Deep Learning: Wie dieser Ansatz hyperpersonalisierte Werbung ermöglicht

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Deep Learning: Wie dieser Ansatz hyperpersonalisierte Werbung ermöglicht

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Daten zur Personalisierung von Marketingkampagnen zu verwenden ist nicht neu, aber die Hyper-Personalisierung hilft Unternehmen dabei, Daten auf innovative Weise zu nutzen. Dabei werden Daten in Kombination mit Deep Learning verwendet, um den Kunden bei der Customer Journey personalisierte Botschaften zu bieten.
Deep Learning

Quelle: RTB House

Der Ansatz dieser neuen Technologie erfordert ein tiefes Verständnis des Kunden, das nicht nur auf Standarddaten basiert, sondern auch Informationen wie frühere Käufe und nicht abgeschlossen Online-Einkäufe berücksichtigt. Um die richtige Botschaft zu vermitteln muss man verstehen, warum ein Kunde an einem bestimmten Punkt der Customer Journey eine Entscheidung trifft und welchen Sinn sein Verhalten hat. Unternehmen können mit diesen Entwicklungen Schritt halten und werden durch Deep Learning dabei unterstützt.

Relevantes Engagement wird als weniger aufdringlich empfunden

2015 stieg die Nutzung von Adblockern weltweit um 41 Prozent im Vergleich zum Vorjahr. Dieser Trend kostete dem Markt rund 21,8 Milliarden Dollar an Ad Impressions. Einem Forschungsbericht von Teads zufolge waren aufdringliche Ads (wie übergroße Anzeigen und Banner, die Nutzer nicht entfernen können oder die vor aufgerufenen Webseiten erscheinen) der Hauptgrund für Verbraucher, einen Adblocker zu installieren.

Verschiedene Untersuchungen wie eine Studie von YouGov zeigen, dass deutsche Verbraucher Werbung deshalb blockieren, weil sie sich von ihnen regelrecht bombardiert fühlen (72 Prozent), sie ihnen zu aufdringlich (58 Prozent) oder zu nervig (59 Prozent) ist oder um sich besser vor Viren und Malware zu schützen (42 Prozent). 37 Prozent nutzen Adblocker, um Tracking zu verhindern. Unternehmen, die Kunden gewinnen und halten wollen, sollten deshalb eine individuelle Ad-Experience liefern. Dadurch kann auch der Umsatz erheblich gesteigert werden.

Wie Deep Learning Hyper-Personalisierung möglich macht

Eine Technologie wie Deep Learning schafft eine hoch relevante und hochwirksame Kundenansprache, da sie durch Algorithmen und Datenmodelle eine genaue Diagnose und Identifizierung von Verbraucherbedürfnissen ermöglichen. Targeting mittels Deep Learning ermöglicht schnelle Angebote, die auf jeden Kunden individuell zugeschnitten sind. Das Ergebnis sind Kampagnen, die nur für den Käufer relevante Empfehlungen anzeigen. Das bedeutet keine Frustration für den Verbraucher und einer höheren Effektivität für den Werbetreibenden.

Mit Hilfe künstlicher Intelligenz wird automatisch das richtige Angebot über den richtigen Kanal bereitgestellt. Da eine hoch relevante Experience ein gutes Verständnis jedes einzelnen Kunden erfordert, benötigen Sie fundierte Daten. Deep Learning hilft Retargetern, mehr zu tun, als nur grundlegendes Verhalten wie z.B. zuvor angesehene Produkte zu analysieren; es bietet Zugang zu „verborgenen Daten“.

Es zeigt, wie lange Kunden Produkte und Preise ansehen, wie oft sie bestimmte Online-Shops besuchen und sogar die Reihenfolge der besuchten Websites. Mit diesen Informationen kann die Technologie das Online-Nutzerverhalten genau messen und vorhersagen, welche Absichten bestehen. Anhand großer Datenmengen ist die Retargeting-Technologie in der Lage vorauszusehen, an welchen Produkten die Verbraucher interessiert sind und wonach sie in Zukunft suchen werden.

Vorteile von Deep Learning im Vergleich zu Machine Learning

Hier zeigt sich der enorme Vorteil von Deep Learning im Vergleich zu Machine Learning: All das gelingt Deep Learning ohne die Beteiligung einer Person, die der Technologie die nötigen Definitionen liefert, die Daten interpretiert und überprüft, wie genau die Vorhersagen sind. Machine Learning ist also nur so gut, wie der Input und die Regeln, mit denen es von Menschen „gefüttert“ wird. Setzt man stattdessen Deep Learning ein, erledigen das neuronale Netze, die Daten und Vorhersagen prüfen und interpretieren oder die Algorithmen anpassen. Deep Learning kann also tatsächlich „denken“, „lernen“ und „Entscheidungen treffen“.

Algorithmen für Deep Learning helfen so bei der Analyse von Angeboten und bestimmen, wie attraktiv das Angebot für einen Nutzer ist. Dadurch müssen Einzelhändler nicht mehr “versuchen” erfolgreich Werbung zu schalten, sie haben dank der relevanten Daten eine Grundlage für zielgenaue Ads und können entsprechend handeln.

Personalisierte Experience schaffen – up to date bleiben

Das Nutzerverhalten ist dynamisch und ändert sich ständig. Hochentwickelte Algorithmen können sich anpassen und lernen, wie sie diese Veränderungen tracken und intelligente Schlussfolgerungen ziehen. Dadurch erstellen Sie ein Echtzeit-Verhaltensprofil, das nicht nur darauf basiert, was der Kunde im Online-Shop macht, sondern auch darauf, wie er auf Angebote reagiert. Und das sind die Informationen, die aus personalisierten Anzeigen moderne hyper-personalisierte Erlebnisse machen – angetrieben durch Deep Learning.

Wenn zu viele Ads eingesetzt werden, sind sie nicht mehr effektiv. Werbetreibende und ihre Partner müssen auf führende KI-Technologien zurückgreifen, um ihr Marketing zu differenzieren und ihre Kampagnen effizient zu gestalten. Einfaches Retargeting reicht dabei nicht mehr aus. Nur durch Investitionen in neue Lösungen bleiben Unternehmen in Zukunft wettbewerbsfähig. Deep Learning wird dabei immer beliebter und verändert viele verschiedene Geschäftsbereiche, von der Automobilindustrie über Entertainment bis hin zum Marketing. Dank Deep-Learning-Technologien kann die Werbebranche individuell zugeschnittene und personalisierte Botschaften für ihre Kunden erstellen, was zu einer höheren Kundenzufriedenheit und noch effektiveren Kampagnen führt. (sg)

Lesen Sie auch: Online-Werbung wirkt – was aber funktioniert am besten?

Über den Autor: Daniel Volož, ist als Country Manager DACH bei RTB House tätig, dem Anbieter von Marketingtechnologien für Top-Brands. In dieser Position ist er verantwortlich für die Geschäftstätigkeiten in der DACH-Region, einschließlich Vertriebsstrategie, Partnerschaften, Teamentwicklung und Finanzergebnisse. Volož war vor seiner Berufung zum Country Manager bereits als Business Development Manager für den deutschsprachigen Raum Teil der RTB House-Familie und verfügt über zehn Jahre Erfahrung in der Digital-Marketing-Branche.

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Andere Leser haben sich auch für die folgenden Artikel interessiert

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Aktuelle Ausgabe

Topthema: social commerce

Die Chance

Mehr erfahren