RTA | | von einem Gastautor

Weiter Weg zur Werbewirkungsanalyse im Realtime Advertising

Zu viele Daten und zu wenig statistische Modelle: Deswegen werden derzeit die Potenziale von Customer-Journey-Analysen nicht vollständig ausgeschöpft, meint Professor Burkhardt Funk, Professor für Wirtschaftsinformatik, insbesondere E-Business, an der Uni Lüneburg. Unternehmen fehle die Kompetenz, kritisiert er in seinem Kapitel in "Realtime Advertising. Digitales Marketing in Echtzeit. Strategien, Konzepte und Perspektiven."

Beim Realtime Advertising können Advertiser Werbemittel auf der Ebene einzelner Nutzer aussteuern. Konkret geht es dabei um die Entscheidung, ob und zu welchem Preis sie bereit sind, dem aktuellen Nutzer ein bestimmtes Werbemittel zu zeigen. Trotz oder gerade wegen der Menge der im Online-Marketing anfallenden Daten und der damit verbundenen Analysemöglichkeiten werden derartige Entscheidungen heute meist regelbasiert getroffen. So werden die Potenziale von Customer-Journey-Analysen zur Unterstützung von Entscheidungen über die kanalübergreifende Budgetallokation und die Aussteuerung von Werbung auf Nutzerebene derzeit nicht vollständig ausgeschöpft.

Der Einsatz statistischer Modelle erlaubt genaue Einblicke in die (Wechsel-)Wirkungen verschiedener Marketingkanäle. Grundsätzlich geht es um die Berechnung der Wahrscheinlichkeit für ein spezifisches zukünftiges Nutzerverhalten auf Basis der vorherigen Nutzeraktivität. Bei der Modellierung kommen unterschiedliche Methoden zum Einsatz. Besonders geeignet sind Modelle, die die nutzerindividuelle Wirkung verschiedener Werbemittel und -kanäle berücksichtigen und entsprechende individuelle Ergebnisse liefern können. Die berechneten Parameter können direkt zur Budgetallokation verwendet werden. Ihre Vorzeichen werden dabei als die (positive oder negative) Wirkung des jeweiligen Kanals auf den Werbeerfolg und ihre Größe als Stärke der Wirkung interpretiert. Daneben können die Parameter von Bietagenten im Realtime Advertising bei der Echtzeit-Berechnung der Gebotshöhe genutzt werden, die in Abhängigkeit zur individuellen Click- oder Conversion-Wahrscheinlichkeit steht.

Voraussetzung Nr. 1: Strukturen schaffen im Datenwust

Die Durchführung statistischer Analysen und die Anwendung ihrer Ergebnisse sind in der Praxis noch mit verschiedenen Herausforderungen verbunden. Ein Problem stellt die Menge der generierten und zu verwaltenden Daten dar. So werden beim Realtime Advertising auf der Seite der Advertiser selbst dann Daten erzeugt, wenn an einer Auktion nicht teilgenommen oder sie nicht gewonnen wird. Sollen die Daten für Analysezwecke vorgehalten werden, können leicht mehrere 100 GB pro Tag entstehen. Um die Benefits der möglichen Analysen nicht durch die anfallenden Infrastrukturkosten und den Rechenaufwand zu neutralisieren, müssen Unternehmen effiziente Verfahren zum Umgang mit diesen Massendaten finden. Die generierten Datensätze besitzen häufig nur wenige Attribute, die direkt für Analysen verwendet werden können (z. B. Nutzer-ID, Zeitstempel, Kanal, Kontakttyp).

Die Herausforderung besteht darin, zusätzliche Attribute zu finden - etwa die Anzahl der Werbemittelkontakte in den vergangenen 30 Tagen oder die Dauer der aktuellen Sitzung - mit dem Ziel die Aussagekraft der Modelle zu erhöhen. Die Dynamik des Nutzerverhaltens und die Heterogenität der Nutzer (z. B. bzgl. Werbeaffinität, Produktinteresse) erfordern es darüber hinaus, die Werbewirkung nutzerindividuell und als zeitlich veränderlich zu betrachten. So reagiert jeder Nutzer anders auf Werbung und es bedarf mitunter unterschiedlicher Maßnahmen zur Konvertierung zum Kunden.

Meist recht schlichte Regeln beim Realtime Advertising

Die Gebotsabgabe im Realtime Advertising erfolgt heute nicht zuletzt aufgrund dieser Herausforderungen weitgehend regelbasiert (z. B. Festlegung der maximalen Anzahl der Einblendungen pro Tag und Nutzer, Verteilung des Realtime Advertising-Budgets über die Zeit usw.). Statistische Modelle zur Berechnung der Click- und/oder Conversion-Wahrscheinlichkeiten spielen eine untergeordnete Rolle. Ähnliches gilt bei der Budgetallokation. So werden die Nutzerkontakte meist auf Basis einfacher Heuristiken bewertet, z. B. entsprechend der Position innerhalb der Customer-Journey (z. B. lineare Attribution, Badewannenmodell). Diese vergleichsweise einfach umsetzbaren Verfahren ermöglichen es bspw. durch die Hinzunahme der Kosten pro Auftrag (CPO) die kontaktspezifischen Kundenakquisitionskosten zu bestimmen. Nachteilig ist daran, dass zeitliche Aspekte und unterschiedliche Aktionstypen (Click, View, Onsite-Aktivität) nur unzureichend berücksichtigt und nicht erfolgreiche Customer-Journeys von der Betrachtung ausgeschlossen werden.

Zusammenfassend steht die Werbewirkungsanalyse auf Basis statistischer Modelle heute noch in den Kinderschuhen - vor allem ihre Anwendung zur Budgetallokation und zur Gebotsabgabe im Realtime Advertising. Die Analysen stellen nicht zuletzt durch die häufig fehlende Kompetenz und den aufwändigen Prozess der Modellentwicklung in der Praxis noch eine Hürde dar. Managementheuristiken und regelbasierte Verfahren sind hilfreiche Ansätze für Unternehmen, ihre Marketingziele zu erreichen. Allerdings sind sie nur eingeschränkt zur ursachengerechten Budgetallokation geeignet und können nutzerindividuelle Präferenzen bei der Gebotsabgabe im Realtime Advertising nicht berücksichtigen.

Der Text ist eine gekürzte Fassung seines Kapitels in "Realtime Advertising. Digitales Marketing in Echtzeit. Strategien, Konzepte und Perspektiven." Das Handbuch umfasst 255 Seiten und bündelt das Wissen von 28 Experten. Austauschen kann man sich auch auf der Facebook-Seite www.facebook.com/HandbuchRTA. Herausgeber ist Oliver Busch, Head of Agency Global Marketing Solutions bei Facebook. Alle Honorare kommen dem Kinderhilfsprojekt Children Shelter Foundation in Chiang Mai zu Gute.

Weiter Weg zur Werbewirkungsanalyse im Realtime Advertising

Artikel bewerten

Vielen Dank, Ihre Bewertung wurde registriert!

Sie können leider nur einmal pro Seite bewerten.

Ihre Bewertung wurde geändert, vielen Dank!

Leserkommentar

Wir freuen uns über Ihre Kommentare.

* Pflichtfeld
** Pflichtfeld, wird nicht veröffentlicht