Einführung

Wenn Sie ein Marketer sind, sind Sie bestimmt in den letzten Monaten auf das Thema „Data Clean Room“ gestoßen.

Was ist das für eine seltsame, hygienische Datenkammer, von der alle reden? 

Manche bezeichnen Daten Clean Rooms als „die Schweiz der Daten“, und das zu Recht, denn sie bieten einen neutralen, sicheren Raum für einen kollaborativen Austausch von 1st-Party-Nutzerdaten. In einer Data-Clean-Room-Umgebung können zwei Parteien auf sichere Weise Daten austauschen und analysieren, wobei sie die volle Kontrolle darüber haben, wie, wo und wann diese Daten genutzt werden können. 

Marken erhalten Zugang zu dringend benötigten Daten, und das in einem rechtskonformen Rahmen, der nicht gegen die Privatsphäre der Verbraucher:innen verstößt. Während die Daten auf Nutzerebene in den Data Clean Room fließen, werden die aggregierten Erkenntnisse in einer kombinierten Zielgruppengruppe, einer Kohorte, gewonnen. 

Damit Sie gut gerüstet sind, nehmen wir Sie mit auf eine Reise durch dichte Wälder von 1st-Party-Daten – in einem Guide, der ganz dem Thema Data Clean Rooms gewidmet ist.  

Sie erfahren alles darüber, was sie sind, wie sie funktionieren, warum Marketers sie brauchen und wie Kampagnen gemessenen werden.

Aber bevor wir das tun, wollen wir damit beginnen, die uns alle an diesen Punkt gebracht hat.

1. Kapitel

Was sind Data Clean Rooms?

Die Evolution

Trotz ihres Wiederauflebens gibt es Data Clean Rooms als Infrastruktur schon seit einigen Jahren. 

Google war nicht der erste, der den Begriff geprägt hat, aber es war das erste Unternehmen, das eine Data-Clean-Room-Lösung auf den Markt gebracht hat und 2017 seinen Ads Data Hub einführte. Ziel war es, eine sichere und private Umgebung für die Anreicherung ihrer 1st-Party-Daten (aus CRMs, CDPs, Event-Logs usw.) mit Daten auf Nutzerebene zu schaffen, die im Google-Ökosystem enthalten sind, um sie anschließend für Google-Kampagnen zu nutzen.

Kurze Zeit später kündigte Facebook sein eigenes Data Clean Room Angebot an, um Daten mit seinen Kunden zu teilen. Ein Zufall? Wahrscheinlich nicht. 

Doch 2018 war das Jahr, in dem der Startschuss für die Ära des Nutzerdatenschutzes gefallen ist. Gesetze, wie die Datenschutz-Grundverordnung (DSGVO) und Apples „Intelligent Tracking Prevention 2.0“ wurden zu den neuen Datenschutz-Sheriffs.

Im Jahr 2019 folgte Amazon mit einer Data-Clean-Room-Plattform namens Amazon Marketing Cloud. Anfang 2020 trat das CCPA in Kraft und im April 2020 hielt das gesamte Mobile App-Ökosystem den Atem an, als Apple seine Opt-in-Mechanismus-Bombe in iOS 14 fallen ließ – auch bekannt als ATT (Apple Tracking Transparency)

Die Verschärfung der Gesetze zum Schutz der Privatsphäre der Nutzer:innen und die strengeren Datenschutzstandards haben die Art und Weise verändert, wie Werbetreibende und Marken Verbraucherdaten sammeln und weitergeben können.

Facebook kündigte im Oktober 2021 an, dass es Kampagnendaten auf Nutzerebene nicht mehr an Werbetreibende, sondern nur noch an Mobile Measurement Partners (MMPs) weiterleiten wird.

Zwischen Apples bahnbrechendem ATT-Framework, Facebooks Entscheidung über Daten auf Nutzerebene und dem Ende von Googles 3rd-Party-Cookies wird der Umfang und die Breite des Datenaustauschs zunehmend eingeschränkt, wodurch die Messung und Optimierung von Kampagnen schwieriger ist als je zuvor.

Daher brauchen Marken dringend neue Wege, um auf datenschutzkonforme Weise aussagekräftige Marketinginformationen zu erhalten. 

Den Auftakt zum Trend der Datenaustausch-Allianzen bildete 2019 die Zusammenarbeit von Disney mit Target, Unilever schloss sich mit Facebook, Google und Twitter zusammen, um einen kanalübergreifenden Messmodus zu schaffen, ITV ging 2020 eine Partnerschaft mit Infosum ein, und 2021 startete TransUnion seine Datenkooperation mit BlockGraph.  

Welche verbindliche Komponente hat all diese umfangreichen Datenkooperationen ermöglicht, die noch zunehmen werden? Natürlich die Data Clean Rooms.

Was ist ein Data Clean Room überhaupt?

Data Clean Rooms ermöglichen es Marketers, die Power des kombinierten Datensatzes zu nutzen und gleichzeitig die Datenschutzbestimmungen einzuhalten. Personenbezogene Informationen (PII) oder auf die Attribution beschränkte Daten einzelner Nutzer:innen werden keinem der beteiligten Mitwirkenden zugänglich gemacht, wodurch es für diese unmöglich ist, Nutzer:innen mit Unique Identifiers zu identifizieren.

Personenbezogene Daten und Daten auf Nutzerebene werden so verarbeitet, dass sie für eine Vielzahl von Messzwecken zur Verfügung gestellt werden können, wobei anonymisierte Daten entstehen, die dann mit Daten aus verschiedenen Quellen abgeglichen und kombiniert werden können. 

In den meisten Fällen sind die einzigen Ergebnisse aus dem Data Clean Room aggregierte Erkenntnisse, z. B. dass Nutzer:innen, die Aktion X durchgeführt haben, Y angeboten werden sollten.

Der Schlüsselfaktor, der Daten Clean Rooms zu einer hochgradig zuverlässigen Plattform macht, ist die Tatsache, dass der Zugang, die Verfügbarkeit und die Verwendung von Daten von allen Daten-Clean-Room-Parteien vereinbart werden, während die Datenverwaltung vom Anbieter des Daten Clean Rooms sichergestellt wird. 

Damit ist sichergestellt, dass eine Partei nicht auf die Daten der anderen zugreifen kann. Die Grundregel besagt, dass individuelle oder nutzerbezogene Daten nicht ohne Zustimmung zwischen verschiedenen Unternehmen ausgetauscht werden können.

Nehmen wir an, eine Marke möchte Erkenntnisse mit einem Supermarkt namens Target teilen. Um dies zu erleichtern, muss jede Partei ihre Daten auf Nutzerebene in einen Data Clean Room übertragen, um zu sehen, was die andere Partei bereits über gemeinsame Zielgruppen kennt, z. B. Reichweite und Frequency, Zielgruppenüberschneidungen, plattformübergreifende Planung und Distribution, Kaufverhalten und demografische Daten.

Data Clean Rooms können auch als intermediäres Tool zur Messung der Performance von Kampagnen eingesetzt werden. Anstelle von Schätzungen können Marken einen Blick unter die Haube der 1st-Party-Daten von Amazon oder Google werfen – und das alles unter Wahrung der Privatsphäre.

Im Gegenzug erhalten Werbetreibende einen aggregierten Output ohne Unique Identifiers, einschließlich Segmentierung und Look-alike Zielgruppen, der dann mit einem Publisher, einem DSP oder einem Werbenetzwerk geteilt werden kann, um eine Kampagne durchzuführen. Wenn Sie als Einzelhändler ein Werbenetzwerk betreiben, können Sie diesen Output auch für den Kauf von Ads nutzen.

Wie funktioniert ein Data Clean Room?

Der Vorgang eines Data Clean Room umfasst vier Komponenten: 

1 – Daten Ingestion

Zu Beginn werden 1st-Party-Daten (von CRMs, Websites/Apps, Attribution usw.) oder 2nd-Party-Daten von Kooperationspartnern (d. h. Marken, Partnern, Werbenetzwerken, Publishern) in den Data Clean Room eingespeist. 

2 – Vernetzung und Bereicherung

Die Datensätze werden dann auf der Nutzerebene abgeglichen und mit Hilfe von Tools wie der Datenanreicherung durch Drittanbieter aufeinander abgestimmt.

3 – Analyse

In diesem Schritt werden die Daten analysiert: 

• Überschneidungen oder Überlappungen
• Messung und Attribution
• Propensitäts-Scoring

4 – Marketing Einsatzmöglichkeiten

Am Ende der Data-Clean-Room-Reise ermöglichen aggregierte Daten-Outputs den Marketers: 

• Schaffung von mehr relevanten Zielgruppen
• Optimierung der Customer Experience und A/B-Tests
• Durchführung von plattformübergreifender Planung und Attribution
• Durchführung von Reichweiten- und Frequency-Messungen
• Durchführung von tiefergehende Kampagnen-Analysen

Nachdem wir nun das Wie behandelt haben, stellt sich die Frage, wie die Daten tatsächlich abgeglichen werden. 

Bei der Zusammenarbeit mit einem Daten Clean Room sind Identifiers wie E-Mail, Adresse, Name oder Mobile-ID sowohl auf der Seite des Werbetreibenden als auch auf der des Publishers sehr ähnlich, was einen erfolgreichen Abgleich der beiden Datenquellen ermöglicht.

Wenn solche Identifiers nicht vorhanden sind, könnten fortschrittliche Tools wie maschinelles Lernen und probabilistische Modellierung eingesetzt werden, um die Abgleichsmöglichkeiten zu verbessern.

Warum brauchen Marketers einen Data Clean Room?

An erster Stelle steht die wachsende Aufmerksamkeit für den Datenschutz. 

Aufgrund der Datenschutzbestimmungen und Walled-Garden-Initiativen zum Schutz der Privatsphäre wird es für Werbetreibende und Publisher immer komplexer, Daten zu sammeln, zu speichern, zu analysieren und weiterzugeben.

Der zweite Grund ist das mangelnde kommerzielle Vertrauen zwischen den Parteien. Wie wir alle wissen, ist die Weitergabe wertvoller 1st-Party-Daten außerhalb eines Data Clean Rooms sowohl aus rechtlicher als auch aus wirtschaftlicher Sicht riskant. 

Und schließlich ineffiziente Datensyntheseprozesse, bei denen die Datenkorrelation zwischen verschiedenen Datensätzen von Datenwissenschaftlern durchgeführt werden muss, was ein kostspieliges und zeitaufwändiges Unterfangen ist. 

Data Clean Rooms zur Rettung!

Bzgl. dem Datenschutz behalten alle Beteiligten in einem Data Clean Room die volle Kontrolle über ihre Daten, die in der Regel während des gesamten Prozesses vollständig verschlüsselt sind. Ein Data Clean Room beinhaltet strenge Regeln und Berechtigungen, bei denen jede Partei festlegt, auf welche Daten sie zugreifen und wie sie verwendet werden dürfen.  

Ein weiterer wichtiger Aspekt, der sich mit den oben genannten Herausforderungen befasst, ist der differenzierte Datenschutz, der es unmöglich macht, eine bestimmte Impression, einen Klick oder eine Aktivität einem:r bestimmten Nutzer:in zuzuordnen. 

Nicht zuletzt bieten Data Clean Rooms datenschutzgerechte Berechnungen, Abfragen und aggregierte Reports, die sich für die Integration von Datensätzen eignen. 

2. Kapitel

Überblick über einen neuen Markt

Daten auf Nutzerebene waren früher das, worauf sich Mobile Marketers voll und ganz verlassen haben. In den letzten Jahren haben jedoch die zunehmende Regulierung des Datenschutzes und die Tatsache, dass diese Daten schwerer zu finden sind als ein Schneeleopard, dazu geführt, dass die Werbetreibenden jetzt Schwierigkeiten haben, datengestützte Entscheidungen zu treffen.

Und wenn Sie glauben, dass es nur eine Phase ist, dann irren Sie sich gewaltig. Es wird prognostiziert, dass sich diese tiefgreifenden Veränderungen im Ökosystem noch beschleunigen werden, was den Zugang zu diesen Daten weiter einschränken und die Business-Optimierung noch schwieriger machen würde, als sie ohnehin schon ist.

Fallen Sie jedoch nicht vom Glauben ab. Diese Veränderungen können für Marken durchaus eine wertvolle Gelegenheit sein, ihren Wettbewerbsvorteil zu kultivieren. Forrester hat es gut ausgedrückt, als sie feststellten, dass „ethische Datenschutzpraktiken die nächste verbraucherorientierte, wertebasierte Quelle der Differenzierung sein werden“.

Data Clean Rooms haben ihren Ursprung in dieser auf den Schutz der Privatsphäre ausgerichteten Denkweise. Die Notwendigkeit der Einhaltung von Datenschutzbestimmungen und der Cross-Media-Messung und -Optimierung führt dazu, dass Data Clean Rooms zu einem unverzichtbaren Bestandteil des Tech-Stacks von Marketers werden.

Schätzungen zufolge gibt es derzeit zwischen 250 und 500 Daten-Clean-Room-Implementierungen, die entweder aktiv oder in verschiedenen Entwicklungsstadien sind.

Welcher Data Clean Room passt zu Ihnen? Schauen wir uns das mal an:

Data Clean Room Typen

Alle Data Clean Rooms helfen dabei, die Verbraucher:innen in der Masse zu verstecken, indem sie ihre Daten auf Nutzerebene de-identifizieren und sie anhand gemeinsamer Attribute in Gruppen zusammenfassen. Doch worin unterscheiden sie sich voneinander?

Um Ihnen zu helfen, sich in der sich schnell entwickelnden Landschaft der Data Clean Rooms zurechtzufinden, lassen Sie uns die vorhandenen Typen aufschlüsseln, die Performance jedes einzelnen in der Wertschöpfungskette bewerten und ihre einzigartigen Vor- und Nachteile betrachten:

Walled Gardens – Big-Tech-Plattformen

Diese Gruppe besteht aus geschlossenen Ökosystemen, bei denen der Technologieanbieter die Hardware, die Apps oder die Inhalte in erheblichem Maße kontrolliert.

Walled Gardens wurden zuerst von Google, Amazon und Meta (Facebook) eingeführt, um ihre 1st-Party-Daten sicher zu vermarkten und dabei auch Werbeausgaben von Konkurrenten abzufangen. 

Es versteht sich von selbst, dass fast 70 % aller Ausgaben für Werbemedien auf diese drei Giganten entfallen, von denen jeder den Werbetreibenden erlaubt, innerhalb ihres Walled Gardens mit Data Clean Rooms zu arbeiten: Google Ads Data Hub (ADH), Facebook Advanced Analytics (FAA), and Amazon Marketing Cloud (AMC). 

In diesen sicherheitsintensiven Umgebungen machen die Mega-SRNs die Daten auf Event-Ebene für Marketers zugänglich, damit sie fundierte Kampagnenentscheidungen treffen können, ohne die Privatsphäre der Verbraucher:innen oder das Ökosystem zu gefährden.

Pros

• Unterstützung der Anreicherung von 1st-Party-Datensätzen mit Daten auf Event-Ebene

Cons

• Bereitstellung von Rohmaterial für die Analyse. Um diese Daten für den gewöhnlichen Marketer lesbar zu machen, wird ein Team von Datenwissenschaftlern, Analysten und Ingenieuren benötigt 
• Starre Architektur
• Mangelnde plattformübergreifende Fähigkeit, verwertbare Daten zu generieren (z. B. Multi-Touch-Attribution)
• Fehlende unternehmensübergreifende Datenzusammenarbeit
• Strenge Abfragefunktionalität

Plattformübergreifende oder neutrale Akteure

Es gibt zwei Untergruppen von Data Clean Rooms, die jeweils ihre eigenen Vor- und Nachteile haben:

Abwechslungsreich

Dabei handelt es sich in erster Linie um eingesessene Unternehmen, die in angrenzenden Branchen wie Marketinganwendungen oder Cloud-Datenspeicherung tätig sind und Mechanismen für die Datenzusammenarbeit zur Erfassung von Signalen unter Einhaltung der Vorschriften anbieten. Zu dieser Gruppe gehören Anbieter wie Epsilon, Measured, BlueConic und Merkle.

Pros

• Architektonische Flexibilität
• Maßgeschneiderte Governance-Kontrollen über die Art der Daten und den Grad der Analyse

Cons

• Begrenzter Zugang zu Walled-Garden-Daten
• Enges Partner-Ökosystem 
• Begrenzte nachgelagerte Integrationen 
• Nutzung der bestehenden Funktionen der Customer Data Platform (CDP) / Complex Event Processing (CEP), was zu potenziellen Datenproblemen führen kann

Pure Players

Dies sind die jungen, kleinen bis mittelgroßen Anbieter von Daten Clean Rooms, darunter Habu, Harbr, InfoSum und Decentriq, aber auch stärker auf Unternehmen ausgerichtete Tools wie SnowFlake.

Pros

• Architektonische Flexibilität
• Nutzung der bestehenden Datenpiping- und Speicherinfrastruktur (SnowFlake)
• Zugang zu einem Ökosystem von integrierten Partnern (SnowFlake) 

Cons

• Begrenzte Granularität der 1st-Party-Daten
• Ist oft auf die Infrastruktur von Drittanbietern für die Daten-Ingestion angewiesen
• Geringe Auswahl an nachgelagerten Integrationsmöglichkeiten

Mobile Measurement Partner (MMP)

Im Idealfall ist ein MMP ein vertrauenswürdiger und unvoreingenommener Akteur, der es ermöglicht, alle verfügbaren Daten auf Nutzerebene unter Praxis der eigenen Geschäftslogik des Kunden zu nutzen und dann über aggregierte und umsetzbare Erkenntnisse zu verfügen.

Pros

• Gebundene Ressource – Datengranularität auf Nutzerebene und kanalübergreifend
• Conversion Daten in Echtzeit
• Umfassende Analysen für die Geschäftslogik von Mobile Apps
• Flexible Integrationsmöglichkeiten
• Aggregierte Report Erstattung in höchster Qualität 

Cons

• Einige Beschränkungen hinsichtlich der Datengranularität und abfragebezogener Aktionen könnten von SRN auferlegt werden
• Fehlen einer bestehenden CDP-Architektur

Um den für Sie am besten geeigneten Anbieter von Data Clean Rooms zu ermitteln, sollten Sie Ihren Hauptkanal (Mobile, App oder Web), Ihre Unternehmensgröße, Ihre Marketinganforderungen, Ihre Datenstruktur und Ihre internen Ressourcen berücksichtigen.

Wohin bewegt sich der Markt?

Die Erfassung von 1st-Party-Daten hat sich bereits zu einer äußerst strategischen Mission entwickelt, und diese Entwicklung wird sich in den kommenden Jahren noch beschleunigen. Das wachsende Interesse an einer datenschutzgerechten Zusammenarbeit jenseits von „Walled Gardens“ hat dazu geführt, dass es immer mehr neutrale Anbieter von Data Clean Rooms gibt. 

Dies ist eine gute Nachricht für unser gesamtes datenhungriges Ökosystem, denn je vielfältiger die Optionen sind, desto einfacher wird es für Unternehmen, die für ihre individuellen Anforderungen am besten geeignete Data Clean Room Plattform zu wählen. 

Und je mehr Unternehmen auf regulierten Datengrundlagen wie z. B. Daten Clean Rooms zusammenarbeiten, desto einfacher wird es für Marketers, ihre Kampagnen zu messen, zu attribuieren und zu optimieren.

Wie wählen Sie den richtigen Data Clean Room für Ihr Unternehmen?

Werbetreibende, die viel Geld für Datenökosysteme ausgeben, müssen jetzt in einen Data Clean Room investieren. Aber ganz gleich, ob Sie einen brandneuen Data Clean Room einrichten oder einen bestehenden aufrüsten wollen – wie treffen Sie eine fundierte Entscheidung über die für Ihr Unternehmen am besten geeignete Lösung?

Um Ihnen die Entscheidung zu erleichtern, wollen wir die Wettbewerbslandschaft der Data Clean Room näher beleuchten, wobei zwei Hauptfaktoren zu berücksichtigen sind:

• Der Umfang und die Qualität der Daten – die so genannte Tiefe
• Und die Vielfalt der empfangenen Daten – die so genannte Breite

Der Walled Garden hat den Vorteil der Datentiefe, aber es fehlt ihr an Vielfalt. Die Pure-Play-Gruppe bietet in der Regel nur die Data Clean Room Technologie an, aber geringe Datentiefe oder -breite. Und dann sind da noch die MMPs, die sowohl die Data-Clean-Room-Technologie, die Datentiefe und -breite als auch eine Vielzahl von Partner-Integrationen anbieten.

Wenn Sie einen Data Clean Room in Erwägung ziehen, sollten Sie einige Best Practices beachten, um das Beste aus der Lösung herauszuholen:

• Berücksichtigen Sie zunächst Ihren Hauptkanal (Mobile, App oder Web), die Unternehmensgröße, die Marketinganforderungen, die Datenstruktur und die internen Ressourcen. 
• Beginnen Sie dann damit, Ihren Data Clean Room kundenorientiert zu gestalten. Nicht nur für die Gegenwart, sondern auch für die Zukunft. Die besten Data Clean Rooms sind so eingerichtet, dass sie Veränderungen im Verbraucherverhalten antizipieren. 
• Beginnen Sie schließlich mit Tests mit einer Live-Zielgruppe. Eine Analyse des Verbraucherverhaltens in Echtzeit und die Gewinnung verwertbarer Erkenntnisse sind von unschätzbarem Wert.

Warum haben sich Data Clean Rooms (noch) nicht weiter durchgesetzt?

• Um es gleich vorweg zu nehmen: Data Clean Rooms sind nicht günstig! Die großen „Walled Garden“-Anbieter bieten zwar Alternativen, aber die logistischen und betrieblichen Hürden in der Zusammenarbeit mit diesen Plattformen können für alle Beteiligten eine Belastung darstellen. 

• Der Erfolg von Data Clean Rooms beruht auf der gemeinsamen Nutzung von Daten, und nicht alle Werbetreibenden sind bereit, detaillierte Transaktionsdaten preiszugeben, insbesondere aufgrund des Vorurteils potenzieller Datenschutzrisiken. Und wenn unausgegorene Daten eingegeben werden, kommen auch unausgegorene Daten heraus, die bestenfalls eine grobe Messung ergeben.
• Universelle Standards für die Umsetzung müssen noch festgelegt werden. Das bedeutet, dass die Zusammenführung von Daten, die in verschiedenen Formaten vorliegen, und die Vorbereitungsarbeit, die mit der Aggregation dieser Daten verbunden ist, zeitaufwändig sein kann.
• Schließlich dürfen wir nicht vergessen, dass in einigen Fällen noch Daten auf Nutzerebene verfügbar sind (z. B. bei Android-Geräten und zustimmenden iOS-Nutzer:innen), was die Dringlichkeit der Implementierung einer Data Clean Room-Losung zumindest etwas abmildern könnte.

Können diese Hürden mit dem richtigen Technologiepartner, den richtigen Ressourcen und der richtigen Datenaufbereitung überwunden werden? Ja, natürlich. Aber dazu mehr in unserem nächsten Kapitel.

3. Kapitel

Die Umsetzung von Data Clean Rooms

Inzwischen wissen wir, dass Data Clean Rooms Werbetreibenden und Publishern sichere, datenschutzgerechte Messungen bieten. 

Aber in welchen Fällen sollten Sie sie einsetzen? Welche Szenarien könnten von einer Analyse in einer Data-Clean-Room-Umgebung profitieren?

In diesem Abschnitt erfahren wir, wie Data Clean Rooms Marketers wirklich so helfen: 

1. Schaffung von mehr relevanten Zielgruppen
2. Kontinuierliche Verbesserung der Kundenerfahrung
3. Plattformübergreifende Planung und Attribution
4. Optimieren Sie Reichweite und Frequenzmessung
5. Durchführung von vertiefter Kampagnenanalyse

Schauen wir uns das in der Praxis an.

Performance Measurement

Das Tracking der Retention, ARPU, LTV und ROAS werden zu Recht als wichtige Anwendungsfälle für Data Clean Rooms genannt. Ein Data Clean Room bietet eine neutrale Umgebung, um sowohl die CRM-Daten des Werbetreibenden als auch die von den relevanten Marketingpartnern bereitgestellten Daten zur Anzeigenschaltung zu analysieren.

In diesem Anwendungsfall können Werbetreibende ihre 1st-Party-Daten im Anschluss an eine Kampagne in einen Data Clean Room hochladen, Unique Identifiers abgleichen und Analysen über ihre Kundendaten und die vom Data-Clean-Room-Anbieter zur Verfügung gestellten Daten zur Anzeigenschaltung durchführen. 

Nehmen wir an, Sie möchten Ihre neuesten Kaufdaten mit den Daten zur Anzeigenschaltung von Google vergleichen. Googles Walled Garden Data Clean Rooms – Ads Data Hub – ermöglicht es Ihnen, den prozentualen Anteil der Neukunden den Marketingaktivitäten zuzuordnen, die über die Google-Werbekanäle stattgefunden haben.  

Wenn Sie im E-Commerce tätig sind, füttern Sie den Data Clean Room einfach mit Ihren CRM-Daten, Unique Identifiers (E-Mails, Postadressen, Mobile-IDs usw.) und dem Kaufdatum. Dann wird jeder Medieneigentümer seine Daten zur Anzeigenschaltung und Unique Identifiers angeben, die zur Erstellung der Kampagnenzielgruppe genutzt werden. 

An diesem Punkt können Sie die Überschneidung zwischen neuen Kundinnen und Kunden und denjenigen, die über die einzelnen Medien auf die Kampagne aufmerksam geworden sind, genau messen und dann bestimmen, welcher Prozentsatz der neuen Kundinnen und Kunden den einzelnen Kanälen attribuiert werden kann.

2 – Aufbau detaillierterer Zielgruppen

Nachdem Apple seine ATT-Bombe platzen ließ, die den Zugang zu Daten auf Nutzerebene drastisch erschwerte, wurde Granularität die Priorität der Marketers.

Ein Data Clean Room ermöglicht einen Grad an Granularität, der bis vor kurzem einfach nicht möglich war. Es sammelt Daten von autorisierten Drittanbietern, die in eine Reihe von verhaltensbezogenen, demografischen und standortbezogenen Gruppen eingeteilt und dann zur Verbesserung Ihrer internen Datenbank für eine detailliertere Datenanreicherung und -analyse genutzt werden. 

Das Schöne daran ist, dass ein Data Clean Room nicht die Weitergabe persönlicher Daten der Nutzer:innen erfordert, um eine Analyse durchzuführen, sondern die virtuelle Vernetzung mehrerer Datenquellen durch anonymisierte Kohorten ermöglicht. 

Auf diese Weise können Marketers die Überschneidung zwischen ihrer Zielgruppe und den verschiedenen Medienzielgruppen messen. Schließlich sind sie in der Lage, die optimalen Wege zu verstehen, um ihre Zielgruppe zu erreichen, effektivere Kampagnen zu planen und die Omnichannel-Messung durchzuführen.

Wie können granulare Insights in die Zielgruppe Ihre Marketingaktivitäten verbessern? Gute Frage: 

Verfeinerung der Zielgruppenansprache

Die Segmentierung Ihrer Zielgruppen anhand fein abgestimmter Daten wie z. B. Verbraucherverhalten und Einkaufsgewohnheiten kann sich erheblich auf Ihre Kampagnenstrategie auswirken. 

Angenommen, Ihre Marke hat vor kurzem eine neue Partnerschaft mit einer anderen Marke geschlossen, deren Zielgruppe sich mit der Ihren überschneidet. Mithilfe von Data Clean Room-gestützten Insights zur Zielgruppe können Sie Überschneidungspunkte und gemeinsame Charakteristiken identifizieren, die dann für weitere strategische Analysen genutzt werden können.

Erstellung von maßgeschneiderten Inhalten und Kuratierung von Engagements

Wenn Sie die Interessen der einzelnen Marktsegmente kennen, können Sie relevantere Inhalte, Werbeempfehlungen und neue Ad-Formate erstellen, die speziell auf diese Interessen zugeschnitten sind.

Das Verfeinern Ihres Messagings, Ihrer Formate, Werbemittel und Kanäle, um jedes Segment individuell ansprechen zu können, die Sprache dieses Segments zu sprechen und seine spezifischen Probleme anzugehen, ist viel einfacher, wenn Sie eine Data-Clean-Room-Umgebung nutzen.

Anwendungsfall der granularen Segmentierung

Angenommen, Sie besitzen eine E-Commerce-Marke und Ihre 1st-Party-Daten umfassen Kundenattribute und zugehörige Produkt-SKUs (Stock Keeping Units). Sie möchten eine Kampagne durchführen, die sich an eine potenzielle Zielgruppe richtet, die ähnliche Eigenschaften aufweist, und anschließend eine relevante Remarketing-Kampagne anhand der Kaufhistorie und -häufigkeit durchführen. 

Erstellen Sie zunächst Ihre Zielsegmente. Laden Sie dann die relevanten Datensätze in einen Data Clean Room hoch, wo Ihr Team mit Werbepartnern zusammenarbeiten kann, um Ihre 1st-Party-Daten mit deren 3rd-Party-Daten zu vergleichen. Das Ergebnis sind aggregierte, umsetzbare Ergebnisse, die Ihnen helfen können, gezielte Kampagnen zu entwickeln, ohne die Privatsphäre Ihrer Nutzer:innen zu gefährden.

3 – Optimierung von Reichweite und Frequenzmessung

Sobald Sie über Impressionsdaten auf PII-Ebene von Partner-Werbenetzwerken verfügen, können Sie genau nachvollziehen, welche Ads welcher Kundin oder welchem Kunde wie oft geschaltet werden, was wiederum zur Deduplizierung der Kampagnenreichweite und -Frequenz, zur Minimierung von Ad-Fatigue und zur Verbesserung Ihrer Medienplanung genutzt werden kann. 

Data Clean Rooms können auch bestätigen, dass Sie die richtige Zielgruppe ansprechen, was Ihnen helfen wird, Ihre Segmentierungskriterien zu optimieren und zu verfeinern. Und mit Data Clean Rooms können Sie Ihre Customer Journey optimieren, indem Sie Nutzer:innen anhand ihrer Position im Funnel und ihrer Interaktion mit Ihrer Ad ansprechen. 

4 – Messung der Inkrementalität

Impressionsdaten von Publishern, Zielgruppen, 1st-Party-Response- und -Conversion-Daten können auf Nutzerebene miteinander verknüpft werden, um Ihnen zu helfen, die inkrementelle Wirkung Ihrer Marketingmaßnahmen zu verstehen.

Denken Sie an die Möglichkeit, durch A/B-Tests Vergleiche zwischen Ihren Test- und Mediationsgruppen anzustellen, oder – noch wichtiger – zwischen Ihren exponierten und nicht exponierten Gruppen. Ziemlich Beindruckend.

5 – Potenziellen Werbetreibenden die Qualität der Nutzer:innen vor Augen führen

Publisher können Daten auf Nutzerebene in die sichere Umgebung eines Clean Rooms einspeisen und Werbetreibenden die Möglichkeit geben, die Überschneidung von Kunden – und sogar die Qualität der Nutzer:innen – anhand verschiedener Merkmale zu beurteilen.

Auf der anderen Seite können Werbetreibende eine Zielgruppe aufbauen und es dann mit Publisher X testen, um die Ergebnisse zu bewerten. Sowohl für Publisher als auch für Werbetreibende ist es eine ideale Möglichkeit, sich einzubringen und den Wert der von ihnen akquirierten Nutzer:innen zu demonstrieren.

6 – Aufbau von Partnerschaften für 1st-Party-Daten

Strategisch gesehen können sich zwei Unternehmen darauf einigen, Datensätze in einer geschützten und ausschließlich genehmigten Umgebung zusammenzuführen und abzugleichen, um so neue Partnerschaften innerhalb des Medien-Ökosystems zu fördern.  

Diese sichere Queranalyse kann auch dazu beitragen, die Produktentwicklung voranzutreiben und den Marketers zu ermöglichen, ihre strategische Planung zu verbessern.

7 – Training, Inferenz und Propensity Scoring

Schließlich können Sie in einer Data-Clean-Room-Umgebung wieder Zugriff auf eingeschränkte granulare Daten auf Nutzerebene erhalten, die für die erfolgreiche Ausführung von Trainings- und Inferenzmodellen und sogar von Propensity-Modellen erforderlich sind, mit denen Sie eine Prognose über die Wahrscheinlichkeit erhalten, dass eine Kundin oder Kunde eine bestimmte Aktion durchführen wird.

Einleitung

Das Thema Automatisierung und künstliche Intelligenz (KI) ist aus keinem Gespräch über die Werbung wegzudenken, besonders Akronyme wie DSP, DMP und RTB in den Mix – keine Sorge, Sie werden in diesem Guide lernen, was sie alle bedeuten.

Die Bildschirmzeit ist zu einem immer größeren Teil unseres Alltags geworden, somit entwickelt sich die Werbung weiter, um mehr Menschen zu erreichen, und das immer schneller und günstiger. Die Werbung ist jedoch nicht mehr das, was sie einmal war. Die Konkurrenz ist größer denn je, wenn es nicht nur darum geht, technisch versierte Verbraucher:innen zu erreichen, sondern auch darum, sie auf eine Weise anzusprechen, die ihren Nischeninteressen entspricht.

Programmatic Advertising

Diese Technologie ermöglicht es Marken, Medientransaktionen zu automatisieren, so dass Publisher die von ihnen erzeugte Aufmerksamkeit in Echtzeit messen können. Programmatic Advertising bietet die Möglichkeit, mithilfe von Automatisierung und künstlicher Intelligenz hochgradig personalisierte Werbung zur richtigen Zeit an die richtigen Personen zu senden.

In diesem Guide erhalten Sie eine umfassende Übersicht über das programmatische Ökosystem, in dem alle wichtigen Komponenten und ihre Zusammenhänge erläutert werden. Mit den neuen Erkenntnissen können Sie Ihr digitales Marketing-Toolkit erweitern und programmatisches Marketing einsetzen.

Definition

Was ist programmatic Advertising?

Programmatic Advertising ist ein automatisierter Medieneinkaufsprozess, der auf KI und maschinellem Lernen basiert und es Werbetreibenden ermöglicht, Zielgruppen-Daten zu segmentieren, die effektivsten Platzierungen zu identifizieren, Auktionen durchzuführen und digitale Ad-Impressions in Echtzeit zu verkaufen. 

Dabei wird eine Kombination aus Daten von First-, Second- und Third-Party-Anbietern genutzt – darunter Keywords, Standort-Targeting, öffentliche Einträge, Registrierungsdaten und Umfragen – um Online-Werbung auf offenen und privaten digitalen Marktplätzen zu kaufen und zu verkaufen. 

Wie verbreitet ist Programmatic Advertising?

Das Interactive Advertising Bureau (IAB) hat festgestellt, dass programmatische Werbung in den letzten 20 Jahren zu einem Schlüsselelement in den meisten digitalen Werbebudgets geworden ist, da sie sich durch ihren Umfang und ihre Effizienz bei der Ausrichtung und Platzierung digitaler Werbung auszeichnet.

Laut Statista lagen die weltweiten Ausgaben für Programmatic Ads im Jahr 2022 bei 493 Milliarden US-Dollar und werden im Jahr 2023 voraussichtlich auf 557,56 Milliarden US-Dollar steigen. Und im Jahr 2022 wurden 75,6 % der Programmatic Digital Display Advertising in den USA in Mobile investiert.

Das explosive Wachstum von Programmatic ist darauf zurückzuführen, dass es den Werbeprozess maßgeblich rationalisiert. In der Vergangenheit war der Medieneinkauf ein langsamer und manueller Prozess, bei dem Publisher, Agenturen und Werbetreibende direkt um das beste Anzeigeninventar verhandelten. Werbetreibende und Publisher arbeiteten mit Agenturen als Vermittlungspartner zusammen, um über die Platzierung und den Zeitpunkt zu verhandeln und eine Zielgruppenforschung durchzuführen.

Was gilt nicht als Programmatic?

Ads, die direkt verkauft werden, mit vorher festgelegten Preisen und Zeitfenstern, werden nicht als Programmatic angesehen. Programmatic Advertising nutzt die Automatisierung, um sowohl Käufern als auch Verkäufern zu helfen, den Overhead zu reduzieren, Budgets für wirkungsvollere Platzierungen zuzuweisen und die Umsätze von Publishern zu steigern, damit diese ihr Inventar zeitnah verkaufen können.

Der Aufstieg im Programmatic Advertising

Die Anfänge der digitalen Werbung lassen sich auf ein einziges pixeliges Rechteck zurückführen. 1994 schaltete der Telekom-Gigant AT&T die erste Bannerwerbung für das Internet im Online-Magazin HotWired, dem Vorgänger von WIRED. Darin hieß es: „Hast du schon einmal hier auf die Maus geklickt? Das wirst du.“

Wie Höhlenmenschen, die sich die Hände an einem neu entdeckten Feuer verbrennen, klickten die ersten Internetnutzer:innen auf die Ad mit einer Click through Rate von satten 44 %. Es gab jedoch keine Möglichkeit, die Wirksamkeit der Ads bei der Erreichung relevanter Kundinnen und Kunden zu messen. Unabhängig davon, wer die Website besuchte, wurde immer die gleiche Ad angezeigt. Die manuelle Platzierung in den Medien schränkte die Möglichkeiten einer wirklich personalisierten Kommunikation ein. 

Mit der zunehmenden Verbreitung des Internets stieg auch die Nachfrage nach digitaler Werbung. Im Jahr 1996 wurde DoubleClick gegründet, das als erster Ad-Server gilt. Es wurde 2007 von Google für 3,1 Milliarden US-Dollar übernommen, was den Start von weiteren Ad-Servern im Ökosystem katalysierte, darunter Advertising.com, Zeo und Ad Stream. 

Kurz darauf brachte Google im Jahr 2000 sein proprietäres Ad Product, Google AdWords, auf den Markt. Dies führte schließlich zur Einführung des Google Display Netzwerks (GDN) im Jahr 2013. 

Etwa zur gleichen Zeit entwickelten Google AdEx, Microsoft AdECN, Rubicon Project und Yahoo’s Right Media eine Software für das Real Time Bidding (RTB), die Data Service Provider (DSP), Supply Side Platforms (SSP) und Ad Exchanges an einem Ort vereint. 

Programmatic ist heute in der Welt des Advertising eine feste Instanz, die 72 % des gesamten Marktes für digitale Displays ausmacht. 

Was sind die Programmatic-Advertising-Kanäle?

Großartige Technologie bringt mehr Auswahl! Programmatic Advertising wird über sieben Werbekanäle eingesetzt: Display, Video, Social, Audio, Native, Digital Out-of-Home und In-App Advertising. Gehen wir sie einzeln durch.

Display Ads

Die gängigste Form der Programmatic Advertising sind visuelle Anzeigen, die in der Kopf-, Fuß- oder Seitenleiste von Websites oder Apps platziert werden. Display Ads können anhand von Nutzerdaten dynamisch optimiert, aktualisiert und personalisiert werden. 

Video Ads

Programmatic Video Advertising erreichte im Jahr 2022 etwa 62,96 Milliarden US-Dollar und wird voraussichtlich auf 74,88 Milliarden US-Dollar im Jahr 2023 anwachsen. Für Werbetreibende gibt es drei Video-Ads-Typen.

In-Stream-Video-Ads werden im Videoplayer abgespielt. Es ist bei weitem die häufigste Art des Video Advertisings, und die Werbetreibenden können unter anderem aus folgenden Optionen wählen:

1. Pre-Roll: Die Ad erscheint, bevor das Video abgespielt wird
2. Mid-Roll: Die Ad läuft in der Mitte des Video-Contents
3. Post-Roll: Die Ad läuft nach dem Ende des Videos
4. YouTube Bumper: Kurze, aber nicht überspringbare Ads werden vor dem Video gezeigt

Out-stream Video Ads werden innerhalb von Artikeln nativ oder als Pop-up eingeblendet. 

In-display Video Ads werden in den Suchergebnissen oder als gesponserte Videoempfehlung angezeigt.

Social Ads

Ob Facebook, Instagram, Snapchat, Pinterest, TikTok oder X – Werbung auf Social Media kann über APIs (Application Programming Interfaces, die es Computerprogrammen ermöglichen, miteinander zu kommunizieren) oder über eine mit ihnen integrierte Demand-Side-Plattform (DSP) gekauft werden – mehr dazu später.

Native Ads

Native Ads sind in die Website oder App integriert und ermöglichen so eine nahtlose Darstellung. Anstelle von lauten Banner-Pop-up-Video-Ads, die einem ins Gesicht springt, fügen sich Native Ads ganz natürlich in den Content ein und bieten ein besseres User Experience. Native Ads können programmatisch in der Kopfzeile, der Fußzeile, der Seitenleiste oder innerhalb des Contents platziert werden. 

Die gängigsten Formate für Native Ads sind:

1. In-Feed-Units: Die Ads erscheinen in Feeds, wie z. B. Paid Placements in redaktionellen Homepages, die wie ein Artikel aussehen.
2. In-Article-Ads: Erscheinen innerhalb von Absätzen eines redaktionellen Beitrags.
3. Paid Sear Units: Die Ads erscheinen ganz oben in den Suchergebnissen und sehen ähnlich aus wie die organischen Suchergebnisse.
4. Referral-Widgets: Eine Empfehlung für einen ähnlichen Content, der den Nutzer:innen gefallen könnte.

Audio Ads

Podcast-Placements, Spotify-Ads und Pandora-Ads sind nur einige der Möglichkeiten, wie Werbetreibende Programmatic Ads kaufen können. Während die meisten Podcasts und Audio-Shows auf manuelle, private Ad-Deals für ihre primäre Platzierung angewiesen sind, können Programmatic Ads in großem Umfang für Freemium-Plattform-Nutzer:innen gekauft werden.  

Digitales Out-of-Home (DOOH)

Out-of-Home-Werbung, kurz OOH, war damals eine visuelle, statische Beschilderung, wie z. B. ein Einkaufsplakat auf einer Autobahnplakatwand. Da Digital Signage inzwischen erschwinglicher in der Massenproduktion ist, bietet OOH jetzt fortschrittliche Targeting- und Measurement-Tools, die früher nicht möglich waren. 

Wenn Sie nicht gerade in Sao Paulo leben (wo Outdoor-Werbung verboten ist!), sind Sie bereits einer DOOH-Werbung begegnet! DOOH-Platzierungen können programmatisch gekauft und verkauft werden, was besonders wirkungsvoll sein kann, wenn sie mit Strategien wie Geofencing kombiniert werden – bei denen relevante Ads so programmiert werden, dass sie angezeigt werden, wenn ein:e Nutzer:in ein bestimmtes geografisches Gebiet betritt.

Die neueste Einführung: Programmatic In-App Advertising

Der/Die durchschnittliche Verbraucher:in verbringt vier bis fünf Stunden pro Tag in Apps. Daher lohnt es sich, einen genaueren Blick darauf zu werfen, wie Programmatic Advertising in Mobile Apps tatsächlich funktioniert. 

Während webbasierte Ads mit Suchergebnissen, Bannern, Videos und Kleinanzeigen funktionieren, haben In-App-Ads unterschiedliche Display-Formate, Größenanforderungen und Display-Laufzeiten.

Die gängigsten Formate sind Bottom-Locked-Banner, die eine größere Reichweite bieten, und Interstitials, die zwischen den Aktionen der Nutzer:innen auftauchen, z. B. zwischen den Levels eines Games.

Rewarded Ads sind eine Möglichkeit, sich in einen Gaming-Kontext zu integrieren, in dem die Spieler:innen nach dem Anschauen einer Ad fortschreiten können. Auch wenn Werbeblocker inzwischen in bestimmten Browsern integriert sind, ist In-App-Ads (noch) nicht für Werbeblocker-Software anfällig.

Social-, News- und Gaming-Apps gehören zu den Apps mit der höchsten Mobile Nutzerpenetration und bieten ein großes Potenzial für den Return on Investment (ROI) von Programmatic In-App Advertising.

Wie hoch sind die Kosten für Programmatic?

Das Schöne an Programmatic ist die Erschwinglichkeit. Durch den Automatisierungsprozess ist die Werbung im Vergleich zum direkten Werbeeinkauf deutlich günstiger geworden. Programmatic Ads werden über die folgenden Modelle verkauft:

1. CPM (Cost per Mille), d.h. Kosten pro tausend Impressionen.
2. CPC (Cost per click)
3. Cost per Action (CPA)
4. CTC (Click-through-Conversions)

CPM ist das gängigste Modell für den Verkauf von Programmatic Ads. Der Preis, den Sie dafür zahlen, hängt jedoch vom Wettbewerb, des Inventars, der Reichweite und der Genauigkeit der Zielgruppen ab. Da Programmatic im Rahmen einer automatisierten Auktion fungiert, ist eine kleine, wettbewerbsintensive Zielgruppe wesentlich kostspieliger als eine breite, allgemeine Zielgruppe. 

Bei so vielen Variablen, die zu berücksichtigen sind, kann ein Branchendurchschnitt für CPM nicht angemessen repräsentiert werden, ob es eine effektive Kampagne für Sie ist oder nicht. Einige Publisher verkaufen ihr Premium-Inventar auch programmatisch, was mitunter teurer als andere Arten der Werbung ist. 

Vergessen Sie nicht die technischen Gebühren

Wie das Sprichwort sagt: Mach nie etwas, was du gut kannst, umsonst. So sehr der programmatische Prozess den gesamten Medieneinkaufsprozess rationalisiert hat, werden die Technologie-Gebühren von den Publisher-Umsätzen abgezogen. Die Gebühren variieren von Partner zu Partner, und je mehr Intermediäre Sie haben, desto mehr müssen Sie in Ihre Gesamt-ROI-Berechnungen einbeziehen.

Wie profitieren Werbetreibende?

Wie profitieren Werbetreibende von Programmatic?

Neben der Automatisierung des Werbeprozesses bietet Programmatic Advertising eine Reihe weiterer Vorteile. Es bietet ein breiteres Spektrum an Inventar, Targeting und strategischen Optionen, mit denen Werbetreibende ihre idealen Zielgruppen genauer, schneller und kostengünstiger erreichen können.

Effizienz und niedrigere CPMs

Wie die Erfindung des Fließbands, die zur Massenproduktion des Ford Model T führte, hat Programmatic Advertising die Art und Weise rationalisiert, wie Werbetreibende mehrere Zielgruppen mit einzigartigen Messaging und Creatives gleichzeitig erreichen können. Dies hat dazu geführt, dass teure Intermediäre und kostspielige Kauf- und Verkaufspraktiken weggefallen sind, wodurch die CPMs insgesamt gesenkt werden konnten.

Ein Netzwerk wie nie zuvor

Programmatic Advertising hat einen weiten Weg zurückgelegt, sowohl in Bezug auf die Möglichkeiten als auch auf die Adoption. Mittlerweile werden 72 % aller digitalen Ads programmatisch gesteuert, so dass Werbetreibende eine große Zielgruppe präzise und schnell erreichen können. 

Schnellere, transparente Insights

Was ist besser als mehr Reichweite? Mehr rechtzeitige Reichweite. Die Zeit vom Bid bis zur Auslieferung ist entscheidend, wenn Sie an den richtigen Stellen und genau zum richtigen Zeitpunkt in der Reise des Käufers auftauchen wollen. Programmatic ist nicht nur schneller, sondern lässt Werbetreibende auch sofortige, messbare Ergebnisse feststellen und ermöglicht eine flexible Feinabstimmung von Kampagnen sowie eine kontinuierliche Optimierung. Und mit Hilfe von KI wird das Zielgruppen-Targeting immer intelligenter.

Das Ökosystem

Das Ökosystem im Programmatic Advertising: Wie funktioniert es?

Beim traditionellen Medieneinkauf mussten Sie eine Werbeagentur beauftragen, um den richtigen Spot zu finden, den Kauf auszuhandeln, die Ad-Placement zu managen und die Performance zu messen. Genau wie früher, als man einen Wall Street Börsenmakler anrufen musste, um Aktien zu kaufen oder zu verkaufen. 

Doch genauso, wie wir heute Aktien über Apps und Robo-Advisors handeln können, hat die Programmatic den Medieneinkauf verändert. Die Trading Desk Software macht den programmatischen Kauf von Ads zugänglich und einfach. Daher übernehmen immer mehr Werbetreibende diese Aufgabe intern, um den Overhead zu minimieren und den Prozess weitgehend kontrollierbar und transparent zu machen.

Programmatic Advertising ist ein komplexes Ökosystem von miteinander vernetzten Akteuren, die den Daten- und Transaktionsfluss steuern. Um besser zu verstehen, wie der Transaktionsprozess funktioniert, sollten wir die einzelnen Akteure in diesem Ökosystem kennenlernen.

Genau wie die Wall Street die New Yorker Börse hat, wird der programmatische Marktplatz als Ad Exchange bezeichnet. Es handelt sich um einen digitalen Trading Floor, auf dem Werbetreibende über ihre Software-Schnittstelle Ad-Placements von verschiedenen Werbenetzwerken kaufen können. Es gibt zwei entgegengesetzte Enden einer Ad Exchange: die Käufer- und die Verkäufer-Seite.

Käufer-Seite

Wie der Name schon sagt, ist die Käufer-Seite für den Kauf von Ad-Placements von der Verkäufer-Seite verantwortlich. Auf der Käufer-Seite gibt es vier Hauptakteure: Demand-Side-Plattformen (DSPs), Datenmanagement-Plattformen (DMPs), Werbetreibende Werbenetzwerke und Werbetreibende.

Eine Demand-Side-Plattform (DSP) ist die Technologie, die es Werbetreibenden ermöglicht, Ads auf Publisher-Websites und Apps programmatisch zu kaufen, die auf Ad Exchanges und Werbenetzwerken verfügbar sind. 

Jeder DSP ist mit einer Data Management Plattform (DMP)verbunden. Eine DMP sammelt und organisiert First-, Second- und Third-Party-Daten und ist die Engine, die die Daten sortiert, die Ad-Kaufentscheidungen antreiben. Technisch gesehen sind Plattformen wie Facebook und Google Ads eine Art von DSP, die ausschließlich ihr eigenes Inventar verkaufen.

Verkäufer-Seite

Sind die Parteien, die dabei helfen, Werbeflächen an die Käufer-Seite zu verkaufen. Die Verkäufer-Seite umfasst Publisher, Werbenetzwerke und Supply-Side-Plattformen (SSP).

Publishers sind digitale Publikationen, die über Ad-Inventar verfügen, das sie auf Ad Exchanges wie WIRED, Reuters, The Economist und Conde Nast verkaufen.

Ein Ein Werbenetzwerk ist eine Aggregator-Plattform, die unverkauften Werbeplatz von einer Reihe von Publishern bündelt und dieses Inventar Werbetreibenden zu einem festgelegten Preis – oft zum reduziertem Preis – anbietet. Ein Vermerk, dass die Werbenetzwerke selbst nicht programmatisch arbeiten.

Supply-Side-Plattformen (SSP) helfen Publishern, den Verkauf ihres Inventars an mehrere Käufer automatisch und effizient zu managen, um ihren Inventarwert zu maximieren. SSPs bieten oft benutzerfreundliche Schnittstellen, Analysen, Reporting, Header Bidding, Yield Optimierung und Inventar-Management.

DSPs kommunizieren mit SSPs, um zu verstehen, welches Inventar zu welchem Preis verfügbar ist. SSPs ermöglichen es Publishern, Ads nach Werbetreibenden, Format, Zielgruppe und Tarifen zu sortieren.

Third-party Services

Es sind Partner, die dazu beitragen, die Beziehung zwischen der Käufer- und der Verkäufer-Seite zu erleichtern.

Unternehmen, die Ad-Verification anbieten, arbeiten mit DSPs zusammen, um sicherzustellen, dass Viewability, Markenschutz und Traffic-Metriken akkurat sind. 

Mess- und Attributionspartner (MMP) deduplizieren Daten, messen Reichweite und Häufigkeit und stellen sicher, dass die Kampagnendaten akkurat sind.

Data Clean Rooms sind gemeinsam genutzte First-Party-Datenpools aus mehreren vertrauenswürdigen Quellen. Sie bieten eine anonymisierte Datenzusammenarbeit, ohne die Quelle preiszugeben, so dass die Privatsphäre der Verbraucher:innen geschützt ist.

Was ist der Unterschied zwischen Real-Time-Bidding und Programmatic Advertising?

Real-Time-Bidding (RTB) ist der Prozess, bei dem Werbetreibende in einer Auktion automatisch und in Echtzeit Bids für bestimmte Werbeflächen abgeben können – wir sprechen hier von Millisekunden. 

RTB ist ein programmatischer Prozess. Programmatic Advertising ist der Überbegriff, der alle Marketingaktivitäten innerhalb des Programmatic Ad Exchange umfasst.

Programmatic Advertising Prozess: eine exemplarische Vorgehensweise 

Als Sie anfingen, diesen Guide zu lesen, hatten Sie wahrscheinlich keine Ahnung, was RTB, SSP oder DSP bedeutet. Nun, da Sie es bis hierhin geschafft haben, lassen Sie uns Schritt für Schritt aufschlüsseln, wie dieser Prozess funktioniert.

1. Ein:e Besucher:in klickt auf eine Website oder eine Mobile App.
2. Eine Gebotsanfrage (bid request) wird mit Informationen über die Website oder die App an einen Ad Exchange gesendet, zusammen mit Opt-in-Besucherdaten (demografische, kontextbezogene, verhaltensbezogene, gerätespezifische Daten, NUR, wenn der/die Nutzer:in eine Tracking-Erlaubnis erteilt hat).
3. Der Website- oder App-Eigentümer bietet die Ad Impression auf der Supply-Side-Plattform (SSP) zur Versteigerung an.
4. Die Daten der eingewilligten Besucher:innen werden dann mit den verfügbaren Werbetreibenden abgeglichen.
5. Werbetreibende auf der Demand-Side-Plattform (DSP) bieten Gebote für die Impression.
6. Der Höchstbietende erhält den Zuschlag für die Ad Impression.
7. Die Ad wird dem/der Nutzer:in auf der Website oder in der App ausgeliefert.
8. Im Idealfall klickt der/die Nutzer:in auf die Ad und konvertiert. Andernfalls können Retargeting-Taktiken wie „ansprechende“ Ads eingesetzt werden, um sie zu einem späteren Zeitpunkt zur Conversion zu motivieren.

Auktionsarten

Auktionsarten von Programmatic Advertising

Der herkömmliche Medieneinkaufsprozess ist langwierig und mühsam und umfasst RFPs, Präsentationen und Verhandlungen – was einen Großteil der hohen Overhead-Kosten und das Risiko menschlicher Fehler in sich birgt. Hier sind die vier Auktionstypen, die dazu beigetragen haben, den Prozess von Grund auf zu rationalisieren.

Real-Time Bidding (RTB)

Real-Time-Bidding (RTB), auch bekannt als offene Auktion oder offener Marktplatz, ist die am weitesten verbreitete programmatische Auktionsart – viele Marketers glauben sogar, es sei die einzige.

Mit RTB ist das Inventar für jeden verfügbar und wird in Echtzeit an den Höchstbietenden vergeben. Die Marketers geben ein Höchstgebot ab und legen ein Höchstbudget für eine Werbekampagne fest. Der Gewinner der Auktion muss nicht den vollen Gebotspreis zahlen, sondern einen Cent mehr als der zweithöchste Bieter. 

Vorteile von Real-Time-Bidding?

• Einfaches Setup
• Das Preismodell hilft Marketers, ihre Umsätze zu maximieren, ohne überhöhte Marktpreise zu zahlen
• Verbreitet in der Branche
• Für alle zugänglich
• Großer Inventarpool
• Schnelle Lieferung

Nachteile von Real-Time-Bidding?

• Mangelnde Transparenz bei den Placements
• In der Regel für große Top-of-Funnel-Kampagnen reserviert
• Es gibt keine Garantie, dass Werbeplätze besetzt werden, da ein Käufer zu einem bestimmten Preis verpflichtet ist
• Mangelnde Kontrolle und Sichtbarkeit der Placements können den Markenschutz beeinträchtigen

Privater Marktplatz (PMP)

Der private Marktplatz (PMP) verbindet RTB mit direkten Deals. Es nutzt die RTB-Auktionsmethode, arbeitet aber in einer geschlossenen Auktion, die nur für ausgewählte Werbetreibende zugänglich ist. Private Marktplätze bieten die Möglichkeit, offene Ad Exchanges zu umgehen, wobei die Deal-Konditionen im Voraus ausgehandelt werden. 

Indem sie sich direkt in das Ad-Inventar eines Publishers einklinken, können Käufer Gebote für Placements abgeben, die auf Variablen wie Zielgruppendaten, Content-Typ oder einer Reihe verschiedener Impressionsattribute basieren, die angeben, wann und wo eine Ad gesehen wurde.

Vorteile von PMPs:

• Maximale Kontrolle über das Inventar und die Platzierung Ihrer Ads
• Zugriff auf Premium-First-Party-Daten
• Premium- und exklusive Placements

Nachteile von PMPs:

• Die Publisher müssen kein Impressionsvolumen garantieren
• Werbetreibende sind nicht verpflichtet, Inventar zu kaufen
• Nicht immun gegen Ad Fraud

Programmatic Guaranteed 

Bei Programmatic Guaranteed, auch bekannt als Programmatic Direct, verhandeln Werbetreibende und Publisher auf individueller Basis über Inventar, Preise, Zielgruppen und Frequency Capping (wie oft die Ad angezeigt wird). Es gibt zwar keine Auktion, aber die Ad wird programmatisch geschaltet.

Es handelt sich dabei um eine Möglichkeit, eine garantierte Anzahl von Impressionen auf bestimmten Websites oder Mobile Apps zu kaufen, und ist in der Regel auf einen Festpreis und nicht auf eine Auktion ausgerichtet. 

Diese Art von Programmatic Advertising ist vor allem bei Premium-Display-Formaten, wie z. B. ganzseitigen Takeovers, üblich. Aufgrund der hohen Kosten wird es vor allem dann eingesetzt, wenn Werbetreibende genau wissen müssen, wer ihre Ads wo und in welchem Kontext sieht.

Vorteile von Programmatic Guaranteed:

• Der sicherste Markenschutz
• Höchste Transparenz
• Exklusives Angebot, das anderen Marken oder Wettbewerbern nicht zur Verfügung steht

Nachteile von Programmatic Guaranteed:

• Der Verhandlungsprozess kann lang sein
• Das Inventar ist für den Großteil nicht verfügbar
• Teurer als andere programmatischen Verfahren

Spot-Käufe und Preferred Deals

Beim Spot-Buying, auch bekannt als Preferred Deals, werden die Werbetreibenden über einen festen Preis für das verfügbare Inventar auf einem privaten Marktplatz informiert, bevor es in einer offenen Auktion zur Verfügung gestellt wird.

Vorteile von Preferred Deals:

• Präzisere Umsatzerwartungen
• Geringstes Risiko von Ad Fraud
• Schnellere Bereitstellung erstklassigem Inventar ist ein Wettbewerbsvorteil 

Nachteile von Preferred Deals:

• Kann langwierige Verhandlungen und Gespräche beinhalten
• Werbetreibende können aus Deals aussteigen und nicht gekauften Ad-Inventory zurücklassen
• Reserviert für große Publisher 

Self-Service vs. Managed-Service

Werbetreibende haben unterschiedliche Ziele, Budgets und Ressourcen, was bedeutet, dass es keinen Auktionstyp gibt, der für alle funktioniert. Unternehmen, die es vorziehen, sich nicht um das Thema kümmern zu müssen, bevorzugen vielleicht Managed-Services von Agenturen, die alles für sie erledigen. Wer mehr Kontrolle haben möchte und über ein kleineres Budget verfügt, kann den Prozess auch intern mit einer Self-Service-Option abwickeln. 

Trends und Best Practices

Trends und Best Practices für 2023

Obwohl die letzten Jahre bekanntermaßen unberechenbar waren, zeichnen sich einige klare Trends ab. Gehen wir die Trends durch, die zu erwarten sind.

Kabelschneider sind ein heißes Gut

In den USA gibt es mehr SVOD-Abonnements (Subscription Video on Demand) als Einwohner:innen, und die Zahl der Kabelabbrecher ist ungebremst. Und wo die Aufmerksamkeit ist, werden Werbetreibende folgen. Die massenhafte Annahme von Abonnement-Videodiensten hat einen großen Pool an Video-Ads geschaffen, die programmatisch gekauft und verkauft werden können.

Bessere DOOH-Erlebnisse

Während man früher nur statische Werbung am Straßenrand gesehen hat, bietet die moderne Digital-Out-of-Home-Technologie (DOOH) Features wie Analysen, Geofencing, Touchscreens und Augmented Reality, um relevantere und einprägsamere Werbeerlebnisse zu schaffen. Daher wurden die DOOH-Ausgaben im Jahr 2023 um 17,77 Milliarden US-Dollar erreicht. Und eMarketer prognostiziert, dass mehr als $1 von $4, die für DOOH ausgegeben werden, programmatisch gekauft und verkauft werden. 

Der Aufstieg der Roboter?

Die Veröffentlichung von ChatGPT hat die Marketingwelt im Sturm erobert. Es wird zwar nicht die nächste industrielle Revolution auslösen, wie einige Marketing-Gurus behaupten, aber es ist sicherlich ein großer Meilenstein für die Weiterentwicklung der KI-Technologie. Da der Datenpool weiter wächst, wird die KI immer besser in der Lage sein, die richtigen Zielgruppen zu analysieren und sie mit den richtigen Platzierungen zu verbinden. 

Wird KI übernehmen? Nein, aber es wird die redundanten und manuellen Aufgaben ersetzen, die den Medieneinkaufsprozess unnötig langsam und teuer machten. 

Native kontextbezogene Ads

Drastische Änderungen beim Datenschutz werden die Werbetreibenden zwingen, ihre Budgets auf kontextbezogene Ads zu verlagern. Diese Ads werden auf der Grundlage des Inhalts der Seiten, Videos oder Webseiten geschaltet, und da sie nun programmatisch gekauft werden können, lassen sie sich sowohl auf Nutzer:innen als auch auf die Platzierung in großem Umfang abstimmen. 

Auf diese Weise können Werbetreibende auch die Vorteile nativer kontextbezogener Ads nutzen, die nahtlos in Inhalte auf Websites eingebettet sind. Diese Ads benötigen keine Cookies oder Kundendaten, sind vollständig DSGVO-konform und bieten eine viel bessere User Experience als herkömmliche Werbebanner. 

Best Practices für den programmatischen Erfolg

Investieren Sie in Ihre Creatives

Da kontextbezogene Werbung im Mittelpunkt steht, werden relevante Creatives wichtiger denn je. Programmatic ermöglicht es Werbetreibenden, dynamische und relevante Werbemittel in Echtzeit zu liefern, z. B. Werbung für Ihre BBQ-App in Gebieten, in denen gutes Wetter vorhergesagt wird.

Kombinieren und Anpassen

Experimentieren Sie mit verschiedenen Kombinationen von Targeting-Optionen, z. B. nativen Ads mit kontextbezogenem Targeting. Aber bevor Sie dies tun, stellen Sie sicher, dass Sie die richtigen Metriken für alle Ihre Kampagnen ganzheitlich messen.

Seien Sie kein Roboter

Es ist eine Sache, Ihre Ads von Robotern schalten zu lassen, aber es ist nicht nötig, wie einer zu klingen! Der beste Weg, die Ad-Performance zu verbessern, besteht darin, zu recherchieren und ein Experte für Ihre Zielgruppe zu sein. Gehen Sie über demografische Daten hinaus und schauen Sie sich an, was sie lesen, was für sie relevant ist und sogar, wovor sie sich am meisten fürchten.

Minimieren Sie Ad Fraud 

Was Programmatic angeht, ist Ad Fraud immer noch eine der größten Bedrohungen für seinen Erfolg. Der Ad-Measurement-Report von eMarketer schätzt, dass Betrug die digitalen Werbetreibenden jedes Jahr zwischen 6,5 und 19 Milliarden US-Dollar kosten wird. Ergreifen Sie die notwendigen Vorsichtsmaßnahmen, wie z. B. die Zusammenarbeit mit einem MMP und Ad-Verification-Unternehmen, um sicherzustellen, dass Sie das bekommen, wofür Sie bezahlen.

Zusammenfassung

Zusammenfassung

Das war’s also – alles, was Sie über programmatische Werbung wissen müssen. Lassen Sie uns mit einer kurzen Zusammenfassung der wichtigsten Punkte abschließen: 

• Programmatic Advertising ist ein automatisierter Media-Buying-Prozess, der KI und maschinelles Lernen nutzt, um Zielgruppendaten zu segmentieren, effiziente Platzierungen zu identifizieren, Auktionen durchzuführen und digitale Ad Impressions in Echtzeit zu verkaufen.
• Programmatische Werbung ist aufgrund ihres Umfangs und ihrer Effizienz allgegenwärtig und erreichte im Jahr 2022 Werbeausgaben in Höhe von etwa 99,43 Milliarden US-Dollar und wird voraussichtlich weiter wachsen. Es wird über mehrere Kanäle hinweg genutzt, sowohl intern als auch extern. 
• Programmatic Advertising ist ein komplexes Ökosystem von miteinander vernetzten Akteuren, die den Daten- und Transaktionsfluss steuern. Sie können in drei Kategorien unterteilt werden: Verkäfer-Seite, Käufer-Seite und Third-Party.
• Real-Time-Bidding (RTB), auch bekannt als offene Auktion oder offener Marktplatz, ist die gebräuchlichste programmatische Auktionsart. Es ist offen für alle und die Placement geht an den Meistbietenden. 
• Um programmatisch erfolgreich zu sein, investieren Sie in Creatives, experimentieren Sie mit verschiedenen Kombinationen von Targeting-Optionen, recherchieren Sie Ihre Zielgruppe und minimieren Sie Ad Fraud.