Cookieless Future: gute Inventarhygiene, privacy-safe Targeting und neue Messmetriken

Es war das branchenbestimmende Thema des Jahres: Der digitale Werbemarkt befindet sich im Wandel. Es finden verschiedene Veränderungen statt, die im Endeffekt dazu führen, dass die vielseits genutzten Third-Party-Cookies voraussichtlich ab Mitte 2023 nicht mehr zur Verfügung stehen werden:

• Regulatorische Veränderungen wie die obligatorische Einholung der Usereinwilligung für die Nutzung von Cookies für Marketingzwecke (Cookie-Banner) 
• Technische Veränderungen wie die Lancierung verschiedener Browser-Initiativen zur Blockierung von Third-Party-Cookies
• Soziale Veränderungen wie die erhöhte Sensibilität gegenüber dem Schutz der Privatsphäre im digitalen Raum

All diese Entwicklungen führen dazu, dass die Use Cases des Digitalmarketings, die auf Third-Party-Cookies basieren, in der heutigen Form nicht mehr oder nur noch eingeschränkt möglich sein werden. Dazu gehören unter anderem Remarketing, Interessen-Targeting oder Frequency Capping. Es führt kein Weg daran vorbei, nach alternativen Lösungen und Ansätzen zu suchen.

Die wichtigsten und vielversprechendsten Initiativen, um auch in Zukunft zielgerichtete Werbung schalten zu können, sind im Moment sicherlich die Unique IDs, die Privacy Sandbox von Google, kontextuelles Targeting, Frequency und Conversion Modelling sowie Conversion APIs. Wir beobachten und evaluieren diese Vorstösse und Innovationen aktiv, damit wir fundiert beurteilen können, welche Technologie gut funktionieren – und welche nicht. 

Unsere Zukunft ohne Third-Party-Cookies ist vielschichtig

Wir beobachten aber nicht nur, sondern arbeiten auch aktiv an eigenen Ansätzen, um für unsere Kunden bestmöglich und früh auf die genannten Veränderungsprozesse zu reagieren. Relevant dafür sind folgende Aspekte:

• Wir werden weniger User- und Conversion-Daten zur Verfügung haben.
• Wir brauchen relevante, privacy-safe Daten, die uneingeschränkt eingesetzt werden können.
• Wir setzen auf neue Mess- und Optimierungsmetriken wie die Time on Screen von Display-Anzeigen oder die Audibility von Videoanzeigen. 

Basierend darauf schlagen wir vor, in Zukunft

• mehr auf den Einsatz von privacy-safe Daten zu setzen
• und diese mittels (proprietärer) Technologie 
• für Automation nutzbar zu machen, 

um die Qualität unserer Kampagnen auf den Ebenen Inventar, Targeting und Media Buying zu verbessern.

Die Qualität des Werbeinventars – also die Auswahl aller Platzierungen beziehungsweise Umfelder, in denen Anzeigen publiziert werden – ist ein zentraler Faktor jeder Kampagne. Denn dort ist eine Kampagne, und damit auch der werbetreibende Brand, sichtbar. Deswegen bildet für uns ein qualitativ hochwertiges Inventar die Basis für erfolgreiche Kampagnen.

Aus diesem Grund lassen wir das für eine Kampagne eingekaufte Werbeinventar via einem dafür entwickelten Scripts automatisiert und fortlaufend scannen und auf Performance-Werte hin prüfen. Sollten gewisse Publisher-Domains nicht unseren Qualitätsansprüchen hinsichtlich Viewability oder Klickrate entsprechen, werden sie automatisch markiert und gegebenenfalls den Ausschlusslisten hinzugefügt. Das gilt auch für Ad Collision, also für das mehrfache Erscheinen derselben Kampagne auf derselben Seite zum selben Zeitpunkt. Diese «Kollisionen» erfassen wir mit einer eigenen Technologie basierend auf dem Google Ads Data Hub.

Diese Massnahmen haben einen grossen Einfluss auf die Inventarhygiene, wie interne Analysen zeigen. Eine konstante und automatisierte Überprüfung der Inventarhygiene erzielt spürbare Veränderungen im eingekauften Inventar: Im von uns gemessenen Zeitraum über mehrere Monate haben wir mittels obiger Massnahmen mehr als 11 Prozent des angebotenen Inventars aufgrund mangelnder Qualität blockiert. Diese zur Qualitätsprüfung verwendeten Daten sind alle privacy-safe.

First-Party-Data von Premium-Publishern

Im Bereich Targeting sehen wir grosses Potenzial im verstärkten Einsatz von Publisher-Daten – also Daten, die die Betreiber der Websites, auf der die Anzeigen ausgespielt werden, direkt sammeln. Diese sind im Gegensatz zu Third-Party-Daten weiterhin verfügbar, qualitativ hochwertig – und zeigen sehr gute Leistungswerte: In dieser Case Study mit Miele erklären wir, wie es uns gelang, in Zusammenarbeit mit der TX Gruppe als Publisher eine viermal höhere Interaktionsrate im Vergleich zu den Third-Party-Audiences zu erzielen.

Für den effektiven Einsatz dieser Daten ist aus Agentursicht eine enge Zusammenarbeit mit den verschiedenen Publishing-Partnern unerlässlich: Da die Publisher grösstenteils unabhängig voneinander agieren und entsprechend individuell die Kriterien ihrer Zielgruppen definieren, kann es dort zu grossen Unterschieden kommen. Beispielsweise umfasst die Zielgruppe «New Home Seeker» bei der TX Gruppe andere Usergruppen als die gleichnamige im Ringier-Netzwerk. Um die Vergleichbarkeit zwischen den Netzwerken zu erhöhen, haben wir mit allen Schweizer Premium-Publishern Gespräche geführt und so die individuell definierten Zielgruppen vereinheitlicht. Auf unserer inhouse entwickelten Deal-Management-Plattform bündeln wir schliesslich die verschiedenen Deals mit verschiedenen Publishern – und sprechen Userinnen und User automatisiert über die verschiedenen Netzwerke an.

Targeting basierend auf harten Daten 

Eine weitere erfolgversprechende Alternative zu Third-Party-Daten auf im Bereich Targeting ist der Einsatz von harten und exogenen Daten wie Geo-Location, Zeitpunkt oder Wetter im Zusammenspiel mit dynamischer Ad-Ausspielung. Dynamische Botschaften gewinnen durch die orts- oder auch zeitabhängige Ausspielung bedeutend an Relevanz und vermögen dadurch bessere Resultate zu liefern. Entsprechend entwickelte Konzepte und Infrastrukturen zur maximal automatisierten Kampagnenauslieferung helfen dabei, die am besten funktionierende Botschaft zur richtigen Zeit am richtigen Ort zu platzieren. Die mehrfach prämierte Herbstkampagne der CSS hat diese Funktionalitäten eindrücklich unter Beweis gestellt. 

Der dritte Aspekt unseres Ansatzes richtet sich auf die verstärkte Nutzung neu messbarer Metriken, um die Optimierung des Media-Einkaufs noch spezifischer auf die Erzielung von Aufmerksamkeit auszurichten. Metriken wie Einblendungsdauer, Audibility oder Ad Position geben Aufschluss darüber, wie hochwertig eine Einblendung ist – und damit darüber, wie hoch ihre Wahrscheinlichkeit ist, Aufmerksamkeit zu generieren. In unseren Kampagnendaten sehen wir, dass stark positive Korrelationen zwischen der durchschnittlichen Dauer einer Anzeige und der Steigerung der Awareness und Consideration, zweier wichtiger Schritte der User Journey, messbar sind. 

Moderne Demand Side Platforms (DSPs) erlauben eigene Gebots-Scripts zu schreiben, um Kampagnen damit noch zielgerichteter auf die relevanten Zielwerte hin optimieren zu können. Beide Möglichkeiten machen wir uns zunutze: 

• Wir haben eine eigene Aufmerksamkeitsmetrik entworfen, die nebst der reinen Viewability auch die Einblendungsdauer einer Anzeige berücksichtigt: CPMS – die Kosten pro tausend sichtbarer Sekunden. 
• Wir haben die Custom-Bidding-Möglichkeiten von DV360 genutzt, um den CPMS in eine Gebotsstrategie zu übersetzen. Das heisst, anstatt der standardmässigen Optimierung der Kosten pro tausend sichtbarer Impressionen optimieren wir die Gebotsstrategie auf den CPMS hin. Dadurch kann zwar die reine Anzahl der Impressionen kleiner sein, dafür ist aber die Zeit, in der die Anzeigen effektiv sichtbar sind, länger. Erste Resultate zeigen, dass wir mit dieser Gebotsstrategie rund 30 Prozent weniger Kosten haben als bei der Standardstrategie.

Als Ergänzung zu den Initiativen in den Bereichen Inventarhygiene, Targeting und Media Buying empfehlen wir, Kampagnen wenn immer möglich mit digitaler Marktforschung zu begleiten, um die relevanten Business-Ziele zu überprüfen. Dafür haben wir ein Framework entworfen, das eine strukturierte und frühzeitige Berücksichtigung verschiedener Marktforschungstools erlaubt. So werden Uplift-Studien in verschiedenen Plattformen (YouTube, Facebook, etc.) integrativ und im Einklang mit den Kampagnenzielen geplant und umgesetzt. 

Zusätzlich analysieren wir das Brand-Suchvolumen auf Google fortlaufend, um weitere Signale, beispielsweise für ungestützte Markenbekanntheit – Anzahl Personen, die eine Marke oder ein Produkt ohne weiteren Hinweis erkennen –, zu sammeln. All diese Resultate und Signale werden dann zu einem übergeordneten Resultat der Kampagne aggregiert und verdichtet, das Aufschluss über die Wirkungskraft der umgesetzten Massnahmen gibt.

Wir haben verschiedene Ansätze vorgestellt, die allesamt auf privacy-safe Daten basieren und somit gänzlich ohne Third-Party-Cookies auskommen. Die einzelnen Ansätze sind individuell sinnvoll und empfehlenswert, da sie alle zu einer qualitativen Verbesserung der Kampagne beitragen. Die grösste Wirkung erwarten wir allerdings, wenn die verschiedenen Initiativen in den unterschiedlichen Bereichen kombiniert zum Einsatz kommen. Wenn eine Kampagne also auf qualitativ hochwertigem Inventar platziert, auf Publisher-Daten basiert getargetet oder anhand harter Daten dynamisch ausgespielt wird, wird sie auch in Zukunft und in der Abwesenheit von Third-Party-Cookies hervorragende Resultate erzielen. Gerade dann, wenn die Ausspielung gleichzeitig auf Aufmerksamkeitsmetriken hin optimiert wird. Wir sind überzeugt, dass die positiven Resultate durch begleitend umgesetzte digitale Marktforschung auch sicht- und messbar bleiben.