Die Suche nach Alternativen zur Zielgruppenansprache ohne den Einsatz von Cookies ist in vollem Gange. Mittlerweile gibt es einige Technologien, die ganz ohne Cookies auskommen, sei es 1st-Party- oder 3rd-Party-Cookies. Eine dieser Technologien ist das Edge Targeting, über das ich bereits einen Beitrag geteilt habe. Allerdings setzt auch diese Technologie einen User-Consent voraus, da persönliche Daten der User weitergegeben werden.
Beim kontextuellen Targeting sieht das Ganze anders aus, denn hier bedarf es keiner Cookies. Es handelt sich dabei um keinen wirklich neuen Ansatz, denn schon die bekannte Monetarisierungslösung Google AdSense setzt das kontextuelle Targeting seit langer Zeit erfolgreich ein. Auch wenn heute interessensbezogene Anzeigen in den meisten Fällen einen größeren Stellenwert einnehmen, wird kontextuelles Targeting immer noch von Google eingesetzt. Da ist es nicht verwunderlich, dass diese Targeting-Technologie aus der „Mottenkiste“ gekramt wird.
Doch welche Möglichkeiten des kontextuellen Targetings bieten sich nun für Publisher? Bei “klassischem” kontextuellem Targeting werden die Inhalte einer URL analysiert, wichtige Inhalte extrahiert und dann gewichtet. Im Idealfall wird dabei mit der IAB Audience Taxonomie gearbeitet, die 1600 Kategorien vorsieht. Wurde der Inhalt der URL nun einer Kategorie zugeordnet, kann im nächsten Schritt relevante Werbung, die thematisch zum Inhalt der Seite passt, ausgespielt werden.
Soweit, so gut. Aber welche Möglichkeiten gibt es noch, um die kontextuellen Inhalte für die Vermarktung einzusetzen? Einige Data Management Platforms setzen auf sogenanntes Panel-Based-Contextual-Expansion. Die Idee dahinter ist etwas kompliziert, aber macht durchaus Sinn und kann eine wertvolle Ergänzung im Targeting-Mix darstellen.
Hat man als Publisher eine DMP auf seinen Seiten integriert, die über einen JS-Tag auf der Webseite User in Segmente einteilt, wird im nächsten Schritt analysiert, welche Seiteninhalte – also URLs – von den Usern dieser Segmente besucht werden. Es wird also beispielsweise betrachtet, welche einzelnen URLs von dem Segment “Männer 65+” am häufigsten aufgerufen werden. Dabei sind vor allem die URLs interessant, die überrepräsentiert sind. Wir wissen nun also, dass unser Segment “Männer 65+” sehr viele Seiten mit den Themeninhalten “Golfsport” aufgerufen hat.
Werden eben diese URLs nun von weiteren Usern aufgerufen, bei denen wir über keine Cookie-Historie verfügen, können wir anhand des Contents davon ausgehen, dass die User mit höherer Wahrscheinlichkeit dem Segment “Männer 65+” angehören. Im Idealfall setzen wir dann natürlich einen Cookie, und der User wird dem Segment zugeordnet. Wenn wir keinen Cookie setzen können, können wir aber auf den jeweiligen URLs relevante Werbung ausspielen, die besagte Zielgruppe adressiert.