In der Welt des digitalen Marketings hat sich Programmatic Advertising insbesondere durch die Möglichkeit, Werbeanzeigen in Echtzeit automatisch zu kaufen und zu platzieren, als eine der effektivsten Methoden zur Maximierung der Werbewirkung etabliert. Bis heute stehen Werbetreibende jedoch vor der Herausforderung, inmitten des digitalen Datenmeers relevante Informationen zu entdecken, zu analysieren und optimal zu nutzen, um ihre gewünschten Zielgruppen wirkungsvoll anzusprechen.
Durch den Einsatz von Künstlicher Intelligenz (KI) und maschinellem Lernen (ML), die im Zusammenspiel eine neue Ära der Personalisierung innerhalb der Werbewelt eingeläutet haben, wird die Effizienz von automatisierten Werbebuchungen stetig vorangetrieben.
Künstliche Intelligenz lernt nicht aus
Technologische Innovationen bilden seit jeher das Grundgerüst im Programmatic Advertising – insbesondere der Einsatz von KI, die in der Lage ist, automatisierte Anzeigenplatzierung effizienter und effektiver zu gestalten, eröffnet der Werbeindustrie neue Möglichkeiten. Künstliche Intelligenz überzeugt durch die Fähigkeit, große Datenmengen in Echtzeit zu analysieren, detaillierte Profile zu erstellen und das Verhalten der Zielgruppen besser zu verstehen. Diese Analyse ermöglicht es anschließend, Anzeigen präzise auf die Interessen und Vorlieben der User zuzuschneiden und die Relevanz der Werbung zu verbessern.
Die Integration von ML-Algorithmen verstärkt diese Fähigkeiten, indem sie es Supply-, Demand- und Data-Management-Plattformen ermöglichen, aus Datenzusammenhängen zu lernen und sich auf diese Weise kontinuierlich zu verbessern. Indem sie von den Nutzern zur Verfügung gestellte Daten analysieren, können diese Algorithmen beispielsweise Vorhersagen darüber treffen, welche Anzeigen zu bestimmten Zeitpunkten bei spezifischen Usern die besten Ergebnisse erzielen.
Ein weiteres wichtiges Einsatzgebiet des Technologie-Gespanns ist die kontinuierliche Optimierung von Werbekampagnen: Durch die Analyse von Echtzeitdaten können die Algorithmen automatisch diverse Anpassungen vornehmen, um die Leistung der Werbeanzeigen zu verbessern. Dies kann sowohl die Optimierung von Gebotsstrategien, die Auswahl der besten Werbeinventare als auch die Anpassung von Anzeigenformaten umfassen, um eine maximale Wirkung der Werbebotschaft zu erzielen.
KI und maschinelles Lernen stehen erst am Anfang
Max Deyerl, Senior Product Manager bei Virtual Minds, gibt im Interview weitere Einblicke in die Einsatzgebiete von KI und erklärt, wie maschinelles Lernen bei Virtual Minds genutzt wird.
Max, wie werden KI-gestützte Prognosemodelle verwendet, um den Erfolg von Werbekampagnen zu verbessern?
„KI-gestützte Prognosemodelle können beispielsweise historische Daten, demografische Informationen, Verhaltensmuster und andere relevante Faktoren analysieren, um Vorhersagen über den Erfolg einer Werbekampagne zu treffen. Durch maschinelles Lernen kann die Künstliche Intelligenz zudem dabei helfen, Zielgruppen genauer zu identifizieren und die Wahrscheinlichkeit erhöhen, dass Nutzer auf die Anzeigen reagieren. Diese Modelle können auch dabei helfen, das Budget oder vorhandenes Inventar effizienter zu nutzen, indem sie prognostizieren, welche Kanäle, Platzierungen und Formate den größten ROI bieten werden.“
Welche Rolle spielt KI bei der Erkennung und Verhinderung von Ad Fraud?
„Künstliche Intelligenz und maschinelles Lernen spielen eine entscheidende Rolle bei der Bekämpfung von Ad Fraud sowie der Gewährleistung der Integrität bei der Werbeauslieferung. Indem sie verdächtige Aktivitäten in Echtzeit überwachen und Anomalien erkennen, die auf betrügerische Aktivitäten hinweisen können, tragen sie einen entscheidenden Teil dazu bei, Ad Fraud zu filtern und zu blockieren. Durch die Analyse großer Datenmengen kann sie zudem Muster identifizieren, die auf Betrug hinweisen, wie zum Beispiel ungewöhnliche Klickmuster, untypisches Nutzerverhalten oder verdächtige IP-Adressen.“
Welche Metriken sind für KI im Bereich Programmatic Advertising am wichtigsten und warum?
„Im Wesentlichen handelt es sich um die gleichen Metriken, die generell eine Rolle im (Programmatic) Advertising spielen, wobei Künstliche Intelligenzen Anzeigen automatisiert und zu Gunsten der besten Outcomes optimieren können: Auf Seiten des Adservers in Bezug auf eine optimierte Auslieferung sind vor allem die Click-Through Rate (CTR), die Viewability sowie das Engagement besonders wichtig. Die CTR gibt dabei an, wie viele Nutzer im Verhältnis zu den Gesamtimpressionen auf eine Anzeige geklickt haben. Diese Rate lässt sich zudem auch auf jedes weitere Event – z. B. Completed Views für Video-Ads -anwenden. Viewability bezieht sich darauf, wie lange eine Anzeige im Sichtfeld eines Nutzers war, wobei hohe Viewability-Raten wichtig sind, um sicherzustellen, dass Anzeigen tatsächlich von Nutzern wahrgenommen werden. Engagement-Metriken, wie die Verweildauer auf der Zielseite zeigen, wie stark Nutzer mit der Anzeige interagieren und wie effektiv sie ist, um die gewünschte Aufmerksamkeit zu erzielen.“
Wie werden KI und maschinelles Lernen derzeit und in Zukunft innerhalb des Virtual Minds Full Stacks eingesetzt?
„Aktuell arbeiten wir daran, maschinelles Lernen einzusetzen, um künftig das Bietverhalten für I/O-Performance-Kampagnen innerhalb unseres Adserver-Produktes ‘Integrated Yield Platform’ (IYP) zu optimieren. Dabei werden wir zunächst verschiedene historische Auslieferungsdaten von Platzierungen und Kampagnen in das Model einfließen lassen, um die Wahrscheinlichkeit für einen Klick oder andere auslieferungsrelevante Events vorherzusagen und dementsprechend den Gebotspreis anpassen zu können. Da eine höhere Klick-Wahrscheinlichkeit zu einem höheren Gebotspreis führt, erhöht sich gleichzeitig die Chance, dass sich das entsprechende Gebot durchsetzt, wobei sich der Gebotspreis nicht nur von Kampagne zu Kampagne, sondern z.B. auch von Platzierung zu Platzierung unterscheiden kann. Dieses Vorgehen sorgt künftig für eine zielgerichtetere Ausspielung und führt dazu, dass das freigesetzte Inventar anderweitig monetarisiert werden kann. Zusätzlich planen wir, dieses Modell mit weiteren relevanten Attributen zu erweitern sowie die Integration in andere Bereiche der Virtual Minds. Dabei denke ich vor allem an unsere DSP Active Agent, in der ein zielgerichtetes Gebotsverhalten ebenfalls von großer Bedeutung ist. Es bleibt spannend zu beobachten, wie sich diese Entwicklungen in Zukunft weiterentwickeln und die Werbelandschaft prägen werden.“
