Seedtag wurde 2014 in Madrid von zwei ehemaligen Google-Mitarbeitern gegründet und ist seit 2021 auch in Deutschland präsent. Das Adtech-Unternehmen verkauft Media mit Daten in Paketen, die von einer KI geschnürt werden. Die eigene Contextual-Technologie vereint verschiedene KI-Modelle, um Nutzerinteressen zu identifizieren und daraufhin passende Werbeanzeigen auszuliefern. Mit den “AI Intention Models” kommt ein weiteres Modell hinzu, das auf der Basis von Intent-Datensätzen trainiert wurde.

Interessanterweise bekommen die Madrilenen dabei Unterstützung aus der Sparte der Suchmaschinenoptimierung. Die Datensätze stammen von Data for SEO, einem ukrainischen Unternehmen, das von den Gründern im Zuge der Entwicklung einer Inhouse-Software für eine befreundete SEO-Agentur aus der Taufe gehoben wurde. Die Datensätze, die Seedtag für das Training seines Modells nutzt, sind nach Ländern und Branchen segmentiert, und werden von der hauseigenen Kontext-KI mit Labels versehen.

Mithilfe der frischen Datensätze analysiert die Contextual-Lösung Signale über die Absichten der Verbraucher:innen und unterscheidet zwischen Inhalten mit niedriger und hoher Kaufabsicht. So lässt sich passende Werbung platzieren, je nachdem, ob sich ein:e Nutzer:in in der Informationsbeschaffungsphase oder schon der Transaktionsphase befindet. Beispielsweise ist ein Artikel über die Gegenüberstellung von Autokauf und Leasing einer niedrigen Kaufbereitschaft zuzuordnen. Eine Auflistung der zehn besten Autos unter 5.000 Euro hingegen ist mit einer hohen Kaufbereitschaft assoziiert.

Statt auf simples keywordbasiertes Matching zurückzugreifen, bewertet die kontextuelle KI der Madrilenen Inhalte kontinuierlich über verschiedene Formate hinweg und bezieht dabei Stimmungen, die Intensität des Engagements und kontextuelle Nuancen mit ein. Jeder Kampagne liegt ein eigenes Bewertungsprinzip zugrunde, das sich nach der Relevanz des Inhalts für Marke und Produkt richtet. So kann ein Artikel für eine Kampagne, die für ein bestimmtes Automodell wirbt, eine Transaktionsabsicht von 89/100 Punkten aufweisen, weil seine Sprache, Bilder und Botschaften stark mit den Werten der Marke und den spezifischen Eigenschaften dieses Modells übereinstimmen. Derselbe Artikel kann jedoch für einen Mitstreiter nur 70/100 Punkte erhalten, weil er dessen spezifische Markenpositionierung oder die Produktmerkmale nicht so gut widerspiegelt.

Die KI nutzt bei unterschiedlichen Kampagnen einen anderen Benchmark für die Bewertung des Intents. Die Bewertungskriterien passen sich zudem dem Kampagnenziel und resultierenden Konversionspfad an. Wenn das Ziel der Automarke die Generierung von Probefahrten ist, wird die Targeting-Lösung Inhalte priorisieren, die dieses Ziel fördern. Der unterstützte Konversionspfad könnte etwa vom Lesen eines Artikels ausgehen, in einen Klick auf die Website des Unternehmens überleiten und im Abschluss einer Probefahrt münden.

Die mit der Plattform verwobenen Bidding-Algorithmen wurden auf das Intent-Modell trainiert und passen ihre Gebote auf Basis der im Content erkannten Nutzerintention an. So soll die Anzeigenplatzierung auf der Ebene der URLs optimiert werden. Wenn das System Inhalte mit hoher Kaufabsicht erkennt, platziert es aggressivere Gebote auf der URL. Bids für Inhalte mit niedrigeren Intent-Signalen werden entsprechend angepasst, um das Budget zu schonen.