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.

Der Streuverlust ist immer ein Trade-off zwischen Präzision und Reichweite. Je größer die Präzision desto kleiner die Reichweite und umgekehrt. Das Diagramm zeigt diesen Zusammenhang beispielhaft für die Zielgruppe Frauen auf einer Website, auf der 20% der User Frauen sind:

Um 90% Präzision (d.h. 10% Streuverlust) zu erreichen, muss man sich in diesem Beispiel auf die TOP 10% Reichweite innerhalb der Zielgruppe beschränken. Es ist dann im Einzelfall zu prüfen, ob diese Reichweite für die Auslieferung einer entsprechenden Kampagne ausreicht. Es kann sich durchaus lohnen einen größeren Streuverlust von bspw. 20% in Kauf zu nehmen. Im Beispiel würde man dadurch die Reichweite auf 50% der Frauen auf der Website steigern.

Streuverlust ist auch nicht immer gleich Streuverlust. Ein Beispiel: Wer kann schon genau sagen, dass seine Zielgruppe exakt 20-29 Jahre alt ist und ein Anfang-30-Jähriger sich nicht mehr für das Produkt interessiert? Da PBT um das Ziel streut, entfällt der größte Teil des Streuverlustes auf die benachbarten Zielgruppen (14- bis 19-Jährige und 30- bis 39-Jährige) und das kann durchaus im Sinne des Kampagnenziels sein. Außerdem können daraus nützliche Erkenntnisse gezogen werden, wenn sich z.B. herausstellt, dass die Kampagne unter den 30- bis 39-Jährigen besser performt.

Einmal mehr zeigt sich hier, dass der Streuverlust nur eine von 4 möglichen Zielgrößen einer Kampagne ist (vgl. Irrtum Nr.4) und ein Minimum an Streuverlust nicht notwendig das Optimum in Bezug auf die anderen Zielgrößen bedeutet. Es ist vielmehr wichtig, den „richtigen“ Streuverlust zu wählen, um das jeweilige Kampagnenziel bestmöglich zu erreichen.

Einen schönen Blog-Post zu diesem Thema hat übrigens mein Kollege Bernd Henning letztes Jahr im OMD-Blog geschrieben.

Related posts:

1. Die 5 größten Predictive Targeting-Irrtümer – Nr.4: Geringerer Streuverlust bedeutet immer auch eine höhere Klickrate
2. Die 5 größten Predictive Targeting-Irrtümer – Nr.1: Hochwertiger Content und PBT vertragen sich nicht
3. Die größten Predictive Targeting-Irrtümer – Nr.7: PBT ist nichts weiter als ein Performance Uplift-Tool

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.

1. Beispiel: Falsche Zielgröße
Auslieferung einer Kampagne für teure Luxusgüter an Entscheider. Dann trifft ein Produkt, auf das grundsätzlich viele neugierig sind (hohe Klickrate bei Zufallsauslieferung), auf eine Zielgruppe, die notorisch wenig klickt (sei es aus Zeitmangel oder weshalb auch immer). Es ist ziemlich offensichtlich, dass die Klickrate umso stärker abnimmt, je besser die Zielgruppe getroffen wird. Das bedeutet ja nicht, dass die Kampagne nicht funktioniert. Es ist sogar höchst wahrscheinlich, dass der Branding Effect und/oder die Conversion Rate (die beiden anderen der vier möglichen Zielgrößen einer Kampagne) deutlich ansteigen. Die Klickrate ist dann einfach die falsche Zielgröße.

2. Beispiel: Falsche Zielgruppe
Ein Beispiel aus der Praxis: Um einen Kleinwagen zu bewerben, wurde auf die Zielgruppe Autointerssierte gezielt – ohne jegliche Auswirkung auf die Klickrate. Nun kann man sich denken, dass wirklich Autointerssierte sich für teure oder schnelle Autos interessieren aber nicht für Kleinwagen. Von daher passte die Zielgruppe nicht zum Produkt. Mit dieser Erkenntnis wurde im Folgenden auf junge Frauen mit überdurchschnittlichem Einkommen gezielt – mit durchschlagendem Erfolg: Die Klickrate stieg um mehr als 60%.

3. Beispiel: Falsches Werbemittel
Angenommen die Zielgruppe für das beworbene Produktist ist richtig definiert und diese Zielgruppe wird dank PBT auch mit minimalem Streuverlust getroffen. Was ist dann, wenn das Werbemittel diese Zielgruppe einfach nicht anspricht? Auch in diesem Fall erzielt man keine nennenswerte Klickratensteigerung, obwohl ansonsten alles richtig gemacht wurde.

Bei den Beispielen 2 und 3 ist Targeting dann nicht die Ursache für unbefriedigende Klickraten, sondern ganz im Gegenteil hilft Targeting hier Schwächen an anderer Stellen aufzudecken. Glücklicherweise lassen sich Kampagnen für alle vier möglichen Zielgrößen (Zielgruppenanteil, Klickrate, Conversion Rate und Branding Effect) mit PBT messen und gezielt optimieren.

Related posts:

1. Die 5 größten Predictive Targeting-Irrtümer – Nr.5: PBT hat keinen Streuverlust
2. Die größten Predictive Targeting-Irrtümer – Nr.7: PBT ist nichts weiter als ein Performance Uplift-Tool
3. Die 5 größten Predictive Targeting-Irrtümer – Nr.2: PBT = Low TKP