André Kolell » Online-Marketing

Semasio – Zukünftiger Star im Real-Time-Bidding?

Andre Kolell — Sat, 21 May 2011 19:02:27 +0000

Am 26. November vergangenen Jahres hatte ich noch die Vermutung geäußert, dass ganz neue technologische Systeme für das Real-Time-Bidding entstehen müssten. Erst, wenn der Wert einer Werbeeinblendung für einen einzelnen Internetnutzer binnen weniger Millisekunden anhand einer Vielzahl verschiedener Daten ermittelt werden kann, kann Real-Timme-Bidding richtig Sinn (und Spaß) machen.

Wie ich nun erst erfahren habe, hat exakt drei Tage später, am 29. November 2010, der High-Tech Gründerfonds in die Semasio GmbH investiert! Semasio entwickelt ein, meiner Meinung nach, sehr spannendes Produkt, das man im Hinterkopf behalten sollte.

Hier einige Auszüge:

Profile much deeper than currently possible

The User Intelligence Platform utilizes the potentially hundreds of contacts with digital media users that you have every month. From each contact hundreds of salient characteristics are extracted, meaning you gather tens of thousands of characteristics about each user each month. This creates a much more detailed and granular user profile that serves as the foundation for precise targeting.

Create your very own target groups

Using the extremely granular profiles gathered by the User Intelligence Platform you can easily create the unique target groups that deliver on your marketing goals, whether these goals are branding- or performance related.

[...]

(Bislang nur ein ganz klein wenig) mehr gibt es auf der Website von Semasio.

Bedeutung & Entschlüsselung des Google AdWords Auto-Tagging Parameters gclid

Andre Kolell — Wed, 11 May 2011 18:51:51 +0000

Schon seit längerem flehe ich erfolglos sämtliche mir bekannten Google-Ansprechpartner an, Keyword- und AdGroup-ID als ValueTrack-Parameter zur Verfügung zu stellen.

Nun kam mir die Idee in Google AdWords das Auto-Tagging zu aktivieren. Dadurch wird jedem Link automatisch ein Parameter namens gclid angehangen. Diesen wollte ich auslesen und die darin enthaltenen Informationen entschlüssel, denn schließlich kann Google Analytics ja auch anhand des gclid-Parameters die originäre AdWords-Struktur wiederherstellen…

Leider habe ich zu dem Ansatz nicht viel finden können und auch einige Tests förderten nichts nennenswertes zu Tage. Vermutlich ist es wie auf stackoverflow, eine der wenigen Quellen zu dem Thema, vermutet:

Die gclid wird weitgehend zufällig erzeugt und lediglich als Schlüssel für einen Google-internen Datenaustausch zwischen Google AdWords und Google Analytics verwendet.

Jegliche Versuche von “gclid Reverse Engineering” und “gclid Entschlüsselung” dürften damit erfolglos bleiben.

Falls jemand doch andere Erkenntnisse hat, bin ich daran überaus interessiert! :)

Retargeting im A/B-Test mit Google Analytics

Andre Kolell — Fri, 29 Apr 2011 14:39:04 +0000

Retargeting liegt voll im Trend. Laut einer nicht-repräsentativen BVDW-Studie verbreitet sich Retargeting, das auch als Re-Targeting, Re-Messaging oder Remarketing bekannt ist, rasend schnell. Der Grund dafür ist die überdurchschnittliche Performance, die Retargeting nachgesagt wird. Wenn die beworbene Marke stark ist, lässt sich ein CPO erreichen, der weit besser als im klassischen Display Marketing ist und durchaus mit dem des Performance Marketing Kanals Nr. 1, dem bezahlten Suchmaschinenmarketings, konkurrieren kann…

Doch handelt es sich bei den zahlreichen Conversions, die dem Retargeting zugeschrieben werden, tatsächlich um zusätzliche Conversions, oder hätten viele der Conversions ohnehin stattgefunden, auch ohne erneute Ansprache?

Inwiefern fördert Retargeting Wiederholungskäufe (Cross- und Up-Selling)?

Und führt Retargeting letztlich zu einer stärkeren Kundenbindung und einer Steigerung des Customer Lifetime Values?

Um diese Fragen beantworten zu können, muss vor dem Start der Retargeting-Aktivitäten ein A/B-Test aufgesetzt werden.¹ Wie tatsächlich valide Ergebnisse erreicht werden können, bei denen sich die Gruppen lediglich darin unterscheiden, dass die eine mittels Retargeting beworben wird und die andere nicht, wird im folgenden am Beispiel von Google Analytics beschrieben.²

Der Google Analytics Code für die Website

Die folgenden Ausführungen basieren auf dem asynchronen Google Analytics Tracking. Der Standard-Code von Google Analytics sollte generell auf jeder Seite vor dem Tag eingebunden sein.

Auf allen Seiten, auf denen Retargeting-Codes eingefügt werden sollen, ist zusätzlich zu dem Analytics Code im ein weiterer Google Analytics Code zu ergänzen (vor dem ). Dieser sorgt dafür, dass nur ein Teil der Besucher geretargetet wird:³

A/B-Split-Testing mit Google Analytics

01 
19

Zunächst wird überprüft, ob der Besucher bereits der Gruppe A oder B angehört (04-05). Ist dies nicht der Fall, wird er mit einer Wahrscheinlichkeit von 70 Prozent der Gruppe A zugeordnet, die mit Retargeting beworben wird. Mit einer Wahrscheinlichkeit von 30% fällt er in die Gruppe B, die nicht mit Retargeting beworben wird (06). Eine neu erfolgte Zuordnung wird Google Analytics mitgeteilt und dauerhaft zu dem Besucher gespeichert, so dass der Besucher auch bei späteren Seitenaufrufen und Besuchen solange in derselben Gruppe verbleibt, wie er seine Google Analytics Cookies nicht löscht (07-08).

Handelt es sich nun um einen Besucher der Gruppe A, werden die Retargeting-Codes (hier beispielhaft ein Code von Criteo in grüner Schrift) ausgeliefert (10-16).⁴

Saubere Daten in Google Analytics

Da die Zuordnung von Besuchern zu Testgruppen bei der Verwendung des oben stehenden Codes zusätzliche virtuelle Pageviews erzeugt (08), die sowohl die Gesamtanzahl der Seitenaufrufe als auch die Absprungraten verfälschen, müssen diese aus den Google Analytics Daten herausgefiltert werden. Hierzu empfiehlt es sich ein zusätzliches Profil anzulegen und auf dieses einen Filter anzuwenden, der alle Zugriffe auf das Unterverzeichnis “/virtual” ausschließt. Das gefilterte Profil enthält dann die korrekten Daten.

Analyse der Ergebnisse

Schon nach einigen Stunden, spätestens aber nach zwei Tagen, kann die Zuordnung der Besucher zu den Testgruppen in Google Analytics unter “Besucher” »”Benutzerdefinierte Variablen” eingesehen werden:

Wartet man nun ab, bis die Retargeting-Kampagne tatsächlich läuft, dann lassen sich unter den Report-Tabs “Website-Nutzung” und “E-Commerce” die Gruppen direkt hinsichtlich der folgenden KPI vergleichen:⁵

Seiten/Besuch
Durchschnittlicher Besuchszeit auf der Website
% Neue Besuche
Absprungrate
Umsatz
Transaktionen
E-Commerce-Conversion-Rate

Tiefer einsteigen kann man durch das Anlegen von zwei erweiterten Segmenten – “Retargeting” und “Kein Retargeting”.⁶ Mit ihrer Hilfe können sämtliche Auswertungen in die beiden Testgruppen aufgesplittet werden (hier exemplarisch ein Auszug aus dem E-Commerce-Report “Besuche bis zum Kauf”):

Ich empfehle die Auswertung über einen Mindestzeitraum von einem Monat, beginnend frühestens einen Monat nach dem Retargeting-Start. Entscheidend ist, dass das Retargeting schon eine Weile läuft und in beiden Gruppen ausreichend belastbare Daten aufgelaufen sind. Auf jeden Fall sollte untersucht werden:

Wie viele zusätzliche Transaktionen sind durch Retargeting erzielt worden (gewichtete Transaktionen von “Retargeting” minus gewichtete Transaktionen von “Kein Retargeting”)?
Angenommen viele der Retargeting-Conversions hätten auch ohne Retargeting stattgefunden: Hat das Segment “Kein Retargeting” alternative Kanäle zu Retargeting verwendet und welche Kosten haben diese veursacht?⁷
Wie sieht jeweils die Neukundenquote aus?

Nach frühestens einem halben Jahr kann die Auswirkung von Retargeting auf die Kundenbindung und den Customer Lifetime Value untersucht werden:

Wie unterscheidet sich die Anzahl der Orders pro Kunde (führt Retargeting zu mehr Folgebestellungen von Bestandskunden)?
Wie wirkt sich Retargeting auf die Höhe der Warenkörbe aus?
Mittels weiterer Tests: Steigert Retargeting die Kundenbindung dauerhaft (auch ohne weiteres Retargeting) oder nur temporär (solange Retargeting läuft)?

Je länger der Test läuft, umso mehr Erkenntnisse können gewonnen werden. Allerdings sollte man als Werbetreibender nicht vergessen, dass man auch fortlaufend darauf verzichtet, einen Teil seiner Besucher mit Retargeting zu bewerben (und einem damit womöglich auch zusätzlicher Gewinn entgeht).

Ableitung von Retargeting-Zielwerten

Das Ziel der Analysen müssen Zielwerte sein, die die Werbewirkung von Retargeting widerspiegeln. Stellt man fest, dass 20% der Orders, die bislang dem Retargeting zugeschrieben worden sind, auch ohne Retargeting über direkte Zugriffe stattfinden, dann sollte diese Erkenntnis bei der Zielwertermittlung entsprechend berücksichtigt werden. Gleiches gilt natürlich auch für weitere Erkenntnisse: Ein besonders niedriger Neukundenanteil korrigiert einen Ziel-CPO nach unten, ein nachweisbar gesteigerter Customer Lifetime Value korrigiert einen Ziel-CPO nach oben, usw.

___

¹ Grundsätzlich kann hier auch jedes andere Web Analytics System mit Segmentierungsmöglichkeiten genutzt werden. Die Segmentbildung anhand der Information, ob jemand schon einmal über den Klick auf ein Retargeting-Werbemittel auf die Seite gelangt ist, reicht nicht aus, da die Postview-/Branding-Effekte von Retargeting ignoriert würden.

² Wird der A/B-Test erst nach dem Retargeting-Start aufgesetzt, sind bereits zahlreiche Website-Besucher vom Retargeting-Anbieter mit Cookies markiert (und werden daher geretargetet).

³ Damit der A/B-Test erfolgreich sein kann, ist es absolut wichtig, dass wirklich jeder Retargeting-Code in diese Weiche integriert ist. Schon ein einzelner Retargeting-Code außerhalb der Weiche kann zur Verwässerung der Testgruppen führen.

⁴ Der spezielle Criteo-Loader befindet sich zwar außerhalb des Test-Codes, übermittelt aufgrund seiner Programmierung aber nur dann Daten an Criteo, wenn der Besucher der Gruppe A zugeordnet ist und die Zeilen 11-15 daher ausgeführt worden sind.

⁵ Bei einem Gruppenzuordnung von 70 zu 30 sind Umsatz und Transaktionen zu gewichten.

⁶ Für das Segment “Retargeting” lautet die Regel des erweiterten Segments: “Name der benutzerdefinierten Variable 1″ = “testGroup” und “Wert der benutzerdefinierten Variable 1″ = “A” (Segment “Kein Retargeting” entsprechend).

⁷ Hier bieten sich womöglich die Multi-Channel Funnel Analysen an.

Aktualität der Daten in Google Analytics

Andre Kolell — Sun, 10 Apr 2011 12:52:08 +0000

Ich habe mich gerade auf die Suche nach Informationen zur Datenaktualität in Google Analytics gemacht. In der offiziellen Dokumentation findet sich lediglich der Hinweis, dass es nach dem Setup bis zu 24 Stunden dauern kann, bis Daten in der Google Analytics Oberfläche angezeigt werden. Eine Suche nach Google Analytics Delay zeigt dort schon interessantere Informationen: Hier wird von Google Analytics Real-Time Daten und einem Google Analytics Zeitverzug von einigen Stunden gesprochen. Am interessantesten sind noch die Informationen in der Google Data Export API, wo es heißt.

Run queries on dates that are at least 48 hours in the past for consistent results.

While Analytics data is processed regularly throughout the day, the final collection window for any given 24-hour period of time is not complete until up to 48 hours after that day ends.

Mein Fazit:

Die Aktualität der Daten in Google Analytics ist erst nach 48 Stunden gewährleistet.

Es können zwar schon vorher Daten vorhanden sein, allerdings ist nicht sichergestellt, dass diese valide sind. Externe Anwendung, die über die Google Analytics Data Export API Daten aus Google Analytics extrahieren, sollten dies berücksichtigen.

Habe ich etwas übersehen? Gibt es noch andere Meinungen?

FanTarget – Facebook Fan (Re)targeting zur Monetarisierung von Social Media!?

Andre Kolell — Tue, 30 Nov 2010 21:59:53 +0000

Je nachdem, wofür oder wogegen man gerade zu argumentieren hat, beläuft sich der Wert eines Facebook-Fans auf irgendetwas zwischen $ 3,60 und $ 136,38. Und so bewegt sich auch der Wertzuwachs, den die OTTO Fanpage durch die nicht vollends erfolgreiche Austragung eines Modelwettbewerbs erlangt hat, auf irgendeinen Betrag zwischen $ 540.000,- und $ 24.507.000,-. Da man sich jedoch weder den einen noch den anderen Betrag von Facebook (oder den Herausgebern der Studien) auszahlen lassen kann, stellt sich die Frage, wie man nun an die halbe oder eben an die vierundzwanzigeinhalb Millionen Dollar heran kommt. Eine nicht im Detail geprüfte, diskussionsbedürftige Idee ist die folgende…

… Ständig lasse ich mich, hauptsächlich in meinem Blog, über die Bedeutung von Nutzerprofilen und die unterschiedlichen Targeting-Möglichkeiten im Online Marketing aus. Soweit ich weiß – und hier kann ich mich durchaus irren – lassen sich auf Facebook-Fanpages (und eigenen Seiten bzw. Anwendungen innerhalb von Facebook) externe Scripte, Tracking- und Ad Server Systeme laden, mit denen man die einzelnen Fans markieren kann. Leider fehlen mir da Erfahrungen und Zeit, doch könnte man nicht zu jedem einzelnen Fan möglichst viele, targetingrelevante Informationen speichern und diese für eine Ansprache außerhalb von Facebook verwenden? Ich denke z.B. an die Intensität, mit der sich ein Nutzer mit der Marke auseinandersetzt, Reaktionen auf bestimmte Aktionen/Posts, der (hoffentlich) datenschutzkonformen Verknüpfung mit weiteren (ggf. onsite) erfassten Profildaten des Nutzers, etc.

Man könnte, z.B. unter dem Namen FanTarget, ein Produkt schaffen, das dass (Re)targeting von Facebook-Fans im World Wide Web ermöglicht. Mit geeigneter Ad Server Technologie ließen sich einzelne Fans, je nachdem, was über sie bekannt ist, unterschiedlich ansprechen (unterschiedliche Werbemittel, unterschiedliche Werbebotschaften, unterschiedliche Einkaufspreise/TKP, etc.). Werbetreibenden böte Facebook somit den Vorteil, die eigene Profildatenbank außerhalb der eigenen Website zu erweitern und zu vertiefen, um Reichweite, Click- und Conversion-Rates erheblich zu verbessern!

Wenn die 150.000 Fans, die OTTO durch den Modelwettbewerb hinzu gewonnen hat, auch tatsächlich an OTTO interessiert ist, dann sollte OTTO auch versuchen diese Fans dazu zu animieren, im eigenen Shop einzukaufen. Da Werbung, die unbestreitbar ein erprobtes Mittel zu Erreichung dieses Zieles ist, auf Facebook selbst in der Regel nicht sonderlich gut ankommt, wäre es doch vielversprechend, die interessierten Fans außerhalb von Facebook – irgendwo im World Wide Web – mit zielgerichteter Werbung zu konfrontieren!?

Und sollte die Performance am Ende nicht stimmen – sollten Facebook-Fans womöglich sogar schlechter konvertieren als beliebige Internetnutzer – dann wäre es an der Zeit, für eine weitere Studie zum Wert eines Fans…

Was denkt Ihr? ReTargeter.com bietet etwas ähnliches; gibt’s den Ansatz andernorts – als eigenes Produkt, oder mit Standard Ad Servern umgesetzt? Oder ist die Idee womöglich gar nicht umsetzbar? Oder ist der Versuch, ein Modell aus dem Performance Marketing auf Social Media (Marketing) aufzusetzen, gar derart fatal, dass er lediglich meine mangelhafte Social Media Kompetenz unterstreicht?

Die Auswirkungen der Real-Time Bidding Revolution auf Advertiser, Agencies und Publisher

Andre Kolell — Fri, 26 Nov 2010 19:28:47 +0000

Das stumpfe Buchen von Platzierungen auf Websites und in Werbenetzwerken wird schon bald der Vergangenheit angehören; es wird vom Real-Time Bidding (RTB), einem Auktionsmodell, welches sich bereits im Search Engine Advertising (SEA) bewiesen hat, abgelöst werden. Jede einzelne Werbemitteleinblendung wird dabei von einem Publisher (bzw. dessen Sell Side Platform (SSP)) Advertisern angeboten, die über Ad Server, Ad Networks, Ad Exchanges und Demand Side Platforms (DSPs) innerhalb von Millisekunden Gebote für die Auslieferung ihrer Werbemittel abgeben können (ausführliche Hintergrundinformationen zum Real-Time Bidding von PubMatic). Der Advertiser, der das höchste Gebot abgibt, erhält den Zuschlag. Er darf sein Werbemittel ausliefern…

Ein wesentlicher Unterschied zwischen SEA und Real-Time Bidding im Display Advertising ist die Methodik der Ermittlung der optimalen Gebotshöhe. Während die optimale Gebotshöhe im SEA anhand der Performance einzelner Suchbegriffe (Keywords) ermittelt wird, geht es beim Real-Time Bidding ausschließlich um einzelne User. Erst Real-Time Bidding vollendet die Ansätze der aktuellen Targeting-Trends, darunter Behavioral Targeting und Retargeting, indem es nicht Usermengen betrachtet, sondern die Aussteuerungsmöglichkeiten auf einzelne User hinunter bricht. Denn warum soll ein Advertiser für große Zielgruppen und Segmente einheitliche Einkaufspreise, ob TKP, CPC oder auch CPO, zahlen, wo doch jeder User von unterschiedlichem Wert für ihn ist…!?

In den USA wächst Real-Time Bidding rasant und macht Schätzungen zufolge bereits 20-30% der klassischen Display Impressions aus. Erst langsam bringen die Stars der Zukunft – Unternehmen wie AppNexus und PubMatic – die Echzeit-Auktionen des Display Advertisings nach Europa… Über die Auswirkungen dieser Entwicklung auf Werbetreibende, Agenturen und Vermarkter, werde ich nun ein wenig spekulieren…

Auswirkungen von Real-Time Bidding auf Advertiser

Die Advertiser werden diejenigen sein, die die schwierigste Aufgabe zu bewältigen haben. Zunächst müssen sie (endlich) die Customer Journeys ihrer Besucher (gemeint sind damit nicht nur einige, sondern tatsächlich alle Touchpoints, einschließlich Ad Impressions…) erfassen und auswerten können. Sie müssen diese Daten, datenschutzkonform, mit ihren CRM-Daten zusammenführen und auf diese Weise letztendlich ermitteln, welchen Wert ein einzelner User für das Unternehmen hat und wie teuer der Einkauf der nächsten Impression exakt sein darf, damit der Advertiser seine Ziele bestmöglich erreicht.

Ich bin gespannt darauf, mit welchen Systemen die Advertiser diese unausweichliche Aufgabe meistern werden. Werden es die klassischen Ad Server oder Tracking Systeme sein, die ihren Funktionsumfang dramatisch erweitern müssten? Oder werden Ad Server und DSPs nahtlos an umfangreich “gepimpte” CRM-Systeme angeschlossen werden? Oder tut sich hier gerade eine ganz neue Nische für Start-Ups auf, die in ein oder zwei Jahren für Abermillionen von Google, von Apple – oder dann womöglich auch schon von AppNexus – übernommen werden?

Auswirkungen von Real-Time Bidding auf Agencies

Meiner Meinung nach werden die meisten Agenturen nicht vom RTB profitieren, da sie zu wenig auf das Thema spezialisiert sind und nicht über die technologischen Mittel verfügen um große Margen zu erwirtschaften. Stattdessen werden sie auch hier die Wertschöpfungskette ein Stückchen verlängern, indem sie ihre Kunden dabei unterstützen, RTB zu nutzen; und wie im vorherigen Abschnitt beschrieben wurde, ist schon diese Aufgabe anspruchsvoll genug…

Wahrscheinlich stehen die Chancen nicht schlecht dafür, dass RTB ganz neue Agenturen auf den Markt bringen wird, bei denen Real-Time Bidding im Mittelpunkt stehen wird. Möglich wäre beispielsweise die Spezialisierung auf Implementierung und die Aussteuerung (ähnlich Criteo im Retargeting).

Auswirkungen von Real-Time Bidding auf Publisher

Am einfachsten haben es die Publisher. Sie müssen lediglich die Vermarktung ihres Angebotes um RTB ergänzen und befinden sich dabei in der komfortablen Situation, dass sie von Unternehmen wie PubMatic unterstützt werden, die die Vermarktung der Angebotes des Publishers so aussteuern, dass nur dann via RTB verkauft wird, wenn eine andere (klassische) Vermarktung nicht profitabler ist.

Fazit

Real-Time Bidding führt zu einer radikalen Veränderung des Display Advertisings, da es eine Performance ermöglicht, die ohne weiteres mit der im SEA standhält. Die Advertiser, die als erstes in der Lage sind Ihre Werbemittel auf einzelne User auszusteuern, werden von einem erheblichen Wettbewerbsvorsprung profitieren können.

Spannend bleibt, welche SSPs, DSPs und Technologie-Anbieter im Allgemeinen sich weltweit und speziell auch in Deutschland durchsetzen; wird es einen Quasi-Monopolisten à la Google geben, dem es gelingt, das Gros der Reichweite zu aggregieren, oder wird es ein Oligopol werden, in dem jeder Publisher mit mehreren SSPs und jeder Advertiser bzw. jede Agency mit mehreren DSPs zusammenarbeiten wird…? Sicher bin ich nur darin, dass es wenige Große sein werden, die den Ton bestimmen werden.

Nun, wir werden sehen…

Artikel zur Ermittlung der optimalen Gebotshöhe im SEA in der webselling 05/10 veröffentlicht!

Andre Kolell — Sun, 05 Sep 2010 16:41:19 +0000

In der aktuellen Ausgabe der Zeitschrift webselling (September-Oktober 2010), welche in einer Auflage von rund 31.500 Exemplaren erschienen ist, beschreibe ich die Ermittlung der optimalen Gebotshöhe im bezahlten Suchmaschinenmarketing – dem Search Engine Advertising (SEA).

Zum Artikel (PDF).

Behavioral Targeting und warum der Datenschutz auf der Strecke bleiben muss…

Andre Kolell — Sun, 11 Apr 2010 12:55:26 +0000

Seit jeher versuchen Werbetreibende den Erfolg ihrer Werbung durch effektives Targeting zu steigern.¹ Zunächst erfolgte das Targeting anhand technischer Merkmale, wie der Herkunft des Nutzers, des verwendeten Browsers und Betriebssystems, der Bildschirmauflösung, der Bandbreite oder auch der Uhrzeit. Wenig später kamen dann sprachbasierte Merkmale hinzu, wie das semantische Targeting, bei dem Werbemittel passend zum Inhalt einer Website ausgeliefert wurden, und schließlich das Suchwort-Targeting, dessen bekanntestes Beispiel Google AdWords ist.

Mit Anbruch des neuen Jahrtausends wurde dann die Idee des Behavioral Targeting, also die Auslieferung von Werbung anhand eines vorher erfassten und analysierten Nutzerverhaltens, zusehends populärer.² Forrester Research mutmaßte rasch, dass Behavioral Targeting (zusammen mit seinen zahlreichen Variationen; zu den bekanntesten zählen sicherlich Predictive Behavioral Targeting und Retargeting) bereits im Jahr 2008 “the most important way of doing interactive marketing” sein würde.³

Warum dem Behavioral Targeting der Durchbruch bisher verwährt geblieben ist, brachte Williamson bereits 2004 auf den Punkt, als sie schrieb:⁴

“While behavioral targeting will certainly be part of a smart marketer’s online arsenal, issues of privacy, data sharing and implementation will keep it from becoming a dominant form of advertising in the way paid search has become.”

Drei Gründe gab es also im Jahr 2004, die den Durchbruch des überaus rentablen Behavioral Targetings verhinderten: Erstens der rechtliche Anspruch persönliche Daten zu schützen, zweitens der allgemeine Widerstand gegen die Weitergabe von (persönlichen) Daten und drittens die technische Implementierung des Ganzen. Das dritte Hindernis, die technische Implementierung, war rasch überwunden; blieb also noch der Schutz persönlicher Daten und deren Austausch, die insbesondere den sozialen Netzwerken wie Facebook und StudiVZ ein Dorn im Auge waren, suchten sie doch händeringend nach Möglichkeiten mit ihren rasand wachsenden Nutzerzahlen Geld zu verdienen.

Es dauerte eine ganze Weile, doch seit einigen Monaten und insbesondere in den letzten Wochen ging es Schlag auf Schlag: Mark Zuckerberg, Gründer und Vorstandsvorsitzender von Facebook, erklärte Anfang des Jahres weniger Datenschutz für zeitgemäßg – hinweg mit dem unwillkommenen Hindernis Nr. 1. Und Hindernis Nr. 2, der Austausch und die Weitergabe persönlicher Daten!? Es wäre doch gelacht, wenn Facebook nicht auch hier seine Geschäftsbedingungen – die “Open Site Policy” – derart gestalten könnte, dass persönliche Daten an “ausgewählte Partner-Seiten” ohne explizite Einwilligung weitergegeben werden dürfen…

Facebook ist damit auf dem besten Wege, die kühnen Prognosen von Forrester Research zum Potenzial von Behavioral Targeting mit einer kleinen Verspätung doch noch wahr werden zu lassen. Doch wenn Behavioral Targeting kommt, dann muss natürlich auch Google dabei sein: Auch hier ermöglicht man Werbetreibenden seit Ende März mit AdWords Search Funnel Reports und dem brandneuen Google Remarketing erneut eine Steigerung der Werbewirkung, indem der Nutzer Schritt für Schritt transparenter (und mit Werbung gezielter ansprechbar) wird.

Die Wettbewerbsvorteile die Werbetreibende durch den Einsatz von Behavioral Targeting und seinen Variationen erzielen, sind immens. Wer den Schutz persönlicher Daten am wenigsten würdigt, kann am meisten profitieren. Wer nicht mitzieht, gerät ins Hintertreffen; das können sich Facebook, Google & Co. nicht erlauben. Behavioral Targeting wird daher kommen, wenn auch in neuen Kleidern. Der Nutzer, dem seine persönlichen Daten noch am Herzen liegen, schützt diese, so lange noch die Möglichkeit dazu besteht und so gut es eben geht. Denn auch wenn effektiveres Targeting zu relevanterer Werbung führt, so muss er sich stets bewusst sein, dass er diese mit seinen persönlichen Daten bezahlt.

___

¹ Targeting bedeutet laut Bundesverband Digitale Wirtschaft (BVDW), Werbemittel anhand verschiedener Parameter automatisiert und zielgerichtet auszusteuern, um Streuverluste zu reduzieren.

² Behavioral Targeting bezeichnet laut Bundesverband Digitale Wirtschaft (BVDW) die Auslieferung digitaler Werbung basierend auf dem vergangenen (Surf)verhaltens eines Nutzers.

³ van Boskirk, Shar (2006): The Reality of Behavioral Ad Targeting. Unter Mitarbeit von Elana Anderson, Sally M. Cohen und Jennifer Joseph. Herausgegeben von Forrester Research.

⁴ Williamson, Debra Aho (2004): Behavioral Targeting: It’s What Comes Before Search. Herausgegeben von eMarketer.

Artikel zum Thema Suchmaschinenmarketing im VentureCapital Magazin veröffentlicht!

Andre Kolell — Sat, 20 Feb 2010 09:11:59 +0000

In der aktuellen Ausgabe des VentureCapital Magazins (Februar 2010), welches monatlich in einer Auflage von rund 6.500 Exemplaren erscheint, beschreibe ich die Grundlagen des Suchmaschinenmarketings und zeige die zahlreichen Vorteile für Startups auf.

Zum Artikel (PDF).

Umfrage zu Web Analytics für Blogs

Andre Kolell — Wed, 02 Sep 2009 07:34:11 +0000

Im Rahmen meines Studium an der University of Western Sydney führe ich bis zum 17. September eine Online-Umfrage zum Thema “Web Analytics für Blogs” durch. Konkret soll anhand der Umfrage festgestellt werden, ob und wie Blogger Web Analytics betreiben, sowie herauszuarbeiten, wodurch die Entscheidung Web Analytics im Zusammenhang mit Blogs zu verwenden beeinflusst wird.

Aufruf!

Hiermit rufe ich alle Blogger auf an der Online-Umfrage teilzunehmen und auf die Umfrage hinzuweisen.

Die Teilnahme dauert weniger als fünf Minuten und unter allen Teilnehmern wird eine Ausgabe von April Hodge Silver’s und Hasin Hayder’s WordPress 2.7 Complete (eBook) verlost!

» Zur Online-Umfrage!

Die Ergebnisse der auf der Umfrage aufbauenden Studie werden voraussichtlich im November auf der Website wopsta.org veröffentlicht, auf der es um Web Analytics für Blogs im Allgemeinen und die Entwicklung eines WordPress real-time Visitor Statistics Plug-in im Speziellen geht.