Wie sich in fünf Minuten deine Video-Werbung für immer verändert

Video-Content ist aus heutigen Werbe-Kampagnen nicht mehr wegzudenken, ganz unabhängig davon, um welche Art von Video es sich handelt. 27 % der Menschen verbringen mehr als 10 Stunden pro Woche damit, Online-Videos anzusehen, eine Tendenz, die in Zukunft noch weiter steigen wird. Das Interesse der Menschen an Videos birgt großes Potenzial für Marken, die ihre Produkte inszenieren wollen.

Viele Werbeagenturen stellt das vor eine große Herausforderung. Zwar ist Video-Content eine durchaus attraktive Methode, um Inhalte zu vermitteln, die unklare Datenlage in dem Bereich und der wachsende Wettbewerb in der Branche können jedoch dazu führen, dass Video-Werbung in Zukunft deutlich kostenintensiver wird.

Woher kommt diese Entwicklung, und wie behält man die Kontrolle über die Kostenentwicklung von Videowerbung?

Warum wird Videowerbung immer teurer?

Ein wichtiger Faktor in dieser Entwicklung ist die COVID-19 Pandemie. Viele Geschäfte waren gezwungen zu schließen und Unternehmen waren darauf angewiesen, ihren Fokus auf das Online-Geschäft zu legen. Das trifft besonders auf den Einzelhandel zu, welcher seine E-Commerce Pläne deutlich vorantreiben musste, um auf dem Markt konkurrenzfähig zu bleiben.

Besonders Video-Content ist für Unternehmen zu einem Schlüsselelement geworden, um sich von der Konkurrenz abzuheben. Durch das Überangebot von Werbung werden schätzungsweise 70-80 % der gesponserten Suchergebnisse von den Nutzer*Innen ignoriert, 86 % können sich nicht einmal an traditionelle Bannerwerbungen erinnern. Im Vergleich dazu ist das Engagement mit Videowerbung deutlich höher. Videowerbung wird bis zu 1.200-mal häufiger geteilt als der gleiche Inhalt in Textform.

Das bedeutet allerdings auch, dass es jetzt weitaus mehr Konkurrenz im Bereich der Videowerbung gibt. Marken können beeindruckenden Content erstellen, sie müssen aber auch einen Weg finden, um sicherzustellen, dass Verbraucher*Innen diesen tatsächlich sehen. Hier wenden sich Unternehmen oft an Werbeagenturen, welche den Content dann vermarkten. Die Kalkulation von Budgets ist hier eine Herausforderung. Die traditionellen Messwerte in diesem Bereich sind oft unklar definiert und können frustrierend sein. Deshalb haben Werbetreibende oft das Gefühl, dass ihr Video-Budget nicht das erzielt, wird was es eigentlich sollte.  Für dieses Problem gibt es jedoch eine Lösung.

„Cost Per Mille“ reicht nicht aus

Oftmals werden die Kosten für eine Kampagne über „Cost Per Mille“ berechnet. Im Detail heißt das, dass der Werbetreibende pro tausend Aufrufe bezahlt, welche ein Mindestmaß an Interaktion erreicht haben. Diese Vorgehensweise kann sehr frustrierend sein, besonders durch die dadurch verursachte Planungsunsicherheit. Das tatsächliche Budget seiner Kampagne kann der Werbetreibende so nämlich nicht exakt berechnen.  Hier kommt „Cost Per Completed View“ (CPCV) ins Spiel.

Die Vorteile von CPCV-Messwerten sind, dass Unternehmen genau wissen, wofür sie bezahlen.  Auf diese Weise wird sichergestellt, dass nur für die tatsächlich erreichten Nutzer*Innen bezahlt wird. Dadurch sind sie besser in der Lage ihr Budget zu verwalten. Allerdings gab es in der Vergangenheit einige Schwierigkeiten bei der Prognose von CPCV-Messwerten. Die neuesten Fortschritte in der Deep Learning-Technologie haben das jedoch geändert, denn durch sie können verlässlichere Werte geliefert werden.

Deep Learning kann CPCV um bis zu 47 % steigern

Die Werbewelt wird sich mit der Abschaffung der Third-Party Cookies maßgeblich ändern. Nun rückt Contextual Targeting wieder in den Fokus. Hier werden Ads auf Grundlage des Browserverlaufs und Nutzerverhaltens an Personen ausgespielt, sodass sie immer an der richtigen Stelle platziert werden. Deep Learning entwickelt diese Methode jedoch maßgeblich weiter und sorgt dafür, dass sie zu einer modernen und zeitgemäßen Lösung wird.  Die Technologie ist insofern einzigartig, weil sie in der Lage ist umfassende, unstrukturierte Datensets zu verarbeiten. Das ermöglicht eine präzisere Ausrichtung von Inhalten und stellt sicher, dass diese nur den Nutzer*Innen angezeigt werden, welche sich am ehesten positiv mit diesen Inhalten auseinandersetzen. Die Deep Learning-Algorithmen sind darauf ausgelegt , um mehrere Ansätze gleichzeitig zu nutzen und somit die bestmöglichen Ergebnisse zu erzielen. Viele Werbevideos werden von Nutzern nicht bis zum Ende angesehen, doch dafür hat Deep Learning eine Lösung . Durch die Anwendung von Deep-Learning werden nur diejenigen User mit dem Ad bespielt, die sich in ihrer aktuellen Lebenssituation tatsächlich für das beworbene Produkt interessieren. Das erhöht die Wahrscheinlichkeit, dass das Video vollständig angesehen wird maßgeblich.

Doch wie könnte die Anwendung dieser Algorithmen in der Praxis aussehen? Hier ein Beispiel: Ein Unternehmen will ein neues Elektro-Auto auf den Markt bringen. Der Targeting-Algorithmus von RTB House ist in der Lage, Websites zu identifizieren, auf denen sich Nutzer*Innen, die sich für ein neues Elektrofahrzeug interessieren, am ehesten aufhalten. Zudem wäre er in der Lage, die Kosten für die Platzierung von Inhalten auf verschiedenen Kanälen zu vergleichen und eine angemessene Strategie zu entwickeln, während zeitgleich die Kosten minimiert werden. Der Deep Learning Algorithmus lernt stetig dazu. Je mehr Kampagnen mit dem Algorithmus durchgeführt werden, desto intelligenter wird er.

RTB House liefert modernste Deep Learning-Technologie, die die Fähigkeit besitzt,  mit mehreren Lösungen und komplizierten Daten-Sets gleichzeitig zu arbeiten. Der Deep Learning-Algorithmus ist außerdem in der Lage, verschiedene Abläufe im Unternehmen sehr schnell zu skalieren, eine Arbeit, für die man ansonsten viele Analyst*Innen braucht. Die Abläufe werden also nicht nur effizienter, sondern entlasten auch das Personal, das sich in der gleichen Zeit gewinnbringenden Aufgaben widmen kann.

Angesichts des zunehmenden Wettbewerbs bei Video-Anzeigen müssen Marken und Agenturen ihre Kampagnen auf jede erdenkliche Weise optimieren. Durch eine Umorientierung weg von dem klassischen CPM-Modell in Richtung CPCV-Kampagnen unterstützt durch Deep Learning-Technologie, schaffen es Agenturen und Unternehmen, sich von ihren Wettbewerbern gewinnbringend abzuheben.