Wie sagte der große chinesische Philosoph Konfuzius einst: „Wer einen Fehler gemacht hat und ihn nicht korrigiert, begeht einen zweiten.” Konfuzius ist auch nach mehr als 2.500 Jahren immer noch aktuell. Denn der Großteil der Werbetreibenden und viele Mediaagenturen denken bei der Mediaplanung im Connected TV derzeit vor allem noch in Umfeldern. Frei nach dem Motto: Will ich Frauen erreichen, dann platziere ich Werbespots in romantischen Serien und Filmen auf Joyn oder in Castingshows wie „Germany’s Next Topmodel“. Denn diese Streaming-Dienste bieten schließlich Inhalte und Formate speziell für Frauen und sind damit das Umfeld der Wahl für Werbetreibende mit dieser Zielgruppe. Männer hingegen holt man sich eher in Bundesliga- und Champions-League-Blöcken bei Dazn oder Sky.

Wenn – simpel dargestellt – viele Kunden und Agenturen so vorgehen, entsteht eine hohe Nachfrage für wenige CTV-Programme und -Umfelder. Der Preis der Werbung steigt, die Effizienz der Kampagne sinkt. Dabei sind Umfeldplanungen ja nicht per se falsch. Aber gerade im CTV verfügen wir über wesentlich mehr Möglichkeiten, mit datengestützten Kampagnen deutlich kostengünstiger die gewünschten Zielgruppen zu erreichen. Fakt ist aber auch: Noch sind solche Kampagnen, die auf technischem Targeting basieren, eher die Ausnahme. Denn es braucht eine genaue, aber auch skalierbare Datengrundlage und fortschrittliche Technologie, die vielen Werbetreibenden fehlt. Und auch das Potenzial von Cross-Channel-Targeting wird nur selten ausgeschöpft.

Klassische Umfeldwerbung ist immer Content-bezogen. Wer sich beispielsweise Kochsendungen anschaut, der sollte sich für das Thema interessieren und prinzipiell für eine zum Inhalt passende Werbung offen sein – so die Logik. Bei Programmatic hingegen steht die Person im Mittelpunkt, die sich aufgrund der aufgerufenen Inhalte und der Datenbasis mit hoher Wahrscheinlichkeit (errechnet aus einer Vielzahl unterschiedlichster Datenpunkte) für ein Produkt interessiert, wie beispielsweise eine speziell beschichtete Bratpfanne. Werbetreibende können ihre Kampagnen unter anderem auf die Interessen, das Alter und Geschlecht der Nutzer:innen, das verwendete Gerät oder nach der Tageszeit ausrichten. Mithilfe von Geolokalisierung-Filtern können sie sogar lokalisierte Kampagnen planen. Doch das sind nicht die einzigen Merkmale, die getargetet werden können.

Dank der Internetverbindung der CTV-Geräte lassen sich die Daten der Zuschauer:innen über die IP-Adresse der Heimnetzwerke und durch die Device-ID mit dem Surfverhalten der jeweiligen Person auf Laptops, Rechnern, Tablets oder Smartphones matchen. Dazu werden die Online-Daten von Publishern mithilfe eines Multi-ID-Graphen in die CTV-Welt übersetzt. Dabei spielen unterschiedliche Signale, wie zum Beispiel Device-IDs oder IP-Adressen, und andere Datenquellen eine Rolle (meistens Unternehmens-interne Software). Voraussetzung dafür ist aber, dass der User bei der ursprünglichen Installation der jeweiligen CTV-App oder nach den meisten Updates sein Einverständnis (Consent) für die Nutzung der Daten gegeben hat. Ist das der Fall, kann man die Personen auf ihrem CTV-Endgerät anhand ihres Online-Surfverhaltens ansprechen.

Diese Daten über ihr Online-Surfverhalten geben mehr Auskunft über Themen, die für die Personen relevant sind und damit auch Angebote, die für sie infrage kommen. Hier liegt der große Vorteil von CTV dem linearen Fernsehen und Umfeldplanung gegenüber. Daher ist es umso wichtiger, dass genau diese Daten für CTV-Kampagnen genutzt werden können. So finden Werbetreibende ihre potenzielle Zielgruppe zügig auch in anderen Umfeldern. Nicht nur das: Sie können die Zielgruppe auch crossmedial ansprechen. Dabei spielen Künstliche Intelligenz und Machine Learning eine zentrale Rolle: Deterministische Datenpunkte, wie zum Beispiel die IP-Adresse oder Device-ID, sind essenziell für den Prozess, da sie am genauesten und im Prinzip eine „Garantie“ sind, dass es sich um denselben User handelt. Diese Datenpunkte sind jedoch nur in sehr geringer Menge vorhanden. Sie können aber durch probabilistische Datenpunkte (First-Party-Data; kontextuelle Datenanalyse) skaliert werden. Um die Menge an diesen beiden verschiedenen Daten-Pools sinnvoll zusammenführen zu können, braucht es eine ausgereifte KI basierend auf Machine Learning. Sie wertet große Datenmengen in kürzester Zeit aus, kann relevante Muster erkennen und dann wiederum in Vorhersagemodelle umwandeln.

“Was man nicht messen kann, kann man nicht lenken” – das Zitat des Ökonoms Peter F. Drucker gilt auch für CTV. Die Fragmentierung des Marktes stellt Marketer vor große Herausforderungen, unter anderem wie sie mehrere Kanäle, Plattformen und Devices ganzheitlich bewerten können. Denn holistische Mediaplanung und kanalübergreifendes Denken sind der Schlüssel für eine maximale Werbewirkung. Für die Zuschauer ist geräte- und kanalübergreifende Nutzung der Alltag: Während eine ihre Lieblingsserie über den Smart-TV schaut, nutzt ein anderer dafür das Tablet oder unterwegs ein Smartphone. Um diese Wirklichkeit in der Planung abzubilden, müssen Marken und Werbetreibende ihre Kampagnen kanalübergreifend denken und sie über mehrere Geräte miteinander verbinden. Stichwort: Cross-Channel-Targeting. Das gilt auch für das Measurement: Um die Werbewirkung ganzheitlich zu optimieren, sollten Werbetreibende nicht nur die einzelne Kampagne auf einem einzelnen Kanal auf Erfolg prüfen. Es muss auch zwischen den verschiedenen Kanälen und Plattformen eine Vergleichbarkeit für die Kampagnen-Messung geschaffen werden.

Die technologischen Möglichkeiten einer crossmedialen Ansprache und Messung sind bei Connected TV in der Theorie also vorhanden. Hier sollten Werbetreibende möglichst bald ansetzen, denn eine reine Umfeldplanung wäre bei CTV eine vertane Chance.