Betrachtet man eine "One-Size-Fits-All"-Demand-Side-Plattform, die einen "One-Size-Fits-All"-Algorithmus verwendet, dann würden die Learnings von Coca-Cola auch Pepsi bei der Entwicklung ihrer Einkaufsstrategie weiterhelfen. Sollten die beiden also dieselbe DSP verwenden?

Programmatic Buying ist die dominierende Methode, um Digital Media automatisiert einzukaufen. Der Schlüssel, um hier einen skalierbaren Werbekanal aufzubauen, liegt darin, die Einkaufsstrategie an die eigenen Unternehmensziele anzupassen. Nur dann können Sie wirklich verstehen und bewerten, welche Variablen oder Attribute bei einer Impression für Sie wertvoll sind, und letztlich auf die sinnvollen bieten. Es gibt viele verschiedene Optimierungsansätze, doch so lässt sich Programmatic am ehesten skalieren. Wir liefern im Folgenden vier Gründe, warum angepasste Algorithmen beim Mediaeinkauf von Vorteil sein können.

Stellen Sie sich vor, Coke und Pepsi würden beide dieselbe DSP verwenden. Sie würden nur um den Preis konkurrieren – mit demselben Algorithmus, mit Zugriff auf dieselben Daten von Zweit- und Drittanbietern sowie dasselbe Inventar. Sie würden bei jeder einzelnen Impression gegeneinander antreten und letztlich würde bei den Kampagnen nur noch der Preis über den Zuschlag entscheiden.

Eine Möglichkeit sich in dieser Situation von seiner Konkurrenz abzugrenzen, ist die Optimierung nach eigenen Maßstäben, durch die Anpassung der Algorithmen, die den Einkauf bestimmen. So können Advertiser ihre eigene Intelligenz mit einbringen, um das Inventar zu kaufen, das wirklich wertvoll für sie ist.

Mit herkömmlichen DSPs können Marken auf allgemeine Metriken wie beispielsweise Sichtbarkeit, Klickrate oder CPA optimieren. Dadurch werden jedoch selten die KPIs erreicht, die für die Marke am nützlichsten sind. Einige Marken messen und definieren Sichtbarkeit vielleicht anders oder wollen Personen erreichen, die eine bestimmte Zeit auf ihrer Website verbracht haben. Indem sie sich ihren eigenen Algorithmus schaffen, behalten sie die Kontrolle darüber, welche Datenpunkte im Optimierungsprozess herangezogen werden, und sind somit in der Lage, ihren eigenen Funnel zu berücksichtigen.

Aufgrund der Etablierung von Erstpreisauktionen und anderen Innovationen auf der Verkaufsseite zahlen Käufer für Media manchmal mehr als sie eigentlich sollten. Einige Einkäufer arbeiten daher mit den sogenannten Log Files, um die Bieterlandschaft besser zu verstehen. Sie analysieren, wo und warum sie Gebote gewinnen oder verlieren. Diese granularen Daten können bei den Entscheidungen des Algorithmus mit einbezogen werden, was letztlich zu niedrigeren Kosten für Media bei gleichbleibender Qualität und Reichweite führen kann.

Marken haben oftmals Probleme damit, ihre eigenen Assets in einer Standard-DSP zu aktivieren. Häufig wollen sie diese in gemeinsam genutzte Infrastrukturen gar nicht einspeisen. First-Party-Daten werden zunehmend wettbewerbsentscheidend und können bei richtiger Anwendung die Performance von Kampagnen im Programmatic-Ökosystem maßgeblich bestimmen.

Wenn man zwei Marketer nach ihrer Definition von “Performance” oder “Kampagnenerfolg” fragt, bekommt man nie die gleiche Antwort. Die Mehrheit von ihnen arbeitet daran, ihre eigenen spezifischen Ziele zu verfolgen. Bei den meisten DSPs müssen sie dazu rückwärts gerichtet vorgehen und von der Optimierung auf “Click-Through Rate” oder “Completed Video View” ausgehen – je nachdem, was ihnen ihre Plattform anbietet.

Anpassbare Plattformen hingegen ermöglichen es ihnen, ohne Umwege direkt auf ihre Ziele zu optimieren. Beispielsweise könnte eine FMCG-Marke das Ziel haben, den Offline-Umsatz zu steigern. Sie könnte mit einem Partner zusammenarbeiten, der Sales-Daten aus einem Supermarkt mit Daten aus den eigenen Loyalty-Programmen kombiniert, um eine Beziehung zwischen den digitalen Kampagnen und Abverkäufen herzustellen. Der Algorithmus lernt somit, welche Online-Maßnahmen tatsächlich zu Offline-Verkäufen führen. Im Idealfall ist für diese Anpassung keine Entwicklerarbeit notwendig.

Bei einer anderen Marke könnte der Fokus stärker auf der Markenbekanntheit und einer möglichst großen Reichweite liegen, jedoch nur in Qualitätsumfeldern, in denen Sichtbarkeit und Markensicherheit garantiert sind. In diesem Szenario könnte der Algorithmus die Kombination von den verschiedenen Faktoren des Inventars (also beispielsweise SSP, Publisher, Gerät, Betriebssystem, Format usw.) bewerten und das Gebot anpassen, um sicherzustellen, dass der optimale Preis für diese Kombination gezahlt wird. In herkömmlichen DSPs würden im Gegensatz dazu für jeden Anwender dieselben Entscheidungen getroffen werden.

Insgesamt besteht aus mehreren Gründen eine wachsende Nachfrage nach der Erstellung eines eigenen Algorithmus – wobei jedoch die Datenschutz ganz oben auf der Liste steht.