Zurzeit sind Datenkonzepte fürs digitale Marketing in aller Munde. Für die oft zitierte Digital Maturity sind Bestrebungen in den Bereichen Attribution, Assets und Ads, Audience, Channel Access und Automation entscheidend. In diesem Artikel widmen wir uns insbesondere den Bereichen Assets und Audience. Wir bauen aufgrund der im Fallbeispiel erwähnten Features sowie der umfangreichen Gesamtintegration bewusst auf der Google Marketing Plattform auf. Mit anderen Adtech-Stacks bestehen ähnliche Möglichkeiten zur Umsetzung.

Der vorliegende Artikel richtet sich an mittlere und große Unternehmen mit dem Ziel der langfristigen Steigerung ihrer Marketingeffizienz sowie der Entwicklung einer Datenstrategie.

Am relevantesten für den Business-Erfolg sind First-Party-Daten, die ein Advertiser aus seinen eigenen Distributions- und Web-Properties generiert. Daraus gilt es das Maximum zu holen. Tagging-Systeme von gängigen Marketing-Stacks erlauben heute eine große Datenübermittlung mit Tracking Tag + Variablen-Kombinationen via JavaScript und URL Triggern, bzw. Device Identifiers via SDK. Dabei muss bereits vor der Erstellung der Hauptdatenpunkte und der Custom Variables die Advertising-Strategie definiert sein. Es empfiehlt sich, nicht nur die Intent-Phasen von der Neuinteressenten-Gewinnung bis zum Kaufabschluss zu denken, sondern darüber hinaus den ganzen Customer Lifecycle und den Customer Lifetime Value.

Um den Tagging-Aufwand überschaubar zu halten, aber gleichzeitig auch die so wichtige digitale User-Engagement-Phase optimal zu erfassen, liegt es nahe, die Website- und App-Analyse-Software für die Datenaktivierung einzusetzen. Dank der nahtlosen Integration von Google Analytics 360 in den Google Marketing Plattform Stack beispielsweise gelingt es ohne zusätzlichen technischen Aufwand, Nutzergruppen mit hohem Engagement zu bestimmen und im Marketing-Stack für die programmatische Bespielung zu aktivieren. Versehen mit den Attributen Neue Nutzer, Wiederkehrende Nutzer, eingeloggt oder nicht eingeloggt wie auch Neu-/Bestandskunde werden Zielgruppen hoher Relevanz für die passenden Intent-Phasen erzeugt. Natürlich immer anonymisiert und DSGVO-konform.

Besonders interessant ist dabei, dass auch Traffic-Quellen wie E-Mail, Google Ads, SEO oder Social miteinbezogen werden können. Wie wäre es zum Beispiel mit der Bildung einer Zielgruppe von Google Search-Nutzern ohne Brand-Bezug, welche in der Folge mit Programmatic Display in ihrer Entscheidungsphase optimal beeinflusst werden?

Wobei wir beim Bereich Kundendaten-Integration wären. Diese funktioniert im Falle von Google Analytics 360 mittels Data Transfer-Protokollen, welche die Daten aus dem CRM-System zuerst anonymisieren, dann onboarden und schließlich mit Usern von Data Providern gegenmatchen. Google Analytics 360 funktioniert in dem Sinne auch als Data Management Plattform (DMP) mit Datenaustausch in Real-Time. In dieser Hinsicht sind verschiedenste Lösungen, sei es mit 360 Marketing Stacks und/oder DMP-Integrationen möglich. Nachteil einer reinen Google-Lösung: Die Datenstrukturierung, -Modellierung und -Aktivierung findet zentral innerhalb der isolierten Google-Welt, heißt in deren Portfolio statt. Export oder Datenabgleich zwischen Datensätzen der Google Marketing Plattform und externen Dienstleistern ist nur beschränkt bis gar nicht möglich. Man spricht in dem Zusammenhang auch von einem “Walled Garden”. Andere Plattformen als die großen drei (Google, Facebook, Amazon) sind im Datenaustausch flexibler, Gesamtlösungen aber wiederum sehr komplex.

Verlässliche Kundendaten mit hoher Match Rate erlauben es Online-Advertisern, in der Kundenloyalitätsphase Akzente zu setzen. Aber nicht nur dort. Auch das Finden bzw. Errechnen ähnlicher neuer Nutzergruppen auf der Basis von möglichst genauen Kundendaten gelingt besser. Hier schließt sich der Kreis der First-Party-Daten.

Wie würde ein großer, privater Bildungsanbieter, der sich erstmalig mit Programmatic auseinandersetzt und noch keine Datenbasis aufgebaut hat, vorgehen? Das Fallbeispiel illustriert einen Performance-Case mit dem Hauptziel Gewinnung einer maximalen Anzahl von Kursanmeldungen zu minimalen Werbekosten.

Der erste Schritt: Eine Basis schaffen

Abhängig vom gewählten Digital Marketing Stack würde er zuerst einmal ein möglichst zeitnahes Onboarding sicherstellen. Im Falle der Google Marketing Plattform könnten als erste Maßnahme die Google Ads-Zielgruppen des Kunden integriert werden, sofern sie mit dem Google Conversion Tag erstellt wurden. Diese erste Basis erlaubt es ihm bereits, mittels Data Profiling weitere Zielgruppen im Google Standalone Bereich zu eruieren, welche die größtmögliche Match Ratio aufweisen.

Der zweite Schritt: Genaue Einteilung der Nutzer

Als zweite Maßnahme werden Nutzer mittels Site- und App-Tagging-Konzept je nach Interessens-Stufe und Art des Dienstleistungsangebotes in Segmente eingeteilt. Dazu dient einerseits die Festlegung von Micro- und Macro-Conversions. Andererseits helfen Zusatzinformationen wie das geographische Interesse oder weitere Angaben bei der Audience-Anreicherung.

Für versierte Kunden lohnt sich die Einspielung weiterer marketing- und geschäftsrelevanter Daten mittels DMP-Verknüpfung.

Der dritte Schritt: Zielgerichtete Ansprache

Wenn der Bildungsanbieter nun also weiß, welchen genauen Kurs ein bestimmter Nutzer zuvor in ihrer App einmal oder mehrfach angesehen (Stichwort: Produkttiefe), sich aber noch nicht angemeldet hat, so kann zielgerichtet geworben werden. Die in einem anonymisierten Sample aus Tracking Tag + Variable gesammelte Zielgruppe: “Sprachkurs Italienisch, Fortgeschritten B2, Basel” kann in der Folge mit dynamisch zusammengesetzten Werbebannern erreicht werden. Das Bannerbild zeigt beispielsweise abwechselnd attraktive Stadtbilder von Basel und solche der Schulgebäude und Umgebung, die Banner-Texte beinhalten ebenfalls lokale Elemente. Im Zusammenspiel mit exaktem Geo-Targeting führt die beschriebene Strategie dazu, näher beim Kunden und seinem Bedürfnis zu sein – und somit zu einem besseren Kundenerlebnis. Das wirkt sich ganz klar positiv auf die Anzahl der Abschlüsse aus.

Der vierte Schritt: Automatisierung

Nehmen wir weiter an, auch die Daten zu den noch verfügbaren Plätzen der jeweiligen Kurse können mitgegeben werden. Auch eine solche Information kann automatisiert in Werbemittel gespielt werden. Gleiches gilt für das Anmeldeschluss-Datum. Damit lässt sich der “Sense of urgency” (nur noch heute!) forcieren. Auch bei 100 Standorten, 500 Kursen und 10 Nutzer-Parametern kann die personalisiert geclusterte Datenmenge dank Programmatic Feeding Customization problemlos bewältigt werden. Und dies nach der Erstinstallation vollständig automatisiert und mit Echtzeit-Informationen.

Die Datennutzung im Programmatic Advertising beschränkt sich jedoch nicht nur auf First-Party-Daten (eigene Kunden- und Nutzerdaten). Darüber hinaus können auch folgende Daten miteinbezogen werden: Segmente von Drittparteien, sogenannte Third-Party-Data-Provider, Signale aus aktuell laufenden Kampagnen (Activity-based Audiences) oder Google Standalone Plattform Zielgruppen-Segmente.

Um bei unserem Beispiel zu bleiben: Bei strukturiert aufgebauten Kampagnen vom ersten Kontaktpunkt an bis zum erfolgreichen Abschluss einer Kursanmeldung, hinterlassen gut getargetete Nutzer mehrfach Kampagnen-Signale, die Interesse an der Dienstleistung anzeigen: Klick auf einen Banner, vollständige Video Views oder auch View-throughs (beispielsweise neue Nutzer, welche ein Werbemittel dreimal gesehen haben und später die Website erstmals besuchen). Solche Datenpunkte werden gesammelt und die spezifischen Nutzer danach in eine nächste Werbephase geleitet. Beispielsweise von der Awareness- in die Informationsphase oder von der Informationsphase in die Kaufphase. Diese Technik erlaubt zudem effizientes Storytelling.

Display Advertising mit Programmatic unterscheidet sich in vielen Punkten grundlegend von der althergebrachten Online-Werbung, bei der Kampagnen für den Advertiser keine strategische Datenaufnahme möglich machten. Detailliert geplanter Einsatz von Daten führt also zu höherer Relevanz, besserer Performance und weniger Streuverlusten.

Wie unser Beispiel aber auch zeigt, hängt der Erfolg nicht nur von Datenaufbau, dessen Einsatz und der Automatisierung ab. Nein, die Inhalte sind ebenso entscheidend. Bestenfalls wird maßgeschneiderter Content wie Bilder, Texte und Videos für jede geplante Audience, welche in der Customer Journey erreicht werden soll, erstellt. Es lohnt sich also in jedem Fall, in der Planungsphase die richtige Projektflughöhe aufgrund des erwarteten Volumens und der potenziellen Größe der zu erreichenden Audiences zu definieren.