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