeit, über Data-Management-Plattformen (DMP) Targeting-Cluster aufgrund von demographischen Daten, Konsumverhalten und vielen anderen Datenlayern zu erstellen. Demand-Side-Plattformen (DSP) und Supply-Side-Plattformen (SSP) finden oder bieten die verfügbaren Werbeplätze auf Basis von verfügbaren Daten und Informationen von Publishern, App-Herausgebern und Datendienstleistern. Vereinzelt werden diese Abfragen getrennt, isoliert oder unabhängig von Supply und Demand initiiert. Es ist heute unbedingt ratsam, diese beiden Selektionen integriert zu betreiben. Nachdem es keinen Standard gibt, nach dem Daten aus der App in der SDK der SSP übergeben werden, ist ein integrierter Ansatz und Kenntnis des kompletten Ad Traffics unabdingbar.

App Developer haben verstanden, dass sich Werbeplätze mit mehr Daten potenziell besser und teurer verkaufen lassen. So kommen ungenaue Daten oder rundweg falsche Daten, insbesondere was Location betrifft, in die SSP. Die Ungenauigkeiten betreffen 50–80% des Geodaten enthaltenden Traffics. Es ist also eine umfassende Analyse des mobilen Traffics sowohl horizontal (über alle Apps) als auch vertikal (innerhalb von einzelnen Apps) plus weiterer Layer, die Rückschlüsse auf Plausibilität liefern, nötig. Das ist der erste Schritt zu mehr Relevanz von Mobile Marketing. Der integrierte Ansatz verhilft Programmatic Buying zu deutlich mehr Relevanz als die jeweils isolierte Betrachtung.

Die Nutzung der Echtzeitdaten, um Kampagnen im Programmatic Advertising zu verbessern und optimieren zu können, geht nur mit einer vernünftigen Traffic-Vorhersage.

Die Kosten-Governance und effiziente Bid-Price-Strategie sind eine direkte Folge aus der Nutzung eines eigenen Technologie-Stacks, der den Einkaufspreis einer jeden Werbeeinblendung steuert. Nur wenn umfassend bekannt ist, wie der Traffic voraussichtlich anhand einer Datenanalyse des vergangenen Traffics aussieht, kann man den Bid Price und den Wert der Impression innerhalb einer Kampagne und Laufzeit bewerten. Die Frage, die sich jetzt stellt, lautet: Welche Komponente fehlt, um im Targeting-Prozess noch relevanter zu werden?

Woher weiß man aber, ob besagte Werbeplätze für die Zielgruppe überhaupt relevant sind? Nach welchen Kriterien soll man im digitalen Bereich am besten aussteuern? Was ist, wenn die Zielgruppe datentechnisch noch nicht gut erfasst worden und überwiegend mobil im Internet unterwegs ist?
Um Mobile Marketing wirklich relevant und zielgruppenspezifisch aussteuern zu können, kann die Verbindung der oben genannten DMP- und DSP-Prozesse mit fundiertem Geo-Wissen, professionellen Geo-Tools und entsprechenden ortsbezogenen Daten als machtvoller Hebel genutzt werden. Werden die Prozesse zusätzlich anhand hochwertiger geo-verifizierter Daten gelenkt, erhält man Werbeplätze, die in Echtzeit und an gezielten geographischen Orten ausgespielt werden. Das erhöht die Wahrscheinlichkeit zielgruppengenauer Ansprachen der Empfänger signifikant.

Das sog. Hyperlocal Targeting, das in Verbindung mit Mobile Programmatic Advertising betrieben werden sollte, kann aufgrund der Ortsdaten Rückschlüsse darauf geben, ob die Werbung die richtigen Zielpersonen erreicht hat. Auch die tatsächliche Nutzung von Apps oder mobilen Websites in bestimmten geographischen Regionen kann ermittelt werden – in Echtzeit. Wird dieses Wissen mit den DMP- und DSP-Prozessen verknüpft, erhält der Werbetreibende exakt die mobilen Werbeplätze, die an den entsprechenden geographischen Orten und damit von den richtigen Zielpersonen empfangen werden können. Die Faktoren DMP, DSP und Geo-Kompetenz tragen demnach immens zum Erfolg mobiler Werbebotschaften bei. Die zielgruppengenaue Aussteuerung und weitere Selektion führt zudem zu optimiertem Budgeteinsatz bei mobilen Marketingmaßnahmen.

Alleine anhand der Anzahl der übermittelten verschiedenen Koordinaten innerhalb einzelner Apps können Locations verifiziert werden:

Nimmt man alle Plausibilitätsfaktoren zusammen, ergibt sich folgendes Bild des ungefilterten Traffics (Grafik 1, unten) und des tatsächlich ausgelieferten (Grafik 2, unten):

Dass das Faktorendreieck DMP, DSP und Geo-Kompetenz eine erfolgsversprechende Rezeptur sein kann, zeigt ein Case des Bundesministeriums für Arbeit und Soziales zum Thema „Neustart in Deutschland“ für Flüchtlinge.

Das Bundesministerium für Arbeit und Soziales bietet Flüchtlingen im Rahmen des „Neustart in Deutschland“-Programms als Integrationsmaßname Sprachkurse an. Um sie auf das Angebot aufmerksam zu machen, stellen sich zunächst einige Herausforderungen:

Die meisten in Deutschland ankommenden Flüchtlinge befinden sich zunächst in Erstaufnahmeeinrichtungen. Viele von ihnen versuchen via Mobiltelefon mit anderen in Verbindung zu bleiben und die notwendigsten Informationen z. B. über ihre Heimat und Familie zu bekommen. Da die Lage der Erstaufnahmeeinrichtungen bekannt und deren geographische Position daher eindeutig feststellbar ist, ist die Location ein wesentlicher Relevanzfaktor. Die Location ist in diesem Fall mit einem Relevanz-Cookie gleichzusetzen. Das hyperlokale Targeting hilft, Flüchtlinge effizient und gezielt mit nützlichen Informationen anzusprechen. Nahezu alternativlos, wie die Kanzlerin sagen würde, denn andere Werbeformen stellen sich als nicht relevant und streuverlustfrei genug dar.

Die verifizierten Geodaten geben dabei darüber Aufschluss, welche Apps zu welcher Zeit in der selektierten Region (hier: Erstaufnahmeeinrichtungen/Flüchtlingsheime) tatsächlich genutzt werden. In der Datenanalyse wurde festgestellt, dass tatsächlich an einigen Orten innerhalb des definierten Geofences sehr verstärkt diverse arabische Apps auftauchen, deren Nutzung sonst nicht festzustellen war. Diese Locations können dann optimiert und verstärkt z. B. mit Apps für Flüchtlinge bespielt werden, auch was die Budgetierung angeht. Der Selektionslayer Location, die Geo-Verifikation und die tatsächliche App-Nutzung in dieser selektierten Umgebung schärfen die DSP-SSP-Selektion nochmals.

App-IDs von deutlich erhöhtem arabischem Traffic waren beispielsweise:

Das Ergebnis ist mit herkömmlichen digitalen und analogen Werbemaßnahmen nicht zu erreichen. Nicht nur was das Targeting angeht, sondern auch die Auswahl der Zielmedien und Orte.