Weiblich oder männlich? Um die richtige Werbung für ein ausgewähltes Publikum zu platzieren, bleibt die Geschlechterfrage ein schwieriges Thema in der In-App-Werbung. Die Implementierung in einer Echtzeit-Big-Data-Umgebung ist eine Herausforderung und erfordert kontinuierliche Investitionen in Data-Science-Know-how und Hardware-Setup.
Die programmatische Werbebranche bietet eine Vielzahl unterschiedlicher Zielgruppen-Targeting-Optionen, die hauptsächlich von Branding-Werbetreibenden benötigt und geschätzt werden. Es gibt traditionelle Direkt-Publisher, die Anzeigen in einer bestimmten Publisher-Umgebung schalten. Sie verlassen sich auf Publisher-zentrierte Zielgruppenforschung (z. B. Fragebögen) oder reinen gesunden Menschenverstand, um benötigte Zielgruppen für zukünftige Kampagnen zu bestimmen. Im Gegensatz dazu steht ein technischer Zielgruppen-Targeting-Ansatz, der durch ein rein programmatisches Setup ermöglicht wird. Es verbindet eine große Anzahl von Publishern und nutzt die Leistungsfähigkeit von Algorithmen, um passende Zielgruppen in Echtzeit vorherzusagen, unabhängig von der Publisher-Umgebung. Folglich sind die Targeting-Anforderungen in der modernen Online- und Mobile-Display-Welt präziser denn je. Die Anbieter potenzieller Werbeflächen (mobile Websites oder Anwendungen) sind jedoch vielfältiger und unzuverlässiger als herkömmliche Ansätze wie TV- oder Printmagazine, die auf dem Markt vereinbarte Publikumsdaten verwenden, um die Reichweite des Publikums vorherzusagen und abzurechnen.
Im mobilen Bereich bieten Millionen von Anwendungen und Websites die Bildschirmfläche ihrer Benutzer als Werbefläche auf einer Impression-für-Impression-Basis an. Spezialisierte Lösungsanbieter, sogenannte Demand-Side-Plattformen (DSPs), sind dafür verantwortlich, Werbekampagnen auf technischer Basis auszuführen und das Versprechen eines hyperpräzisen Targetings einzulösen, ohne Endnutzer zu verprellen. Gleichzeitig müssen strenge Vorschriften befolgt werden, um die Privatsphäre und den Schutz der personenbezogenen Daten der Endbenutzer zu gewährleisten.
Adello erhält und verarbeitet täglich mehrere Milliarden potenzieller Impressionen. Ein erheblicher Teil davon wird von mobilen Anwendungen erzeugt und enthält daher häufig pseudonymisierte Gerätekennungen wie den Unique Device Identifier (iOS) und die Google Advertising ID (Android).
"Unser erklärtes Ziel ist es, diese Daten zusammen mit möglichen Geschlechtsinformationen zu nutzen, um Erkenntnisse über das Verhältnis von Anwendungsnutzung und Geschlecht abzuleiten. Daher ist es entscheidend, über konsistente und zuverlässige Daten zu verfügen.“
Dr. Bastian Kronenbitter, Leiter Data Science bei Adello Technologies GmbH
Wenn Sie tiefergehendes Wissen suchen, laden Sie unser kostenloses herunter Whitepaper und erhalten Sie tiefe Einblicke in die Identifizierung des Geschlechts in einer mobilen Umgebung.
