Mit Contextual Intelligence fit für die cookiefreie Zukunft
Das offene Internet wächst stetig und bekommt immer neue Facetten hinzu. Mit seinen vielfältigen Inhalten, die von einzelnen Blogs bis hin zu Premium-Websites von Verlagen reichen, deckt es ein unglaublich breites Spektrum an Themen ab - von Mode und Essen bis hin zu Nachrichten, Bildung und Reisen. Aber: Das Internet ist viel zu groß, als dass es von Werbetreibenden oder irgendjemanden komplett bzw. vollständig gelesen werden könnte. Während Sie das hier lesen, überspringt die Anzahl der gelisteten Webseiten vielleicht gerade die 2-Milliarden-Marke.
Die Analyse des Konsumverhaltens der Verbraucher gibt uns Aufschluss über den Kontext oder das Umfeld, in dem wir sie erreichen können. Aber nicht nur das: Sie ermöglicht uns auch ihr Verhalten, ihre Interessen und letztlich ihre Absichten zu verstehen. Wie gut, dass es mit Contextual Intelligence eine Möglichkeit gibt, genau diese Bereiche des Konsumverhaltens zu analysieren.
Auf der Spur des Kontexts
Lange Zeit haben Werbetreibende Verbrauchern gezielte Werbung auf der Grundlage von anonymisierten Daten aus Cookies von Drittanbietern angezeigt. Diese Codeschnipsel, wie z.B. das Facebook-Pixel, konnte das Verhalten der Verbraucher im gesamten Internet verfolgen. Und das unabhängig davon, ob der Nutzer auf der Facebook-Website war oder nicht. Für die Verbraucher bedeutete dies: Wenn sie auf eine Facebook-Werbung für ein Schlafsofa klickten, konnten sie wochenlang überall im Internet ähnliche Anzeigen sehen. Das war nicht umstritten, sondern völlig normal.
Inzwischen haben Algorithmen den Menschen als Leser ersetzt. Sie tun, was wir nicht können: Sie lesen bzw. crawlen das gesamte Internet, ordnen und kategorisieren Inhalte oder markieren potenziell schädliche oder illegale Aktivitäten. Zu diesen Lesern gehören Algorithmen zur Kontextanalyse, die kontextbezogene Werbung ermöglichen. Gleichzeitig löst diese Analyse gleich zwei Probleme für Werbetreibende: zum einem,dass seit langem bestehende Problem des Lesens in großem Umfang und zum anderen das neue Problem des Cookies.
Contextual Intelligence 101
Kontext war und ist immer noch einer der wichtigsten Bestandteile, wenn es darum geht, überzeugende aber auch relevante Werbeerlebnisse für Verbraucher zu schaffen. Vor allem mit der Ablehnung von Cookies von Drittanbietern rückt Kontext immer mehr ins Rampenlicht! Die Weite und Vielfalt der Inhalte im offenen Internet machen die Analyse jedoch zu einem schwierig zu lösenden Problem. Wie überwindet man also die Hürde?
Die Schlüsselfunktion lautet KI und maschinelles Lernen:
- Step 1: Die Analyse des Surfverhaltens, der Interessen und Absichten. Inhalte aus Milliarden von URLs werden gesammelt und gescannt, um diese dann in kontextbezogene Kategorien zu klassifizieren.
- Step 2: Unterschiede, wie auch Ähnlichkeiten im Text werden in tausenden Dimensionen analysiert
Dimensionen lernen und verstehen
Klingt abstrakt und kompliziert? Keine Sorge, stellen Sie sich einfach folgendes vor:
Ein rotes Auto und ein roter Apfel sind in der Farbdimension ähnlich, aber in fast allen anderen Dimensionen unterschiedlich. Um dasselbe mit den riesigen und vielfältigen Inhalten im offenen Internet tun zu können, muss die KI selbst die Tausende von Dimensionen lernen, die für die Analyse am besten geeignet sind. Sobald es diese Dimension erlernt hat, verwendet die KI diese, um Inhalte zu analysieren und äußerst ausdrucksstarke kontextbezogene Signale zu generieren. Aber aufgepasst! Um diese ausdrucksstarken Signale zu generieren, sind folgende drei Punkte äußerst wichtig:
- Granulare Zielgruppeneinblicke in das veränderte Vebraucherverhalten, den Interessen und Absichten
- Benutzerdefinierte Zielgruppendefinitionen basierend auf Interessensthemen
- Optimale Zielgruppenreichweite in optimalen Umgebungen durch die Integration kontextbezogener Signale mit prädiktiver Zielgruppenmodellierung, um sicherzustellen, dass der Kontext für jede Anzeigenimpression berücksichtigt wird
Die kontextbezogene Analyse bieter eine Riesen Möglichkeit: Sie ermöglicht ein Targeting, bei dem es nicht um das Verhalten des Nutzers geht, sondern um die Art der Inhalte, die der Nutzer sich angesehen hat. Dazu muss man also das Web so lesen, wie es ein Werbetreiber tun würde - aber in großem Maßstab.
Fachbeitrag von Sara Sihelnik, Country Director DACH bei Quantcast