Heiko Genzlinger, CEO von Trademob
Heiko Genzlinger, CEO von Trademob
Die Welt des Programmatic Advertising ist für viele Werbungtreibende auch heute noch undurchsichtig und kompliziert. Was steckt eigentlich dahinter? Und was überhaupt macht ein Algorithmus?
RTB, DSP, SSP und DMP - die Welt des Programmatic Advertising besteht aus einer langen Liste an Akronymen, die oftmals mit weiteren Buzzwords zu einem undurchsichtigen Fachchinesisch verwoben wird. Jeder spricht von Automatisierung, von Optimierung, von Algorithmen. Doch was steckt eigentlich dahinter? Worauf wird optimiert? Und was überhaupt macht ein Algorithmus?
Unter Programmatic Advertising versteht man Marketing-Maßnahmen, die von Algorithmen in Echtzeit gesteuert werden. Das Etikett Programmatic Advertising passt also noch nicht, wenn man lediglich eine Zielgruppe mit zwei Targeting-Kriterien in einem Netzwerk bucht. Entscheidend ist der Einsatz von Algorithmen, die im Gebotsprozess neben dem Preis noch weitere Faktoren beachten oder auch beim Targeting Erkenntnisse aus der Onsite-Analyse einfließen lassen. Das komplexe Verfahren - in Bruchteilen von Sekunden werden diese Informationen abgeglichen und ausgewertet - kann um Daten aus sogenannten Data Management Plattformen (DMP) ergänzt werden, die wiederum Informationen aus anderen Quellen bündeln.
Der Algorithmus beim Programmatic Advertising
Grundlegend bezeichnet ein Algorithmus eine systematische, logische Regel oder Vorgehensweise, die zur Lösung eines vorliegenden Problems führt. Ein Algorithmus, der beim Programmatic Advertising angewandt wird, folgt dabei nicht "blind" den ihn definierenden Schritten. Er lernt vielmehr: Im Programmatic Advertising vererben Algorithmen Erfahrungswerte von bestimmten Kombinationen von Parametern auf die Bewertung von aktuellen Bid Requests. Die Algorithmen beurteilen die Parameter damit immer wieder neu und stellen Zusammenhänge zwischen Datenpunkten her. Die Wahrscheinlichkeit für ein Ereignis wird oft mit "Predictions", also Vorhersagen beschrieben.
Die Gebotshöhe für eine Impression im Performance-Bereich ergibt sich aus "Wahrscheinlichkeit für ein Ereignis" mal dem "Wert des Ereignisses". Die Wahrscheinlichkeit basiert beispielsweise auf dem Profil "Frau, Mitte 30, Fitness-interessiert, wird mit einer Wahrscheinlichkeit von 0,876% auf das Werbemittel '320x50', 'Fitness-Drink' in der App 'Wetter'" klicken. Realtime Bidding (RTB) definiert dabei das auktionsbasierte Preisfindungsverfahren zwischen der Angebotsseite (Supply Side Platform: SSP), auf der Werbeinventar angeboten wird, und der Nachfrageseite (Demand Side Platform: DSP), die technisch für die Gebotsberechnung und -abgabe für eine Werbeeinblendung verantwortlich ist.
Jetzt kommt die Optimierung ins Spiel
An dieser Stelle kommt die Optimierung ins Spiel. Hinter diesem generischen Begriff versteht man im Programmatic Advertising die schrittweise Annäherung an das Kampagnenziel durch manuelles oder automatisches Ändern der Parameter, die zur Ermittlung der Gebotshöhe genutzt werden. Gängigerweise wird auf Cost per Click, Cost per Action, dem Lifetime Value und Kontaktklassen optimiert.
Während bei den ersten beiden Varianten der günstigste Preis für eine Interaktion mit dem Werbemittel - einmal der Klick, einmal eine intendierte Aktion wie beispielswiese ein Einkauf via App - angestrebt wird, berücksichtigt der Algorithmus beim Lifetime Value den Beitrag X, den ein Kunde während seines "Kundenlebens" potentiell realisieren wird.
Jeder dieser Performance-Indikatoren ist als Nebenbedingung an Reichweite geknüpft. Der beste CPC ist wertlos, wenn man zu diesem Preis nur eine Handvoll Klicks einkaufen kann. Standard ist heute die Erreichung eines Ziel-CPCs. Der wünschenswerte Standard wiederum ist die Optimierung über mehrere Iterationen von Daten, Inventarquellen und Werbemittel, um ein später in der Customer Journey gelagertes Kampagnenziel, wie beispielsweise einen Einkauf, zu erreichen.
Wie weiß ein Algorithmus, was zu tun ist?
Die Algorithmen im Programmatic Advertising versuchen immer, eine Ja/Nein-Frage zu beantworten, beziehungsweise die Wahrscheinlichkeit für die positive Antwort abzuschätzen. Eine typische Frage wäre "Wird ein Nutzer in den nächsten XX Tagen eine bestimmte Aktion durchführen?". Um eine solche Frage zu beantworten, schaut sich der Algorithmus die nähere Vergangenheit (zum Beispiel die letzten zwei Wochen) an.
Bevor er anhand dieser Daten eine Aussage machen kann, muss er erst lernen, welche Muster in der Vergangenheit auf eine entsprechende Aktion in der Zukunft hindeuten. Hierzu bietet man ihm historische Daten an, bei denen man die Antwort auf die Frage schon kennt. Diese Art von Algorithmus nennt man Supervised Learning, weil man dem Algorithmus zu jedem Lernbeispiel sagt, was die richtige Antwort ist.
Auf dieser Basis weiß der Algorithmus, welche Nutzer mit großer beziehungsweise größerer Wahrscheinlichkeit in gewünschter Form agieren werden. Für diese Nutzer wird dann im Bid-Verfahren mehr geboten, um die Auktion für sich zu entscheiden und ihnen dann mit der Werbeeinblendung - zur richtigen Zeit mit der richtigen Botschaft - den entscheidenden Impuls für ein bestimmtes Produkt oder einen bestimmten Service zu geben. Was ein hohes und was ein niedriges Gebot ist, entscheidet - einer der attraktivsten Aspekte beim programmatischen Einkauf - der Markt, sprich das Verhältnis von Angebot und Nachfrage. Im Grunde alles gar nicht so schwierig.
