Unser web-netz Blog

News, Interviews & Fachartikel aus der Welt des Online-Marketings

Retargeting trotz(t) Datenschwund!

Awareness- und Traffic-Kampagnen im Display Advertising finden oftmals ihre Veredelung der angesprochenen Nutzer über entsprechende Retargeting-Kampagnen. Doch was tun, wenn der Datenpool an eingesammelten Nutzern immer kleiner wird? In diesem Beitrag wird aufgezeigt, wie der verlustige Datenanteil zur Aussteuerung und Optimierung von Retargeting-Kampagnen effektiv genutzt werden kann.

Datenschwund und die “Mutter aller Trackingprobleme”

Schon seit geraumer Zeit haben vor allem datengetriebene Werbeformen mit einer schwindenden Datenbasis zu kämpfen. Speziell die Bildung von Nutzerpools für Retargeting, aber auch die Erfolgsmessung generell, werden immer schwieriger. Cookie basierte Techniken kämpfen hier eindeutig mit zunehmendem Datenschwund.

Ganz entscheidend sorgen die Restriktionen rund um die DSGVO und das Cookie-Urteil des EuGH dafür, dass immer weniger Daten für Retargeting sowie für die Performancekontrolle an sich zur Verfügung stehen. Darüber hinaus spielen natürlich auch Themen wie Cookie-Blocking der Browser eine immer größere Rolle.  Egal ob Safari (ITP), Firefox (ETP) oder zukünftig auch Chrome, alle Browser werden über kurz oder lang per default Third-Party-Cookies blocken.

Datenentwicklung bei Implementation des Cookie-Banner

Der Haken bei allen Zukunftstechnologien

Unbestritten gibt es zahlreiche Ansätze, wie dieser Herausforderung zukünftig begegnet werden soll, denn, die Tage der Cookies und damit auch aller alternativen Nutzeridentifizierungsmethoden wie Fingerprinting & Co. sind gezählt.

Serverseitiges Tracking usw. sind heiß gehandelte Lösungen, allerdings, und das ist die aktuelle Herausforderung, sind diese (noch) nicht massenkompatibel verfügbar. Derzeit sind Cookies der Standard, und damit sollten wir so gut wie möglich umgehen. Aus der aktuellen Datenlage, die optimalen Schlüsse zu ziehen, ist doch im Alltag trotz aller Zukunftsorientierung die echte Herausforderung.

Der blinde Fleck im Datenbild

All diese genannten Faktoren machen uns auf den ersten Blick auf dem einen Datenauge blind, wir können einen Teil der Nutzer auf unserer Seite schlicht und einfach nicht mehr sehen, nachverfolgen und dementsprechend auch nicht wieder per Retargeting ansprechen. Doch genau diesen blinden Fleck können wir uns zunutze machen! Wie?

Step #1: Nutzercluster bilden

Bei allen negativen Auswirkungen, die die Implementation eines Cookie-Banners für unseren Datenpool mit sich bringen, so gibt es doch den einen ganz entscheidenden Faktor, den wir uns hier zunutze machen können. Ich meine damit den klar definierbaren Zeitpunkt, ab dem der Banner Auswirkungen auf das Tracking hat, nämlich den Zeitpunkt des Einbaus.

Ab diesem Zeitpunkt teilt sich unser Datenbild in zwei Cluster!

  • Cluster #1 enthält dabei alle Nutzer, die über den Cookie-Banner ihre Zustimmung zum Tracking erteilt haben.
    Auf die unterschiedlichen Abstufungen der Zustimmung gehe ich hier bewusst nicht ein, da es das ganze Prozedere sehr komplex macht und für die Beispiele einfach nicht praktikabel ist. Am Ende sind dem Detailgrad dieses Vorgehens aber natürlich keine Grenzen gesetzt.
  • Cluster #2 umfasst alle Nutzer, die nicht getrackt werden wollen, also dem Cookie-Banner nicht zugestimmt haben.

Um nun beide Cluster für die Wiederansprache von Nutzern anwenden zu können, bilden wir an zwei Punkten Nutzerpools und kombinieren diese miteinander:

  • Nutzerpool #1: alle Nutzer, die das Werbemittel geklickt haben (ist direkt im Adserver abbildbar, der Nutzerconsent ist auch hier Voraussetzung)
  • Nutzerpool #2: alle Nutzer, die dem Tracking zugestimmt haben. Am ehesten lässt sich dieser Pool durch das Setzen einer Softconversion mit Zustimmung des Cookie-Banners realisieren.

Kombiniert ergibt das Ganze nun Retargetinglisten, die ich optimal zur Wiederansprache verwenden kann:

  • RTA-Liste #1
    Nutzer, die auf der Landingpage getracked werden konnten, da sie ihren Consent gegeben haben. [Nutzerpool #2 (Tracking-Consent)]
  • RTA-Liste #2
    Nutzer, die auf ein Banner geklickt haben, aber nicht auf der Landingpage getracked werden konnten, da sie dem Cookie Banner auf der Landingpage nicht zugestimmt haben. [Nutzerpool #1 (Klick auf Ad) – Nutzerpool #2 (Tracking-Consent)]

Step #2: Nutzercluster Performance-Check

Um Rückschlüsse auf die grundlegende Performance beider Cluster zu ziehen, gehen wir noch einen Schritt weiter. Wir nutzen den oben genannten Vorteil der Cookie-Banner-Implementation, nämlich das Wissen um den Einbau-Zeitpunkt.

Es lässt sich also ohne Weiteres die Performance der Cluster vor Implementation mit dem Vergleichszeitraum ab Implementation vergleichen.

Wenn wir diesen Clustervergleich nun an verschiedenen Positionen der Website Journey vornehmen, lassen sich dabei interessante Rückschlüsse auf die Cluster treffen.

Hier nun zwei einfache Beispiele, um dies zu verdeutlichen:

Nehmen wir an, dass der messbare Traffic auf der Landingpage in beiden Beispielen mit Implementierung des Cookie-Banners um 30% zurückgeht.

  • Cluster #1 ist also für 70% des Traffics verantwortlich.
  • Cluster #2 macht 30% des Traffics aus.

In beiden Fällen analysieren wir die Vergleichszeiträume zusätzlich noch in der Dimension der Conversions. Für Beispiel 1 beträgt der Rückgang der gemessenen Conversions nach Implementation des Cookie-Banners lediglich 10%.

Cluster #1 ist hier also für 90% der Conversions verantwortlich. Hier zeigt sich deutlich, aufgrund des hohen Conversion-Anteils, dass der weiterhin trackbare Cluster überdurchschnittlich performant ist. Beispiel 2 verhält sich komplett anders, hier gehen die Conversions um 80% zurück. Cluster #1 ist hier also für einen vergleichsweise kleinen Anteil von 20% der Conversions verantwortlich.

Diese Ergebnisse lassen konkrete Rückschlüsse auf die Performance beider Cluster zu.

Während im Beispiel 1 der Performance-Fokus sicherlich ganz klar auf Cluster #1 liegt, könnte eine Wiederansprache der Nutzer in Cluster #2 im Zweifel sogar vernachlässigt werden. Bezogen auf Beispiel 2 wäre es ein klarer Fehler, Cluster #2 zu vernachlässigen, da ein relevanter Teil der Performance aus diesem Cluster kommt.

Neben dem Abgleich der Cluster aus Traffic- und Conversion-Ebene kann natürlich jeder einzelne Schritt in der Website Journey exakt genauso ausgewertet werden.

Genau wie wir oben den Cookie-Consent als Softconversion gesetzt und mit dem Klick auf die Ad kombiniert haben, lässt sich auch jede andere Interaktion des Nutzers auf der Webseite ebenfalls als Softconversion definieren und nach dem gleichen Muster auswerten. Dem Detailgrad sind hier so gut wie keine Grenzen gesetzt.

All diese Nutzerpools lassen sich perfekt als Retargeting-Zielgruppe verwenden!

Fazit

Voraussichtlich wird es zukünftig komplett andere Lösungen geben, Nutzergruppen anzusprechen, Kampagnen gemäß Zielsetzung zu optimieren und das Ganze ohne den vielgescholtenen Datenschwund.

Aktuell gibt es diese massentaugliche Lösung allerdings noch nicht. Da helfen pragmatische Ansätze, das Problem nicht nur zu bewundern, sondern die Perspektive zu wechseln und aus dem Datenschwund Ableitungen für die Optimierung herzuleiten.

Unser Ansatz ist einer davon! Denn Datenverlust soll die Lust auf Display Advertising nicht rauben.

In diesem Sinne, Ärmel hoch, clustern und go!

Dieser Artikel erschien zuerst bei ADZINE am 19.10.2020.


Kostenlose Online-Marketing-Webinare

Wir bieten jede Woche kostenlos zwei Webinare an. Alle Themen und die nächsten Termine findet ihr auf: web-netz.de/webinare.


Bildnachweis Titelbild: AndreyPopov / istockphoto.com

Kommentar verfassen