Gisela Kopp

Behavioral Targeting Identifizierung verhaltensorientierter Zielgruppen im Rahmen der Online-Werbung

Kopp, Gisela: Behavioral Targeting: Identifizierung verhaltensorientierter Zielgruppen im Rahmen der Online-Werbung, Hamburg, disserta Verlag, 2015 Buch-ISBN: 978-3-95425-438-5 PDF-eBook-ISBN: 978-3-95425-439-2 Druck/Herstellung: disserta Verlag, Hamburg, 2015

Bibliografische Information der Deutschen Nationalbibliothek: Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Dies gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können Fehler nicht vollständig ausgeschlossen werden und die Diplomica Verlag GmbH, die Autoren oder Übersetzer übernehmen keine juristische Verantwortung oder irgendeine Haftung für evtl. verbliebene fehlerhafte Angaben und deren Folgen. Alle Rechte vorbehalten © disserta Verlag, Imprint der Diplomica Verlag GmbH Hermannstal 119k, 22119 Hamburg http://www.disserta-verlag.de, Hamburg 2015 Printed in Germany

Inhaltsverzeichnis

Abbildungsverzeichnis

5

Tabellenverzeichnis

7

___Abkürzungsverzeichnis

8

1. Einleitung

9

1.1.

Problemstellung

1.2.

Zielsetzung

10

1.3.

Vorgehensweise

11

1.4.

Nutzen der Identifizierung verhaltensorientierter Zielgruppen

12

1.5.

Exkurs: Allgemeiner Grundanspruch der Marktsegmentierung

12

2. Klassische Online-Werbung

9

16

2.1.

Definition

16

2.2.

Werbeformen und -formate

18

2.3.

Werbewirkung

23

2.4.

Online-Mediaplanung

28

2.4.1. Aufgaben

28

2.4.2. Akteure

29

2.4.3. Online-Kennziffern und Abrechnungsmodelle

31

Ablaufschema einer Online-Werbeschaltung

34

2.5.

3. Technische Grundlagen und Rahmenbedingungen 3.1.

41

Datenerhebung

41

3.1.1. Implizite Nutzungsdaten

42

3.1.2. Explizite Nutzerdaten

46

3.2.

Datenschutz

47

3.3.

Methoden zur Auswertung der Nutzungsdaten

49

3.3.1. Logfile-Analyse

49

3.3.2. Web Usage Mining

50

3.3.3. Personalisierungs-Verfahren

52

4. Verhaltensbasiertes Targeting

59

4.1.

Begriffsbestimmung

59

4.2.

Behavioral Targeting

61

4.3.

Predictive Behavioral Targeting

66

4.4.

Retargeting

66

4.5.

Weitere Targeting-Arten

67

4.5.1. Technisches Targeting

67

4.5.2. Sprachbasiertes Targeting

68

4.6.

Zusammenfassung der Targeting-Arten

70

4.7.

Ziele der Marktteilnehmer

72

4.8.

Netzwerke

73

5. Analyse der Lösung Predictive Behavioral Targeting

79

5.1.

Anbieter

79

5.2.

Methodik

80

5.3.

Fallbeispiel

86

5.4.

Experteninterviews

90

5.4.1. Vorgehensweise

91

5.4.2. Ergebnisse der Experteninterviews

92

5.5.

Vor- und Nachteile von Predictive Behavioral Targeting

92

Erfolgsfaktoren

95

Ergebnisse der Bewertungsfragen

97

Zusammenfassung

6. Fazit

103 110

Literaturverzeichnis

116

Anhang

128

Abbildungsverzeichnis

Abb. 1: Aufbau der Arbeit

11

Abb. 2: Schrittfolge der Zielgruppenstrategie

13

Abb. 3: Verschiedene Segmentierungen des Marktes

13

Abb. 4: Marktsegmentierungskriterien

14

Abb. 5: Aufbau und Inhalt der Marketingkonzeption

17

Abb. 6: Durchschnittliche Mediennutzungsanteile und Anteil am Werbemarkt ……….in Prozent

18

Abb. 7: Klassifizierung von Bannern

19

Abb. 8: Beliebteste Online-Werbeformate 2007

20

Abb. 9: Wirkungsparameter und Wirkungsdimensionen

24

Abb. 10: Wertschöpfungskette beim Ablauf einer Online-Kampagne

29

Abb. 11: Von der Werbemittelwahrnehmung über den Klick zur Transaktion

32

Abb. 12: Ad-Tag

35

Abb. 13: Funktionsprinzip einer Werbeauslieferung

36

Abb. 14: Funktionsprinzip einer Werbeauslieferung mit zwei Adservern

36

Abb. 15: Funktionsprinzip einer Werbeauslieferung drei Adservern

37

Abb. 16: Prozesse im Adserver eines Vermarkters/Websitebetreibers

39

Abb. 17: Beispiel einer Web-Logdatei im ECLF-Format

42

Abb. 18: Datenkategorien beim Personenbezug

48

Abb. 19: Prozess des E-CRM

52

Abb. 20: Personalisierungs-Verfahren

53

Abb. 21: Vergleich verschiedener Filter-Verfahren in beispielhafter …………Ausprägung nach RUNTE

57

Abb. 22: Grundlegende Dimensionen typischer Recommender-Systeme

58

Abb. 23: Buchbare Zielgruppensegmente bei TACODA

62

Abb. 24: Animation über Behavioral Targeting bei Revenue Science

63

Abb. 25: Yahoo! Behavioral Targeting Shoppers

65

Abb. 26: Yahoo! Behavioral Engagers

65

Abb. 27: AdWords

68

Abb. 28: AdSense

69

5

Abb. 30: Verhältnis Unique Visitor und Nutzungsintensität am Beispiel ………………Microsoft Network/Windows Live

77

Abb. 31: Anteil der sichtbaren Page Impressions der Top 4 …………US-Internet-Unternehmen

78

Abb. 32: Schematische Darstellung des Systems von nugg.ad

81

Abb. 33: Einladung zu einer Online-Befragung

82

Abb. 34: Auszug einer Online-Befragung

83

Abb. 35: Anreicherung von Profilen

84

Abb. 36: Anreicherung von Profilen durch Projektion

85

Abb. 37: Screenshot des Newsportals ekstrabladet.dk

87

Abb. 38: Werbemittel für die Fallstudie ekstrabladet.dk

88

Abb. 39: Vereinfacht dargestellte Methodik

88

Abb. 40: Kampagnen-Klickraten mit und ohne Einsatz von Predictive …………Behavioral Targeting

89

Abb. 41: Vor- und Nachteile von Predictive Behavioral Targeting aus …………Experteninterviews

93

Abb. 42: Erfolgsfaktoren von Predictive Behavioral Targeting

95

Abb. 43: Ergebnisse der Bewertungsfragen (a)

98

Abb. 44: Ergebnisse der Bewertungsfragen (b)

99

Abb. 45: Vor- und Nachteile von Predictive Behavioral Targeting

6

106

Tabellenverzeichnis

Tabelle 1: Standardformate der Online-Werbung

22

Tabelle 2: Übersicht einiger Studien zu Wirkungsweisen von Online-Werbung 27 Tabelle 3: Felder des Expanded Common Logfile-Formates

43

Tabelle 4: Überblick der Targeting-Arten

71

7

Abkürzungsverzeichnis

AGOF

Arbeitsgemeinschaft Online Forschung

AK

Arbeitskreis

BDSG

Bundesdatenschutzgesetz

BVDW

Bundesverband digitale Wirtschaft

CPA

Cost-per-Action

CPC

Cost-per-Click

CPL

Cost-per-Lead

CPO

Cost-per-Order

CPS

Cost-per-Sale

CTR

Click-through-Rate

ECLF

Extended Common Logfile Format

E-CRM

Electronic Customer Relationship Management

ELM

Elaboration Likelihood Modell

FMCG

Fast Moving Consumer Goods

GFK

Gesellschaft für Konsumforschung e.V.

GRP

Gross Rating Point

HTML

Hypertext Markup Language

IAB

Interactive Advertising Bureau

IP

Internet Protocol

IPTV

Internet Protocol Television

ISP

Internet Service Provider

IVW

Informationsgesellschaft zur Verbreitung von Werbeträgern e.V.

OVK

Online-Vermarkterkreis

ROI

Return on Investment

RON

Run of Network

ROS

Run of Site

TKG

Telekommunikationsgesetz

TKP

Tausend-Kontakte-Preis

TMG

Telemediengesetz

URL

Unified Resource Locator

8

1.

Einleitung Das Internet bietet im Vergleich zu herkömmlichen Methoden der Datenerhebung umfassende Möglichkeiten zur Aufzeichnung verhaltensbezogener Konsumentendaten. Diese sind in der Interaktivität des Mediums Internet begründet. Jeder Klick auf eine Webseite hinterlässt unmittelbar einen Daten-Eintrag auf dem eingesetzten Server. Anhand der in den Logdateien aufgezeichneten Seitenaufrufe lassen sich detailliert Angaben über Informationsverhalten, Kaufabsichten und Kaufverhalten der Nutzer nachvollziehen. Technologisch ist es darüber hinaus möglich, die Erhebung, Aufbereitung und Interpretation der Konsumentendaten in Echtzeit zu bewältigen. Zielgruppen im Internet können somit aufgrund ihres Surfverhaltens und/oder zusätzlicher Nutzungsdaten unmittelbar identifiziert werden. Diese Arbeit gibt einen Einblick in die Anwendung dieser und weiterer Methoden im Rahmen der Schaltung von Online-Werbung.

1.1.

Problemstellung

Obwohl immer noch ein Ungleichgewicht zwischen Online-Nutzung und Ausgaben für Online-Werbung besteht, holt das Internet gegenüber den klassischen Medien als Werbeträger weiter auf. In der nahen Zukunft wird sich das Verhältnis der Nutzungsdauer durch den Konsum der heutigen Jugendlichen weiter verändern. Laut ARD/ZDF-ONLINESTUDIE (2008) verbringen 14 bis 19-Jährige täglich mit durchschnittlich 120 Minuten mehr Zeit im Internet als mit fernsehen oder Radio hören. Dieses sich verändernde Mediennutzungsverhalten hat weit reichende Konsequenzen für die Werbebranche. Werbetreibende sind außerdem zunehmend mit „hybriden“, multioptionalen Verbrauchern konfrontiert, die unterschiedliche oder widersprüchliche Verhaltensmuster aufweisen. Es wird immer schwieriger, die zunehmend konturlosen und fragmentierten Käufergruppen auf Basis klassischer Mediaplanung ohne große Streuverluste zu erreichen. Darüber hinaus ändert die Digitalisierung bzw. die zunehmende Online-Nutzung die traditionellen Geschäftsmodelle im publizistischen Bereich. Verkaufs- und Distributionserlöse verlieren an Bedeutung. Die Vermarktung von Reichweite (Anteil der Personen, die durch einen Werbeträger erreicht werden) im Internet wird zunehmend über technologie-basierte Systeme abgewickelt (WIELE 2008).

9

Dabei spielt die Adressierbarkeit von Zielgruppen eine wichtige Rolle, da sich Werbetreibende und Mediaagenturen bei der Kampagnenplanung an der Erreichbarkeit von Zielgruppen orientieren. Vor diesem Hintergrund und der Tatsache, dass es inzwischen technologisch möglich geworden ist, Verhaltensdaten von Konsumenten in Echtzeit mit relativ geringem Aufwand aufzuzeichnen und zu verarbeiten, sucht die Online-Werbeindustrie nach neuen Erfolg versprechenden Strategien der Zielgruppenansprache.

1.2.

Zielsetzung

Die oftmals als „Behavioral Targeting“ bezeichnete verhaltensbasierte Zielgruppenansprache gilt als „kommende zentrale Methode der Online-Werbung“ (HEGGE 2008) und steht für einen Paradigmenwechsel: weg von der Werbung im redaktionellen Umfeld, hin zu den Menschen selbst als Umfeld durch anonyme Nutzerprofile. Dabei wird das Surfverhalten der Nutzer anonym aufgezeichnet und in Echtzeit statistisch ausgewertet, um auf die Nutzer persönlich zugeschnittene Werbung unmittelbar auszuliefern. Derzeit auf dem Markt erhältliche Targeting-Lösungen bieten eine Vielzahl von Varianten zur Zielgruppenidentifizierung und zur Aussteuerung und Optimierung von Werbekampagnen. Trotz guter Entwicklungsprognosen besteht eine der größten Herausforderungen im Online-Werbemarkt jedoch darin, „die TargetingVerfahren transparenter zu machen“, konstatiert eine Studie von INTERACTIVE MEDIA (2006). Dazu zähle auch der Nachweis, dass der Wirkungsvorsprung die zusätzlichen Kosten für Targeting rechtfertige. Darüber hinaus benötigten Werbekunden genaueres Wissen darüber, welche Targeting-Verfahren mit welchen Vorund Nachteilen angeboten werden. Die Arbeit möchte in diesem Zusammenhang einen Beitrag zur Transparenz verhaltensorientierter Targeting-Verfahren liefern und insbesondere die Methode „Predictive Behavioral Targeting“ genauer untersuchen. Ziel der Arbeit ist: x

Erstens einen systematischen Überblick über die Methoden, Werkzeuge und Prozesse zu geben, die im Zusammenhang mit der Identifizierung verhaltensorientierter Zielgruppen in der klassischen Online-Werbung eine Rolle spielen.

x

Zweitens soll das Spektrum der möglichen Segmentierungen im Rahmen der Methoden zur verhaltensbezogenen Zielgruppenidentifizierung untersucht werden. Besondere Betrachtung findet dabei die Lösung „Predictive Behavio-

10

ral Targeting“. Diese Methode verarbeitet Profile aus expliziten- und verhaltensorientierten Nutzerdaten, um anonyme Zielgruppenprofile für Werbemaßnahmen zu erstellen. Auf Grundlage der vorangegangenen Untersuchungen und mithilfe von Fallbeispielen und Expertenbefragungen werden die Vor- und Nachteile analysiert, die diese Lösung den Marktteilnehmern bietet.

1.3.

Vorgehensweise 1. Einleitung

2. OnlineWerbung

3. Technische Grundlagen

4. Verhaltensbasiertes Targeting

5. Predictive Behavioral Targeting

6. Fazit

Abb. 1: Aufbau der Arbeit

Abb. 1 zeigt den Aufbau der Arbeit. Nach einer einleitenden Darstellung des Themas und des Grundanspruchs der Marktsegmentierung werden im zweiten und dritten Kapitel die theoretischen Grundlagen für das Verständnis des weiteren Verlaufs der Arbeit gelegt. Diese erfordern einerseits einen Überblick über das Funktionsprinzip und die Bedeutung von Online-Werbung, andererseits ein generelles technisches Verständnis der Aufzeichnung, Verarbeitung und Auswertung von Nutzungsdaten im Internet. Im Anschluss daran werden im vierten Kapitel die Anwendungen erläutert, die im Rahmen der Online-Werbung genutzt werden, um verhaltensorientierte Zielgruppen zu identifizieren. Im fünften Kapitel wird insbesondere die Lösung Predictive Behavioral Targeting untersucht und analysiert. Ein Fallbeispiel und Experteninterviews untermauern die Analyseergebnisse. Die Kernaussagen der Arbeit werden im Fazit nochmals zusammengefasst.

11

1.4.

Nutzen der Identifizierung verhaltensorientierter Zielgruppen

Der Nutzen der Beschreibung verhaltensorientierter Zielgruppen liegt vor allem in der dadurch möglichen Optimierung von Marketingmaßnahmen. Durch die Segmentierung in verschiedene Zielgruppen „können die Marketingaktivitäten an die Einstellungen und Kaufabsichten der Konsumenten besser angepasst werden.“ (KROEBER-RIEHL, WEINBERG 1999) In der Regel ist der Aufwand zu groß, Werbemaßnahmen auf jeden einzelnen Käufer abzustimmen. Deshalb werden innerhalb der Masse potenzieller Käufer homogene Gruppen ermittelt. Im Zusammenhang mit Kommunikationszielen wird bei Käufergruppen von Zielgruppen gesprochen, „einem Begriff mit Ursprüngen in der Werbung.“ (HAEDRICH O.J.). Die Bestimmung von Zielgruppen fällt innerhalb der Wirtschaftswissenschaften in den Marketingbereich Marktsegmentierung. Im nachfolgenden Exkurs wird der Grundanspruch und die Methodik der Marktsegmentierung im Hinblick auf Zielgruppen erläutert.

1.5.

Exkurs: Allgemeiner Grundanspruch der Marktsegmentierung

Unternehmen sind in der Regel daran interessiert, die attraktivsten Marktsegmente zu ermitteln, um Produkte oder Dienstleistungen zielgerechter zu positionieren und Werbemaßnahmen effizienter adressieren zu können. „Das Konzept der Marktsegmentierung geht von der Grundannahme aus, dass sich die Konsumenten in ihren Bedürfnissen und Produkterwartungen unterscheiden. Die Aufgaben der Marktsegmentierung bestehen darin, homogene Käuferschichten abzugrenzen, um durch einen gezielten Einsatz der Marketing-Instrumente größtmögliche Erfolge zu erreichen.“ (FRETER 1983, 16). Ein Marktsegment besteht aus Konsumenten mit ähnlichem Kaufverhalten und Eigenschaften wie z. B. ähnlichen Wünschen, Einkommen, Wohnorten oder Kaufeinstellungen. Auf Grundlage jedes dieser Merkmale kann ein Markt auf unterschiedliche Weise segmentiert werden. Die verschiedenen Segmente sollten in sich möglichst gleichartig sein und sich zugleich voneinander möglichst stark unterscheiden. Dabei ist zu beachten, dass die Unterscheidungskriterien trennbar, messbar, ausreichend groß und erreichbar sind (KOTLER, BLIEMEL 2001, 451 f).

12

Nach KOTLER, BLIEMEL (2001, 416) ist die Marktsegmentierung der erste Schritt einer Zielgruppenstrategie. Abb. 2 zeigt die Schrittfolge der Zielgruppenstrategie.

Marktsegmentierung

Zielmarktfestlegung

Positionierung

Abb. 2: Schrittfolge der Zielgruppenstrategie (Quelle: In Anlehnung an KOTLER, BLIEMEL 2001, 416)

Dabei werden klar abgegrenzte Käufergruppen definiert, die jeweils auf sie zugeschnittene Produkte und Marketingmaßnahmen erfordern. Im zweiten Schritt erfolgt die Zielmarktfestlegung, die Bewertungsmaßstäbe für die Attraktivität von diesen Käufergruppen ermittelt. Im letzten Schritt erfolgt die Festlegung der Positionierung des Unternehmens im jeweiligen Zielmarkt (KOTLER, BLIEMEL 2001, 415). Abb. 3 verdeutlicht die verschiedenen praktischen Konzepte, die es bezüglich des Segmentierungsgrads von Käufergruppen gibt.

a) Null-Segmentierung

c) Segmentierung nach Einkommensgruppen (1,2 und 3)

b) Atomistische Segmentierung

d) Segmentierung nach Altersgruppen (A und B)

e) Segmentierung nach Einkommens- und Altersgruppen

Abb. 3: Verschiedene Segmentierungen des Marktes (Quelle: In Anlehnung an KOTLER, BLIEMEL 2001, 417)

Die Null-Segmentierung (a) macht gar keine Unterschiede zwischen Käufern und die atomistische Segmentierung (b) betrachtet jeden Käufer als eigenes Segment. In Bild (c) wird nach drei verschiedenen Einkommensgruppen segmentiert und in

13