Targeting

Hintergrund und Einordnung

Die Idee, Werbung nur an eine definierte Zielgruppe zu richten, ist älter als das Internet. In der klassischen Mediaplanung wurde sie über die Wahl von Werbeträgern umgesetzt. Ein Sportsponsor etwa bucht Flächen im Stadion, weil dort ein bestimmtes Publikum zu erwarten ist. Im digitalen Umfeld lässt sich dieser Ansatz jedoch weit präziser umsetzen. Individuelle Nutzerdaten können in Echtzeit verarbeitet werden.^[1]

Targeting ist heute ein zentrales Element des Programmatic Advertising. Es gilt als Grundvoraussetzung für die effiziente Aussteuerung digitaler Kampagnen. Die Methode kommt in Display-Werbung, Suchmaschinenwerbung, Social-Media-Werbung und E-Mail-Marketing zum Einsatz – zunehmend auch in digitalem Außen- und Fernsehwerbung.

Targeting-Methoden im Überblick

In der Praxis werden verschiedene Verfahren unterschieden. Sie unterscheiden sich nach der Art der verwendeten Daten und dem Präzisionsgrad der Ansprache. Einzelne Methoden lassen sich dabei kombinieren.

Gängige Targeting-Verfahren im Vergleich

Die folgende Tabelle zeigt die verbreiteten Formen und ihre jeweiligen Merkmale:

Je nach Kampagnenziel und Datenbasis wählen Mediaplanende einzelne Verfahren oder bündeln sie zu einem sogenannten Targeting-Stack.

Technische Grundlagen des Targetings

Die technische Basis bilden Daten, die erhoben, gespeichert und verarbeitet werden. Traditionell spielten Cookies eine zentrale Rolle. Sie sind kleine Textdateien, die der Browser auf dem Gerät des Nutzers ablegt. Mit ihrer Hilfe lässt sich das Surf- und Kaufverhalten über mehrere Sitzungen hinweg nachverfolgen.^[2]

Zur Datenverwaltung wird häufig eine DMP (Data Management Platform) eingesetzt. Sie führt First-Party-, Second-Party- und Third-Party-Daten zusammen und bereitet sie für Werbesysteme auf. Im automatisierten Mediaeinkauf kommen Demand Side Platforms (DSPs) zum Einsatz. Diese wenden die Targeting-Parameter in Echtzeit auf zahlreiche Werbeauktionen an. Nutzereinwilligungen werden dabei über das Transparency and Consent Framework (TCF) eingeholt und technisch weitergeleitet.

Ein Verfahren zur geräteübergreifenden Identifikation ist das Cookie-Matching. Dabei gleichen Werbeplattformen ihre Nutzerkennungen ab, um dieselbe Person systemübergreifend anzusprechen.

Targeting und Datenschutz

Verfahren, die auf personenbezogenen Daten basieren, unterliegen in der EU der Datenschutz-Grundverordnung (DSGVO). Können Daten einer identifizierbaren Person zugeordnet werden, ist eine Rechtsgrundlage erforderlich. In der Praxis ist das meist die ausdrückliche Einwilligung der betroffenen Person.^[3]

Der schrittweise Rückzug von Drittanbieter-Cookies aus großen Browsern hat die Branche zur Entwicklung von Alternativen veranlasst. Kontextuelles Targeting erlebt deshalb eine Renaissance. Es spielt Werbung anhand des Seiteninhalts aus – ohne personenbezogene Daten zu nutzen. Auch das Multi-ID-Targeting versucht, Reichweite und Präzision in cookiearmen Umgebungen zu erhalten.

Abgrenzung zu verwandten Verfahren

Targeting wird häufig mit Personalisierung gleichgesetzt – beide Konzepte unterscheiden sich jedoch. Targeting beschreibt die Auswahl der Empfänger einer Botschaft. Personalisierung meint die inhaltliche Anpassung dieser Botschaft an den Einzelnen. Beispiele dafür sind dynamische Werbemittel oder individuelle Produktempfehlungen, wie sie die Onsite Personalisierung einsetzt.

Retargeting ist eine spezifische Unterform. Es richtet sich nur an Nutzer, die bereits mit einer Marke oder Website interagiert haben. Geografisches Targeting wiederum – digital als Geotargeting bekannt – verwendet ausschließlich den Standort als Kriterium. Verhaltens- oder Interessenmerkmale spielen dabei keine Rolle.

Targeting ist zentraler Bestandteil der Adtech-Infrastruktur. Es grenzt sich jedoch von der Auktionsmechanik ab: Real Time Bidding regelt, wie ein Werbeplatz ersteigert wird. Targeting bestimmt, an wen er ausgespielt wird.

Entwicklung und Ausblick

Targeting hat sich seit den frühen 2000er-Jahren stark gewandelt. Einfache demografische Selektionen wurden durch hochkomplexe, datengetriebene Verfahren abgelöst. Maschinelles Lernen ermöglicht heute das sogenannte Predictive Targeting. Algorithmen prognostizieren dabei, welche Nutzer wahrscheinlich auf eine Botschaft reagieren – noch bevor eine Interaktion stattgefunden hat.

Gleichzeitig verändert regulatorischer Druck die technische Architektur des Targetings grundlegend. Konzepte wie Privacy Sandbox, Topics API und serverbasierte Verarbeitung versprechen mehr Datenschutz. Individuelle Profile sollen nicht mehr offen über Plattformgrenzen hinweg übertragen werden. Targeting bleibt damit eines der dynamischsten und rechtlich sensibelsten Felder der digitalen Wirtschaft.