Programmatische Kampagnen optimieren

Zu den wichtigsten programmatischen Leistungskennzahlen gehören die Gewinnrate (der Prozentsatz der gewonnenen Gebote), der eCPM (effektiver Tausenderkontaktpreis), die Sichtbarkeitsrate, die Klickrate (CTR) und die Kosten pro Akquisition (CPA).

Diese Kennzahlen müssen gemeinsam bewertet werden — eine hohe Gewinnrate bei Inventar mit geringer Sichtbarkeit ist ein Warnsignal, während eine niedrigere Gewinnrate bei Inventar mit hoher Sichtbarkeit und hoher Conversion-Rate auf eine intelligentere Kampagne hindeuten kann.

Eine Whitelist ist eine sorgfältig zusammengestellte Liste bestimmter Domains oder Apps, auf denen Sie ausdrücklich Anzeigen schalten möchten. Dadurch erhalten Sie maximale Kontrolle über Brand Safety und Inventarqualität.

Eine Blacklist schließt bestimmte Domains oder Apps vom Erhalt Ihrer Anzeigen aus. Die meisten programmatischen Kampagnen beginnen mit kategorischen Ausschlüssen und erstellen auf Grundlage von Leistungsdaten reaktiv Blacklists. Whitelists bleiben Premium-Kampagnen mit ausschließlich hochwertigen Platzierungen vorbehalten.

Bid Shading bezeichnet die Abgabe von Geboten unterhalb der maximalen Zahlungsbereitschaft in First-Price-Auktionsumgebungen. Dabei wird der Wunsch, die Impression zu gewinnen, gegen das Ziel abgewogen, nicht zu viel zu bezahlen.

DSPs bieten typischerweise automatisierte Bid-Shading-Algorithmen an, die historische Daten zu Auktionsendpreisen verwenden, um Gebote gerade hoch genug für einen Gewinn festzulegen, ohne unnötig viel Geld zu verschenken — ein wichtiges Effizienzwerkzeug in First-Price-Auktionsmarktplätzen.

Werbemittelermüdung tritt auf, wenn Nutzer dieselbe Anzeige zu häufig sehen und die Interaktionsraten sinken — typischerweise erkennbar an fallenden CTRs und steigenden Frequenzwerten in den Kampagnen-Dashboards.

Um Werbemittelermüdung zu steuern, müssen mehrere Anzeigenvarianten pro Kampagne rotiert, die Frequenz pro Nutzer überwacht, Werbemittel regelmäßig aktualisiert und dynamische Werbemitteloptimierung (DCO) eingesetzt werden, um jedem Nutzer automatisch die leistungsstärkste Variante auszuspielen.

Nicht alle Zielgruppensegmente erzielen die gleiche Performance – die Analyse von CPA, Conversion-Rate und ROAS nach Segment zeigt, welche Zielgruppen einen echten Geschäftswert generieren und welche lediglich kostengünstig Budget verbrauchen.

Durch regelmäßige Analysen auf Segmentebene können Sie Budget in leistungsstarke Segmente umverteilen, leistungsschwache Segmente ausschließen und die Merkmale erfolgreicher Segmente für die Erstellung neuer Lookalike-Zielgruppen nutzen.

Optimierung während der Kampagnenlaufzeit bedeutet, Anpassungen an einer aktiven Kampagne auf Grundlage erster Performance-Daten vorzunehmen – etwa Budget von leistungsschwachen Line Items auf leistungsstarke umzuverteilen, minderwertige Inventarquellen auszuschließen und Gebote nach Gerät oder Tageszeit anzupassen.

Entscheidend ist, zwischen Leistungsschwankungen in den ersten 72 Stunden, bevor sich statistische Sicherheit entwickelt, und echten Signalen zu unterscheiden, die eine Maßnahme rechtfertigen. Zu schnelle Änderungen auf Grundlage früher Daten können Lernalgorithmen beeinträchtigen.

Programmatische Displaywerbung findet hauptsächlich im oberen und mittleren Funnel statt. Dadurch wird ihr Wert in Last-Click-Attributionsmodellen stark unterschätzt, da Nutzer nur selten auf eine Displayanzeige klicken und sofort konvertieren.

Die View-through-Attribution, bei der Programmatic Conversions zugerechnet werden, die erfolgten, nachdem ein Nutzer eine Anzeige gesehen, aber nicht angeklickt hat, liefert ein realistischeres Bild. Sie kann jedoch manipuliert werden und erfordert eine sorgfältige Konfiguration des Rückblickfensters.

Inkrementalitätstests isolieren die tatsächliche kausale Wirkung programmatischer Werbung, indem sie die Conversion-Raten einer Gruppe, der Anzeigen gezeigt wurden, mit denen einer Holdout-Gruppe vergleichen, der keine Anzeigen gezeigt wurden. Die Differenz entspricht dem inkrementellen Uplift.

Ohne Inkrementalitätstests beanspruchen Programmatic-Kampagnen häufig die Anerkennung für Conversions, die ohnehin über andere Kanäle oder durch organisches Verhalten erfolgt wären. Dadurch wird der ausgewiesene ROAS künstlich erhöht.

Moderne DSPs verwenden Machine-Learning-Algorithmen für Zielgruppen-Targeting, Gebotsoptimierung und die Auswahl von Werbemitteln. Diese Algorithmen benötigen eine Lernphase, die typischerweise 1–2 Wochen dauert und in der sie Daten zur Optimierung der Auslieferung sammeln.

Häufige Budgetänderungen, Anpassungen der Zielgruppe oder Gebotsänderungen während der Lernphase können den Algorithmus neu starten. Daher sollten Sie größere Änderungen gezielt vornehmen und zwischen den Anpassungen ausreichend Daten sammeln lassen.

Direktbuchungen bieten eine garantierte Platzierung, einen transparenten Kontext und direkte Beziehungen zu Publishern – allerdings bei höheren CPMs und mit weniger Flexibilität als beim Programmatic Buying.

Programmatic erzielt typischerweise niedrigere CPMs und eine präzisere Zielgruppenansprache, bietet jedoch weniger Kontrolle über den genauen Platzierungskontext. Die optimale Strategie kombiniert die Effizienz von Programmatic für Reichweite mit ausgewählten Direktbuchungen für hochwertige, markensichere Platzierungen, bei denen der Kontext besonders wichtig ist.

Ein Optimierungskalender für Programmatic Advertising legt regelmäßige Prüf- und Maßnahmenzeitpunkte fest: tägliche Pacing-Kontrollen, wöchentliche Performance-Überprüfungen zur Wochenmitte, eine Optimierungsrunde während der Kampagnenlaufzeit und eine Nachbesprechung am Ende der Laufzeit, deren Erkenntnisse in die nächste Kampagnenplanung einfließen.

Strukturierte Abläufe verhindern den häufigen Fehler, eine Kampagne einzurichten und erst nach Ende der Laufzeit wieder zu überprüfen. In dieser Zeit kann Budget ohne Korrektur für leistungsschwaches Inventar, leistungsschwache Zielgruppen oder ungeeignete Werbemittel ausgegeben werden.

Testen Sie Ihr Verständnis der Optimierung von Programmatic-Kampagnen.

Eine effektive Optimierung von Programmatic erfordert die gemeinsame Überwachung von Win-Rate, Viewability, eCPM und CPA, die Steuerung der Supply-Qualität mithilfe von Whitelists und Blacklists sowie den regelmäßigen Wechsel von Werbemitteln, um Ermüdung zu verhindern.

Inkrementalitätstests gelten als Goldstandard für die Messung der tatsächlichen Wirkung. Wenn Sie mit den Machine-Learning-Algorithmen der DSPs arbeiten statt gegen sie und während der Lernphasen häufige, störende Änderungen vermeiden, maximieren Sie die Leistung der automatisierten Optimierung.