All diese Methoden kommen ohne Third-Party-Cookies aus und sind daher unabhängig und zukunftsfest. Durch das stetige Aufkommen neuer Technologien im Targeting-Bereich wird die „Cookieless Future“ immer besser werden. Nun gilt es, die Akzeptanz und das Bewusstsein über den Mehrwert von Cookieless-Methoden von Publishern unter Advertisern zu steigern!

Ein breites inhaltliches Angebot macht einen Publisher für seine Nutzerinnen und Nutzer attraktiv. Gleichzeitig bietet es wertvolle Anknüpfungspunkte für kontextbasiertes Targeting. Beim Contextual Targeting werden die Interessen der Zielgruppen von den Inhalten abgeleitet, die sie aktiv konsumieren. Diese Methode geht über das reine Keyword-Targeting innerhalb des OVK-Standards hinaus: Basierend auf Interessen und durch vordefinierte Personas (zum Beispiel „Fashionistas“ oder „Sportbegeisterte“) können gezielt Nutzergruppen angesprochen werden, die am wahrscheinlichsten an Produkten und Dienstleistungen interessiert sind.

Eine weitere Quelle, die Publisher zu Targeting-Zwecken nutzen, sind First-Party-Daten. Dazu zählt alles, was ein Publisher als Host über die Besucherinnen und Besucher seiner Webseiten erfährt: Login-Informationen (wenn auch bei vielen Publishern im geringen Umfang), Abo-Daten, Newsletter-Abonnenten, E-Commerce-Daten, Verhalten auf besuchten Seiten oder auch Daten, die freiwillig über Umfragen zur Verfügung gestellt werden. Nicht all diese Informationen sind über alle Seiten-Besucher verfügbar – aber mithilfe der gesammelten Infos kann ein Publisher ein detailliertes Profil über einen Teil seiner Besuchenden erstellen. Dank dieses Datensatzes kann er „Predictions“ über den Rest der Nutzer erstellen. Diese Art von mathematischen Hochrechnungen sind für Publisher immens wichtig, um belastbare Aussagen über die Besuchenden treffen zu können.

Auch das Thema Wiedererkennung kann cookieless umgesetzt werden: Auf den eigenen Plattformen lassen sich die Besuchenden von den Publishern mittels First-Party-Cookie identifizieren. Plattform-übergreifend werden ID-Lösungen eingesetzt, die technisch immer besser werden.

Wie genau nutzen Publisher nun die Datenquellen, die ihnen zur Verfügung stehen? Oft wird im Marketing noch auf das grobe Targeting nach Alter und Geschlecht gesetzt. Das kann in manchen Fällen sinnvoll sein, wie zum Beispiel bei altersspezifischen Produkten. Für die Zwecke der meisten Advertiser ist ein detaillierteres Targeting nach Personas oder Interest jedoch zielführender, da weniger Streuverluste entstehen und die gewünschte Zielgruppe direkt erreicht wird.

Hier kommen die vielfältigen Daten von Publishern ins Spiel: Mithilfe der gesammelten Daten können granulare Segmente erstellt werden, die die nötige Flexibilität bieten, um jede gewünschte Zielgruppe anzusprechen. Neben Standard-Attributen wie Alter, Geschlecht oder Haushaltnettoeinkommen ergeben sich vielfältige weitere Targeting-Optionen. Zum Beispiel kann eine Person, die auf der Suche nach schnellen und einfachen Rezepten ist, empfänglich für eine Anzeige von Lieferservices sein. Diese granularen Targeting-Möglichkeiten überzeugen durch eine hohe Qualität, das Auskommen ohne Third-Party-Cookies und gute Leistungswerte.

In Zukunft wird das Thema “AI-driven Predictive Marketing” eine bedeutende Rolle für Publisher spielen, um noch mehr aus den vorhandenen Methoden herauszuholen und Daten optimal zu nutzen.

Ein konkretes Anwendungsfeld für AI ist schon heute der Bereich Contextual Targeting. Mithilfe eines KI-basierten Large Language Modell (LLM) werden Seiteninhalte in Echtzeit analysiert, um so die bestmögliche Platzierung zu ermitteln. KI-gestützte Analysen von Heatmaps, User Engagement und historischen Performance-Daten ermöglichen ebenfalls die Optimierung von Werbeplatzierungen. Und auch bei der Preisgestaltung kann KI helfen. Durch die Untersuchung von historischen Verkaufsdaten, Nutzerverhalten und Marktdynamiken können TKPs in Echtzeit angepasst werden. Aber KI revolutioniert nicht nur die Auslieferung von Werbung, sondern auch die Kundenakquise und die Angebotsfindung. Zum Beispiel kann eine KI zahlreiche Anfragen, Kundenbriefings und tatsächliche Buchungen inklusive der erreichten Leistungswerte von Kampagnen analysieren und daraus kundenindividuelle Angebote erstellen. Über ein sogenanntes Reinforcement Learning ist eine kontinuierliche Anpassung dieser Angebote möglich.

Cookieless ist bei Publishern voll angekommen. In einem nächsten Schritt geht es darum, die Möglichkeiten von KI optimal auszuschöpfen, um den Datenreichtum der Publisher in direkten Mehrwert für Kundinnen und Kunden zu verwandeln.