Lookalike-Publikum

Eine Lookalike Audience (auf manchen Plattformen auch als ähnliche Zielgruppe bezeichnet) ist eine Targeting-Methode, bei der eine Werbeplattform Personen identifiziert, die einer vom Werbetreibenden vorgegebenen Zielgruppe ähneln. Der Werbetreibende stellt eine Ausgangszielgruppe bereit, typischerweise eine Kundenliste oder eine Gruppe von Personen, die eine bestimmte Aktion durchgeführt haben. Das Modell der Plattform findet dann weitere Nutzer innerhalb ihrer Basis, die ähnliche Merkmale und Verhaltensmuster aufweisen.

Der Reiz liegt darin, dass es das größte Problem der Kundengewinnung angeht: die Suche nach potenziellen Kunden, die ein Unternehmen noch nicht kennen, es aber schätzen würden. Manuelles Targeting basiert darauf, dass Werbetreibende erraten, welche demografischen Merkmale, Interessen und Verhaltensweisen einen guten Kunden ausmachen – und diese Vermutungen sind häufig falsch. Ein mit realen Kundendaten trainiertes Modell kann hingegen prädiktive Signale identifizieren, auf die kein Marketer gekommen wäre, darunter Kombinationen, die intuitiv nicht einleuchten, sich aber empirisch bestätigen.

Die Qualität der Ausgangsbasis bestimmt den gesamten Output, und genau hier scheitern die meisten Implementierungen. Ein Modell, das mit allen bisherigen Käufern trainiert wurde, findet Personen, die dem Durchschnittskunden ähneln, einschließlich derjenigen mit geringem Wert und derjenigen, die schnell abwandern. Ein Modell, das mit den wertvollsten Kunden trainiert wurde – definiert durch Kundenwert, Wiederkäufe oder Gewinnspanne –, findet hingegen Personen, die diesen ähneln. Der Unterschied in der Performance nachgelagerter Prozesse zwischen diesen beiden Ausgangsbasen ist häufig größer als der Unterschied zwischen zwei beliebigen Targeting-Strategien.

Die Wahl der richtigen Größe für den Startwert (Seed) ist ein echter Kompromiss. Plattformen benötigen typischerweise ein Minimum, oft um die tausend übereinstimmende Personen, und Modelle verbessern sich im Allgemeinen mit mehr Daten bis zu einem gewissen Punkt. Ein größerer Startwert bedeutet jedoch meist eine weniger strenge Definition eines guten Kunden. Die Entscheidung liegt also zwischen einem präzisen Modell, das auf weniger Beispielen basiert, und einem breiteren Modell, das auf mehr Beispielen basiert. Das Testen mehrerer Startwerte, definiert durch unterschiedliche Schwellenwerte, ist aufschlussreicher als bloßes Überlegen, welcher am besten geeignet ist.

Der Ähnlichkeitsprozentsatz steuert das Verhältnis zwischen Reichweite und Präzision. Eine eng definierte Zielgruppe, die den obersten ein Prozent der Ähnlichkeit entspricht, ist kleiner und erzielt in der Regel eine höhere Performance pro Impression. Breitere Definitionen erreichen hingegen mehr Personen, allerdings mit einer geringeren durchschnittlichen Qualität. Die optimale Einstellung hängt davon ab, ob Effizienz oder Reichweite im Vordergrund steht. Der Unterschied wird messbar, wenn mehrere Zielgruppenebenen als separate Kampagnen geschaltet werden, anstatt sie zu kombinieren.

Aktualisierung ist wichtiger, als die meisten Werbetreibenden annehmen. Zielgruppen, die auf Kundenlisten basieren, veralten mit der Zeit, da sich der Kundenstamm verändert. Modelle, die auf den Kunden eines Unternehmens von vor zwei Jahren basieren, erreichen Personen, die einem Unternehmen ähneln, das sich inzwischen weiterentwickelt hat. Durch die regelmäßige Aktualisierung der Zielgruppen und die Überarbeitung der Modelle bei wesentlichen Änderungen der Positionierung oder des Produktmixes bleibt die Zielgruppenansprache auf das aktuelle Geschäft abgestimmt.

Datenschutzbestimmungen gelten unmittelbar, da das Hochladen einer Kundenliste auf eine Werbeplattform eine Verarbeitungstätigkeit darstellt, die eine Rechtsgrundlage, angemessene Offenlegung und die Berücksichtigung von Widersprüchen oder Widerrufen erfordert. Plattformen bieten Hashing an, um die Übertragung von Kennungen im Klartext zu vermeiden. Hashing entbindet jedoch nicht von der Pflicht, und Zielgruppen, die aus Daten erstellt werden, die für einen anderen Zweck erhoben wurden, stellen eine häufige Compliance-Lücke dar.

Da die Methode vollständig darauf beruht, zu wissen, welche Kunden tatsächlich wertvoll sind, versagt sie stillschweigend in Organisationen, die diese nicht unterscheiden können. In der Praxis stützt sich die Ausgangsdefinition auf die Kundenwertanalyse, die durch … durchgeführt wird. DatenanalyseDie Durchführung der Kampagne liegt bei Marketing-Dienstleistungenund die daraus resultierende Zielgruppenstrategie wird überprüft innerhalb Wachstumsmanagement Immer wenn sich das Geschäftsfeld ändert, in welchem ​​Segment es wachsen will.