Marketingabteilungen verwenden heute enorm viele Ressourcen darauf, maßgeschneiderte Anzeigen für ihre Kunden zu konzipieren. Durch die DSGVO stehen ihnen weniger Daten über ihre Zielgruppen und deren Surfverhalten zur Verfügung, sie sollten ihren Fokus also vom “Wer?” zum “Wo?” verlagern – in diesem Bereich stehen unverändert viele aussagekräftige Daten zur Verfügung. Eine der wohl vielversprechendsten Alternativen ist unter diesem Gesichtspunkt das kontextuelle Targeting. Statt Anzeigen über die demografischen Profile der anonymisierten Nutzer auszusteuern, bedient sich das kontextuelle Targeting der Umfelder und semantischen Zusammenhänge in Fließtexten.

Es geht dabei deutlich über simples Targeting nach Keywords hinaus und vermeidet so folgendes Problem: Wenn ein Werbetreibender beispielsweise im Umfeld der Sportwagenmarke Jaguar werben möchte, nicht aber neben Artikeln über die Raubkatze. Eine reine Keyword-Analyse wird an diesem Punkt nicht zum gewünschten Ergebnis führen. Kontextuelles Targeting bezieht Emotionen und Empfindungen mit ein, die einzelne Wörter oder Phrasen durch semantische Bezüge transportieren, und kann so sicherstellen, dass die tatsächliche Bedeutung des Inhalts erkannt wird. Gegenüber dem Keyword-Targeting hat dies den Vorteil, dass auch negative Sentiments erfasst werden können: Ein Technologieanbieter möchte sein Produkt mit Sicherheit nicht neben einer schlechten Rezension desselbigen bewerben.

Neben dem Aspekt, dass die Daten hierfür bedenkenlos genutzt werden können und zuhauf zur Verfügung stehen, ist der Einbezug dieser “Umwelt”, bestehend aus Emotionen und Untertönen, sehr lohnenswert für Marketingkampagnen aller Art.

Kontext-Daten beschreiben stets die konkrete Bedeutung eines Seiteninhalts, das heißt, dass die Analyse für Einzelseiten und nicht auf Domainebene erfolgt. Jede URL wird gesondert betrachtet und kann vom Werbetreibenden selektiert werden. Dabei müssen sie sich nicht darauf verlassen, dass ein Medium oder Publisher tendenziell die richtige Zielgruppe anspricht und breit verstreut auf dessen Inventar wirbt, sondern können themenspezifisch agieren und so die Relevanz der gezeigten Werbebotschaften maximieren. Diese Themen können sowohl breiter aufgestellt (zum Beispiel “Finanzen”) oder auch spitzer formuliert werden (“Lebensversicherung”; “Riesterrente”).

Die Inhalte, die ein Nutzer konsumiert, geben sehr viel Aufschluss darüber, in welcher Gemütslage er sich gerade befindet. Wir benötigen nicht das Geschlecht oder den Aufenthaltsort einer Person, um zu wissen, dass ein Artikel über ein Zugunglück ihn nicht unbedingt zum Kauf eines Zugtickets anregen wird. Und dieser Aspekt ist es, der am Ende des Tages zählt: Die Wahrscheinlichkeit einer Conversion, die sich in vielen Fällen sehr verlässlich aus dem Kontext der Inhalte ableiten lässt, mit denen ein anonymer Nutzer sich gerade beschäftigt. Wenn sich Werbetreibende nur auf People-Targeting beschränken, laufen sie Gefahr, dass der “richtige” Nutzer im “richtigen” Moment trotz allem nicht positiv auf eine Anzeige reagiert, weil er nicht in der passenden Stimmung war. Die Impression wurde dann – aller Analyse und Planung zum Trotz – umsonst eingekauft.

Die dynamische Optimierung von Kampagnenmotiven ist ein weiteres Tool zur Personalisierung der Brand Experience eines jeden Nutzers. Mithilfe von DCO können die Bausteine und Motive eines Werbemittels, die im Vorfeld angelegt werden, dynamisch und automatisiert zusammengestellt werden – jeder Nutzer erhält sozusagen seine persönliche Version der Anzeige. Während sich DCO bisher hauptsächlich auf personenbezogene Daten stützt, sind auch die Informationen, die sich aus der kontextuellen Analyse ziehen lassen, sehr wertvoll. Je mehr Daten zur Verfügung stehen, desto präziser können die Motive optimiert werden und desto relevanter ist das Werbemittel am Ende für den Nutzer – auch in Bezug auf seine Stimmungslage.

Ein weiterer wichtiger Faktor ist Brand Safety. Beim kontextuellen Targeting geht es nicht nur darum, Marken und Anzeigen in einem positiven und förderlichen Umfeld zu platzieren, sondern auch vor ungünstigen Kontexten zu schützen. Im Zuge der Analyse durch künstlich-intelligente Algorithmen, kann auch festgestellt werden, welche Inhalte einer Marke womöglich schaden. Dazu können Werbetreibende im Vorfeld Kontextkategorien festlegen, die sie vermeiden möchten, wie zum Beispiel die sehr generischen Themen Alkohol, Extremismus oder Pornografie. Es können jedoch auch sehr spezifische Kontexte vermieden werden, die nur für einen Werbetreibenden problematisch sind, oder sehr kurzfristig Änderungen vorgenommen werden, die auf aktuellen Entwicklungen oder Trends beruhen.

Über kurz oder lang werden Alternativen zum klassischen personenbezogenen Targeting immer mehr an Bedeutung gewinnen und je ausgereifter die Algorithmen dafür sind, desto lieber werden Werbetreibende auf die Möglichkeit zurückgreifen. Targeting nach Kontext, wie wir es derzeit mit Peer39 schon umsetzen, ermöglicht es Marketern, schnelle und skalierbare Entscheidungen im Mediaeinkauf zu treffen, und ist damit schon eine valide Alternative zum personenbezogenen Targeting, das nur wenige Tage nach dem DSGVO-Doomsday noch vielen Akteuren Kopfzerbrechen bereitet.