Frequency Boosting wichtiger als Frequency Capping

Freitag, Oktober 2, 2009
By horax
Frequency Boosting wichtiger als Frequency Capping

Ein Beitrag von Stephan Noller, CEO nugg.ad.

Werbung soll wirken – eine Marke bekannt machen, ein neues Produkt hervorheben oder eine Kaufentscheidung herbeiführen. In jedem Fall müssen die Gehirne der Kunden irgendwie erreicht werden – manchmal auch die Herzen.

Die Anzahl der Kontakte eines Users mit dem Werbemittel spielt dabei eine wichtige Rolle. Vereinfacht gesagt ist es so: Eine zu geringe Kontaktdosis ist Verschwendung, weil Werbung so nicht wahrgenommen wird und entsprechend keine Wirkung entfacht. Eine zu hohe Kontaktdosis verschwendet ebenfalls, denn sie überschreitet ab einem bestimmten Punkt den Zenit der maximal erreichbaren Wirkung. Im schlimmsten Fall ist der Kunde nach zu vielen Einblendungen genervt. Die optimale Kontaktdosis wird zwischen drei und acht Kontakten gesehen – je nach Kampagne und Wirkungsziel.

Doch wie so oft im Online-Marketing sind die technischen Möglichkeiten zugleich Segen und Fluch. Ein Segen, weil es in keinem anderen Medium so genau möglich ist, die Kontaktdosis zu steuern. Ein Fluch, weil man mit der gleichen Genauigkeit sehen kann, wie die Kontakte sich tatsächlich verteilen. Und da zeigt sich häufig ein ziemliches Desaster.

Meistens zeigt sich eine typische Badewannenkurve, denn viele User erhalten zu wenige Kontakte, als dass damit eine Wirkung entfaltet werden könnte. Eine andere Gruppe hingegen erhält – und das teils deutlich – zu viele Einblendungen, die damit gut sichtbar herausgeworfenes Geld darstellen. Zu geringe Kontaktdosen sind dabei das gravierendere Problem, da hier die Wirkung völlig ausbleibt: Ein unerwünschter Gießkanneneffekt, bei dem Kontakte verdunsten, ohne zu wirken.

Dieses Problem wird übrigens auch auf dem US-Markt als gravierend betrachtet. In einem lesenswerten Artikel von Tom Hespos wird die Entwicklung von „Reach, frequency und GRP forecasting tools“ als eine der Hauptanforderungen an die Online-Branche gesehen, um insbesondere dem Display-Geschäft wieder auf die Beine zu helfen.

Frequency Capping
Für eines der beiden Kontaktklassenprobleme wurde eine ziemlich smarte Lösung entwickelt, die sich großer Beliebtheit erfreut und ohne die heute kein Ad-Server mehr anzutreten braucht: das ‘Frequency Capping’.

Hier wird einfach in einem speziellen Kampagnen-Cookie aufgezeichnet, wie oft ein bestimmtes Werbemittel bereits gesehen wurde. Ist eine eingestellte Maximalzahl erreicht, werden weitere Einblendungen unterbunden.

Frequency Boosting löst das wichtigere Problem
Aber was ist nun mit dem anderen Problem? Was ist mit den vielen Usern, bei denen die Werbebotschaft ganz und gar verpufft, weil insgesamt zu wenige Einblendungen erzielt werden? Auch dieses Problem ist mit den Mitteln des Online-Marketings lösbar. Da man User nicht zwingen kann, Kampagnen mehrfach zu sehen, ist die Lösung allerdings nicht ganz so einfach.

Frequency Boosting erfordert darum eine neue Technik, die den Möglichkeiten des Predictive Targeting entlehnt wurde. Man muss ein statistisches Modell bemühen und so für jeden User errechnen, ob er mit ausreichenden Werbemittel-Kontakten in Berührung kommen kann. Die Vorhersage besagt also im Prinzip nur, ob der User im zu buchenden Umfeld innerhalb des Kampagnenzeitraums ausreichend häufig „vorbeikommen“ wird. Wenn dem so ist, kann man ihn auch mit der angezielten Kontaktdosis versorgen. Eine solche Hochrechnung muss zudem in Echtzeit erfolgen, denn der Ad-Server darf ja gar nicht erst anfangen, User mit dem Werbemittel zu konfrontieren, bei denen die erforderliche Dosis nicht erreicht werden kann.

Diese Methode unterscheidet sich übrigens grundsätzlich von Re-Targeting Ansätzen, die auch verwendet werden, um das Problem zu lösen (vgl. z.B. das Interview mit Mario Gebers von adbalance in adzine). Beim Re-Targeting ist das Kind bereits in den Brunnen gefallen und man versucht es wieder hochzuziehen, was häufig ein mühsamer, schwer kontrollierbarer und zeitraubender Prozess ist. Frequency Boosting zieht gleich einen Zaun um den Brunnen.

Das Hochrechnungsverfahren hinter Frequency Boosting ist eine Spezialform des Predictive Targeting und führt zu signifikanten Verbesserungen in den erzielten mittleren Kontaktdosen für eine Kampagne.

Mit dem Frequency Boosting wird also das wichtigere Problem in der Kontaktklassenoptimierung gelöst und der unerwünschte Gießkanneneffekt, bei dem zu viele User zu wenige Kontakte bekommen, bleibt aus.

Share

Die 5 größten Predictive Targeting-Irrtümer – Nr.5: PBT hat keinen Streuverlust

Montag, September 21, 2009
By Christian Elsner
Die 5 größten Predictive Targeting-Irrtümer – Nr.5: PBT hat keinen Streuverlust

Es gibt tatsächlich Leute, die den Eindruck vermitteln, mit Targeting grundsätzlich zu 100% die richtige Zielgruppe erreichen zu können, und damit in sträflicher Weise falsche Erwartungen wecken. Tatsächlich gibt es beim Predictive Targeting immer Streuverluste. Es lohnt sich aber eine differenzierte Betrachtung. (more)

Share

Die 5 größten Predictive Targeting-Irrtümer – Nr.4: Geringerer Streuverlust bedeutet immer auch eine höhere Klickrate

Donnerstag, September 17, 2009
By Christian Elsner

Hinter diesem Irrtum steckt die Annahme, dass Zielgruppenanteil und Klickrate immer korrelieren. In den meisten Fällen tun sie das auch – aber nicht immer! Dann wird deutlich, dass es sich um zwei unterschiedliche Zielgrößen handelt und dass man sich entscheiden muss, auf welche hin man eine Kampagne optimieren will. (more)

Share

Die 5 größten Predictive Targeting-Irrtümer – Nr.3: PBT verkauft sich von allein

Donnerstag, September 10, 2009
By Christian Elsner

Hinter diesem Irrtum verbirgt sich die Vorstellung, man bräuchte nur ein Targeting-Tool zu installieren, einschalten und würde dann automatisch Targeting-Kampagnen verkaufen. Dem ist nicht so. (more)

Share

Hartmut Scheffler im Interview: Ich erwarte eine intelligente Verknüpfung der etablierten Verfahren mit den neuen, WEB-basierten Verfahren!

Dienstag, September 8, 2009
By Stephan Noller
Hartmut Scheffler im Interview: Ich erwarte eine intelligente Verknüpfung der etablierten Verfahren mit den neuen, WEB-basierten Verfahren!

Hartmut Scheffler ist Geschäftsführer von TNS Infratest – einem der grössten Marktforschungskonzerne der Welt. Er hat nicht nur die Marktforschungslandschaft in Deutschland und hier insbesondere die Medienforschung massgeblich geprägt – er gilt auch als einer der Vordenker der Branche der sich immer schon mit der Frage beschäftigt hat, wie die Marktforschung sich weiterentwickeln kann und muss. Aus seinem Wirkungsbereich sind zahlreiche wichtige Initiativen für den deutschen Online-Markt vorangebracht worden – neben der Aufbauphase für die AGOF internet facts haben Leute aus seinem Team sowohl beim Aufbau von TGP als auch bei nugg.ad die Finger im Spiel gehabt…

Herr Scheffler – eine der Wiegen des Targetings liegt ja in Bielefeld – zwei Ihrer Ex-Mitarbeiter haben von dort aus die Firma nugg.ad gegründet. Was hat denn Targeting eigentlich mit Marktforschung zu tun?

Zunächst eine wichtige Definition und Abgrenzung: Marktforschung, die im neuen BDSG eine Erlaubnisnorm erhalten hat, arbeitet immer anonym und grenzt sich zu forschungsfremden Tätigkeiten wie Verkauf ab. Ich möchte also ganz eindeutig nur für die Varianten des Targetings Position beziehen, die aus Datenwahrscheinlichkeiten berechnen, dies aber unter dem strikten Anspruch der Anonymität. Eine Kernaufgabe des Marketings und der das Marketing unterstützenden Marktforschung ist es, den richtigen Zielgruppen das richtige/optimierte Produkt an den richtigen Orten und mit Hilfe der richtigen (Dosierung und Inhalt) Werbung und Kommunikation nahe zu bringen und zu verkaufen. Gerade letzteres wird durch Targeting optimiert. Es entsteht in der Regel eine Win-Win-Situation: Der Absender/Markenartikler reduziert mit Streuverlusten auch Kosten, der Adressat erhält insgesamt eher und genauer die Informationen, an denen Interesse besteht und eher selten diejenigen, bei denen dies nicht der Fall ist. Targeting ist damit Bestandteil einer die Markenführung und die Kommunikation unterstützenden Marktforschung.

Die Marktforschung mit Ihren Stichproben, Statistikern und Tabellenbänden scheint ja mit den ganzen aktuellen partizipativen Modellen des Internet kaum noch Schritt halten zu können. Glauben Sie, dass wir dem Ende der Marktforschung entgegensehen und Unternehmen Ihre Erkenntnisse in Zukunft nur noch im direkten Dialog mit Ihren Kunden im Web beziehen werden?

Das sehe ich überhaupt nicht! Die verschiedenen Möglichkeiten werden sich ergänzen, sie haben jeweils unterschiedliche Stärken und Schwächen. So sind z. B. diejenigen, die im WEB im Dialog mit dem Hersteller treten (sei es durch Maßnahmen des Herstellers getrieben, sei es durch Eigeninitiative) immer nur die aktive Spitze der gesamten Kundschaft. Es ist bei Weitem nicht gesagt, dass die dort geäußerten Meinungen, Produktwünsche etc., dass die dort entwickelten Produktideen oder Kreationen wirklich das Meinungsbild oder gar das Meinungsspektrum der Kunden bzw. der insgesamt angestrebten Zielgruppen umfassen. Die klassische Umfrageforschung hat immer Validität der Messung, Reliabilität und Objektivität einerseits und das Ziel der Verallgemeinerbarkeit/Repräsentativität andererseits in den Vordergrund gestellt. Diese Kriterien werden auch weiterhin nur durch die klassische Marktforschung bedient werden. Die neuen Verfahren liefern hochinteressante, ergänzende und vertiefende, manchmal klassische Marktforschungsprozesse sogar initiierende Informationen. Sie werden an Bedeutung zunehmen und aus dem Portfolio sinnvoller Verfahren nicht mehr wegzudenken sein. Sie allein zu nutzen wird allerdings enorme Risiken mit sich bringen. Ich erwarte eine intelligente Verknüpfung der etablierten Verfahren mit den neuen, WEB-basierten Verfahren.

Predictive Targeting ist ja der Versuch statistisch herauszufinden, wofür ein Online-User sich interessieren könnte – u.a. mit Mitteln der Marktforschung, aber auch mit Algorithmen des Machine Learnings. Dreht sich einem gestandenen Sozialforscher bei dieser Vorstellung nicht der Magen um?

Da dreht sich einem Sozialforscher oder Marktforscher oder Mediaforscher keinesfalls der Magen um. Ähnliche Versuche kennzeichnen ja von Anfang an auch die klassische Marktforschung. Auch dort ist immer versucht worden, Informationen im Zusammenhang zu analysieren und aus kombinierten Ergebnissen, Scores etc. Wahrscheinlichkeiten für ein bestimmtes Verhalten abzuleiten. Die aktuellen Verfahren sind lediglich die logische Fortsetzung dieser Ansätze mit den zum Teil neuen Möglichkeiten aufgrund der Weiterentwicklungen im Hard- und Softwarebereich. Der Magen würde sich nur dann umdrehen, wenn die Meinung an Bedeutung gewinnen würde, dass entsprechende Algorithmen die Basisinformationen, das notwendige Basiswissen überflüssig machen. Ähnlich kritisch wäre die Meinung, dass es sich bei den Ergebnissen um “wahre” Werte und nicht um Wahrscheinlichkeiten und Annäherungen handelt.

TNS Infratest war ja massgeblich am Aufbau der Reichweitenstudie: internet facts der AGOF beteiligt und TNS betreibt weltweit viele Systeme zur Messung von Einschaltquoten und Reichweiten. Sehen Sie diese Audience Measurement Werkzeuge, durch Technologien wie Targeting, bedroht?

Auch da sehe ich keine Bedrohung, sondern eine Ergänzung! Das Targeting setzt auf Verhaltensweisen auf, die animiert und motiviert werden müssen, für die es immer eine Vorgeschichte gibt. Diese Vorgeschichte ist zu einem guten Teil geprägt aus medialem Verhalten und Aktivitäten der verschiedenen Medien. Massenkommunikation wird nicht überflüssig werden. Massenkommunikation und 1 : 1-Kommunikation ergänzen sich von Tag zu Tag mehr. Die Relevanz der einzelnen Medien ist selbstverständlich je nach Produktkategorie, Zielgruppe etc. unterschiedlich. Die Bedeutung der verschiedenen Kommunikationskanäle und damit der Mediengattungen wird – wenn auch in den Größenordnungen verschoben – erhalten bleiben und die klassischen Reichweitenmessungen weiterhin notwendig z. B. für die Festlegung von Preisen machen. Erneut gilt nicht das “Entweder – Oder”, sondern das intelligente “Sowohl – Als auch”.

Auf der einen Seite gilt das Arbeiten mit Stichproben als eine der wichtigsten Errungenschaften der Marktforschung überhaupt – auf der anderen Seite ist es im Internet leicht möglich unterschiedlichste Verhaltensdaten von allen Usern einer Website oder eines E-Commerce Portals ohne grossen Aufwand zu erheben. Müsste man nicht seriöserweise den Betreibern solcher Portale sagen „ihr habt alle Daten die Ihr braucht“?

Diese Frage verstehe ich nun überhaupt nicht! Betreiber von Portalen haben genau die Daten, die Nutzer bei der Nutzung einer Website oder eines Portals hinterlassen. Die Betreiber einer Website oder eines Portals haben damit natürlich die Verhaltensdaten auf ihrer Plattform. Was sie nicht wissen, ist das gesamte Verhalten drum herum, das sich gegenseitig beeinflusst, das mediale Verhalten und Kaufverhalten bestimmt usw. Verhalten und damit auch kaufrelevantes Verhalten geht nach wie vor weit über Verhalten im Internet, geschweige denn über Verhalten und Nutzung einer bestimmten Website hinaus. Für mich ist eher das Gegenteil gültig: Je mehr verschiedene Verhaltensplattformen und Verhaltensmuster die Realität bereit hält, um so komplexer und komplizierter sind die notwendigen Messungen durch traditionelle und neue Marktforschung, um Gesamtbilder der Verhaltensweisen und vor allem zusätzlich der Verhaltens-Motivationen zu erlangen.

Verschiedentlich wurde Targeting schonmal als Marktforschung 2.0 bezeichnet. Denken Sie die Marktforschung müsste tatsächlich versuchen Ihre Instrumente mehr in reale Dialogprozesse mit Kunden zu integrieren, wie es auch Targeting-Systeme für sich in Anspruch nehmen?

Hier möchte ich auf eine frühere Antwort verweisen: Die Marktforschung ist bereits dabei, die neuen Dialogmöglichkeiten und Dialogprozesse auch in neue Marktforschungsverfahren zu überführen. Dies ist bereits mit einer Vielzahl von Verfahren im Bereich der Ideenfindung, der Co-Creation etc. gelungen. Gleichzeitig gilt es auch weiterhin, die repräsentativen, objektiven, neutralen Verfahren der traditionellen Marktforschung einzusetzen. Ich denke, dass die Marktforschung hier auf einem richtigen Weg ist und weder in falschem Verharren der Struktur der traditionellen Verfahren beharrt noch sich populistisch und opportunistisch jedem beliebigen Hype zu ergeben. Die traditionelle Marktforschung kann durchaus selbstbewusst diesen Prozess angehen und steuern: Sie kann Treiber und wird nicht getriebener sein. Ich sehe da im Augenblick, dass wir auf dem richtigen Weg sind.

Angeblich hätte Apple nie am Ipod gearbeitet, wenn sie auf die Marktforschung gehört hätten. Ist es überhaupt möglich mit Marktforschung Dinge hervorzubringen, die neu sind und die Leute faszinieren?

Dieses ist ein beliebter Vorwurf an die Marktforschung, den ich mittlerweile wirklich nicht mehr hören kann. Sie hat sicher ihre Grenzen in der Entdeckung solcher Produkte. Die neuen dialoggetriebenen Verfahren sind sicherlich an dieser Stelle kreativer und können dieses Manko ein wenig reduzieren. Aber auch damit wird es immer noch so sein, dass auch in Zukunft irgendein Genius ohne Marktforschung die richtige Idee hat (so wie Hunderte und Tausende ohne Marktforschung falsche Ideen haben, damit baden gehen … und niemand spricht darüber). Die Kernaufgabe der Marktforschung ist und bleibt sicherlich nicht, das noch Ungedachte und Unentdeckte systematisch “auszugraben”.

Trotz aller intelligenter Algorithmen leidet auch Targeting häufig darunter, dass es nur den Massengeschmack abbildet und Leuten Dinge empfiehlt die sie selbst schon mal aufgesucht haben. Wie könnte es, aus Ihrer Sicht, Targeting schaffen, nicht nur relevante, sondern auch spannende Empfehlungen für User zu generieren?

Sie sprechen mit dieser Frage ein deutliches Manko von Targeting an, auf das viele Kritiker von Anfang an hingewiesen haben, das aber in den aktuellen Diskussionen etwas unterschlagen wird. Ich glaube, dass Targeting hier keine Chance hat und dass dies auch die Erklärung für die Notwendigkeit von Massenmedien und Ähnlichem ist. Alles, was “on demand” geschieht setzt voraus, dass Menschen “on demand” entwickelt haben und dass sie jeweils wissen, was sie wollen und vor allem, was sie nicht wollen. Zu wissen, was man nicht will, verlangt aber zu kennen, was es gibt! Dies wird die natürliche Grenze – bitte entschuldigen Sie – von on demand, von Targeting sein und es wird die natürliche Existenzberechtigung für TV-Vollprogramme, für ungekürzte Tageszeitung etc. sein. Eine Möglichkeit wüsste ich: Aber die geht nur deanonymisiert und ist damit für mich ein no go.

Share

Methoden der AIDS-Forschung im Targeting

Samstag, September 5, 2009
By Stephan Noller
Methoden der AIDS-Forschung im Targeting

Viele Herausforderungen und Probleme im Predictive Targeting können nur mit modernsten Erkenntnissen zu Algorithmen und Prognosverfahren vernünftig gelöst werden. Es ist nämlich keineswegs trivial aus dem Nutzungsverhalten eines Users andere Präferenzen oder gar seine demographischen Eigenschaften mit ausreichender Qualität vorherzusagen.

Zugleich ist es aus der Sicht des Machine Learnings und der Statistik ein ausserordentlich spannender Task – man hat massenweise ziemlich valide gemessene Nutzungsdaten und kann diese mit weiteren Datenquellen (z.B. Befragungen, aber auch Kaufdaten, Clicks etc.) verknüpfen. Auch der Anspruch an die Ausgabe ist ziemlich sportlich weil im Online-Umfeld Vorhersagen eigentlich immer realtime getroffen werden müssen – denn ansonsten ist der User schon wieder weg.

Hinzu kommt noch ein anderes pragmatisches Problem insbs. wenn man mit Befragungsdaten arbeitet: Die Daten sind nur unter aktiver Mitwirkung der User zu bekommen und damit teuer. User sind schnell von zu vielen Befragungen genervt und Portalverantwortliche wollen Ihre Leser auch nicht verärgern.

Insofern muss auch aus diesem Grund an Möglichkeiten gearbeitet werden mit weniger Befragungsinformationen zum gleichen Ziel zu kommen. Dies wirkt sich natürlich auch auf die Geschwindigkeit aus mit der eine Targeting-Installation einsatzbereit sein kann…

Übrigens gilt das Problem auch für zahlreiche andere 3rd-party Datenquellen die man im Targeting einbeziehen kann – zusätzliche Daten stehen fast nie für die gesamte Audience zur Verfügung und müssen demnach hochgerechnet werden. Auch hier würde man demnach von Verfahren profitieren die die verfügbaren Daten effizienter und intelligenter nutzen.

Ein häufiges Grundproblem dabei ist dass die Daten auch noch “schief” sind oder schlicht aus unterschiedlichen Verteilungen stammen. So wäre es z.B. durchaus denkbar die Fragebogenantworten eines Portals auf die Nutzer eines anderen Portals hochzurechnen. Aber nur wenn die Populationen der beiden Portale nahezu identisch sind was die verwendeten Merkmale anbelangt. Andernfalls drohen die Hochrechnungen unter erheblichen Fehlern zu leiden – denn jede noch so kleine Schiefe in den Ausgangsdaten wird durch die Hochrechnung nicht selten ins tausendfache gesteigert… (das Problem haben wir hier auch schonmal im Zusammenhang mit dem Agentur-Targeting diskutiert)

Unsere Kollegen vom Max Planck Institut für Informatik (jetzt Uni Potsdam) haben eine sehr spannende Vorgehensweise gewählt um das Problem zu lösen, die zu beeindruckenden Ergebnissen geführt hat.

Spannend ist vor allem die Herkunft der Lösung. In der Diskussion des Problems hatten die Kollegen nämlich festgestellt, dass bestimmte Fragestellungen in der Aids-Therapieforschung den oben beschriebenen Fragestellungen ähneln. Denn bei den Medikamentencoktails mit denen in der HIV-Therapie gearbeitet wird handelt es sich ja üblicherweise um komplexe Kombinationen mehrerer Wirkstoffe. Und es erhält auch nicht jeder Patient die gleiche Kombination sondern die wirksame Kombination muss häufig mühevoll und zeitraubend empirisch ermittelt werden. Auch hier kämpft man mit einem ähnlichen Problem wie oben – es ist aufwändig und “teuer” ausreichend Testfälle zu bekommen. Natürlich ist das in der HIV-Therapie ein deutlich brisanteres Problem als im Online-Marketing – der Vergleich bewegt sich schon an der Grenze des Zumutbaren. Dennoch ist aus methodischer Perspektive ein ähnliches Problem zu lösen.

In einem Konferenzbeitrag auf der ICML 08 hat Dr. Steffen Bickel zunächst erläutert wie die machine learning Lösung für den Bereich der HIV-Therapie aussieht und welche Erfolge dort erzielt werden konnten:

Multi-Task Learning for HIV Therapy Screening

Als die Übertragbarkeit dieser erfolgreichen Lösung des Problems auf unser Online-Marketing-Problem immer klarer wurde, begannen wir mit ersten Implementierungen und Versuchen das fürs Predictive Targeting zu nutzen.

Die Ergebnisse können in einem späteren Beitrag für die NIPS 08 bewundert werden.

Was man an den Graphiken erkennen kann ist, dass alle Verfahren mit zunehmender Fallzahl an Präzision gewinnen. Die schwarz gepunktete Linie verdeutlich dabei den “Normalfall”, dass für ein Portal Targeting-Profile mit den Befragungsdaten dieses Portals gelernt werden. Die rot gepunktete Linie beschreibt ein generisches Modell das aus einem Portalverbund gewonnen wurde und ohne spezielle Verteilungsanpassungen auf das Zielportal angewendet wurde. Die blaue und die eng-gepunktete Linie zeigen schliesslich das Modell welches die oben geschilderten Erkenntnisse anwendet und die Verteilungsunterschiede zu gewichten versucht.
Wie man sieht produzieren die dergestalt angepassten Modelle grundsätzlich eine höhere Präzision als die einfacheren Modelle. Dies ist insbesondere in Ramp-Up-Phasen aber auch generell unter geringen Fallzahlen gegeben.

Damit wurde tatsächlich der Beweis erbracht, dass Transfer-Lernen helfen kann das Fallzahl-Problem im Predictive Targeting deutlich zu mildern und sogar höhere Genauigkeiten bei kleineren Fallzahlen zu generieren.

Man braucht gar keine Vermarkter-Verbünde vor Augen zu haben um zu ermessen, welche Bedeutung eine solche Lösung fürs Targeting hat – denn jedes stinknormale Vermarkter-Portfolio hat bereits eine Charakteristik die nach solchen Lösungen verlangt.

Share