Ein praktischer Leitfaden zu Funktioniert zielgerichtete digitale Werbung

Manchmal ja, doch die Frage funktioniert zielgerichtete digitale Werbung verdeckt sehr verschiedene Praktiken: Suchanzeigen auf Absicht, kontextuelle Platzierungen, Retargeting, Lookalikes und seitenübergreifende Verhaltensprofile.

Zielgerichtete digitale Werbung funktioniert manchmal. Das Problem ist, dass das Wort „zielgerichtet" viele unterschiedliche Praktiken verschleiert: Suchanzeigen auf Basis aktueller Absicht, kontextuelle Anzeigen anhand von Seiteninhalten, Retargeting nach einer Produktansicht, Lookalike-Zielgruppen, von Datenhändlern angereicherte Segmente und seitenübergreifende Verhaltensprofile.

Einige davon sind nützlich. Andere sind invasiv. Manche lassen sich nur schwer ehrlich messen.

Nicht jedes Targeting ist gleich

Suchwerbung ist zielgerichtet, aber sie wird hauptsächlich über die Absicht gesteuert. Wenn jemand „datenschutzfreundliche Webanalyse" sucht, ist es relevant, ein Analyseprodukt zu zeigen, ohne dass man dessen Browserverlauf kennen müsste.

Kontextuelle Werbung richtet sich nach der Seite oder dem Inhalt. Ein Newsletter-Sponsoring im Bereich Datenschutz erreicht die richtige Zielgruppe aufgrund des Kontexts und nicht, weil ein Datenhändler persönliche Eigenschaften abgeleitet hat.

Verhaltensbasierte Werbung richtet sich an Menschen anhand ihres bisherigen Verhaltens über Websites und Apps hinweg. Hier steigt das Datenschutzrisiko deutlich.

In der Debatte über zielgerichtete Werbung sollte man diese Kategorien voneinander trennen. Die schärfste datenschutzrechtliche Kritik richtet sich meist gegen seitenübergreifende verhaltensbasierte Werbung und nicht gegen jede bezahlte Platzierung.

Der Wert für Publisher ist möglicherweise geringer, als Werbetreibende annehmen

Eine empirische Studie aus dem Jahr 2019, „Online Tracking and Publishers' Revenues", analysierte Millionen von Werbetransaktionen und stellte fest, dass die Einnahmen der Publisher um etwa 4 % stiegen, wenn das Cookie eines Nutzers verfügbar war – das entsprach in dem Datensatz rund 0,00008 US-Dollar pro Anzeige (WEIS-Paper als PDF).

Das bedeutet nicht, dass jedes Targeting nur einen Effekt von 4 % hat. Die Autoren untersuchten Publisher-Einnahmen unter bestimmten Bedingungen, nicht alle möglichen Werbetreibenden-Ergebnisse. Doch es stellt eine verbreitete Annahme infrage: dass invasives Tracking notwendig sei, um Publisher zu finanzieren.

Attribution kann die Leistung überzeichnen

Werbeplattformen melden Conversions über ihre eigenen Pixel, Modelle und Attributionsfenster. Eine Plattform kann sich Conversions zuschreiben, die ohnehin stattgefunden hätten – besonders beim Retargeting.

Häufige Probleme:

• View-Through-Attribution rechnet Anzeigen Erfolge zu, die zwar gesehen, aber nicht angeklickt wurden.
• Retargeting erreicht Personen, die ohnehin schon kaufbereit sind.
• Geräteübergreifende Identität wird modelliert, nicht exakt beobachtet.
• Einwilligungsablehnung und Browser-Blockierung erzeugen blinde Flecken.
• Plattform-Dashboards können auf Plattformausgaben statt auf den Geschäftsgewinn optimieren.

Setzen Sie nach Möglichkeit Inkrementalitätstests ein. Halten Sie eine Region, Zielgruppe oder einen Zeitraum zurück und vergleichen Sie die Ergebnisse. Bei kleineren Budgets sollten Sie First-Party-Conversion-Daten mit den von der Plattform gemeldeten Ergebnissen abgleichen und auf den gemischten CAC achten – nicht nur auf den attribuierten ROAS.

Datenschutz- und Vertrauenskosten sind real

Verhaltensbasierte Werbung ist auf Datenerhebungen angewiesen, mit denen viele Nutzer nicht rechnen. Der Bericht der FTC zu Datenhändlern beschreibt, wie Broker Informationen aus Online- und Offline-Quellen sammeln, oft ohne das Wissen der Verbraucher (FTC-Bericht).

Auch wenn eine Werbekampagne Erfolg hat, können die langfristigen Kosten Folgendes umfassen:

• Komplexere Anforderungen an die Einwilligung
• Geringere Analyse-Reichweite, weil Nutzer Tracker blockieren
• Langsamere Seiten durch AdTech-Skripte
• Anbieter- und Übermittlungsrisiken
• Markenschäden durch „gruseliges" Targeting
• Abhängigkeit von intransparenter Plattformoptimierung

Für datenschutzorientierte Marken können diese Kosten den marginalen Targeting-Nutzen überwiegen.

Bessere Alternativen

Suchintention

Bieten Sie auf Suchanfragen, die einen aktuellen Bedarf zeigen. Sowohl Suchanzeigen als auch SEO profitieren von Absicht, ohne dass ein umfassendes Überwachungsprofil erforderlich wäre.

Kontextuelle Platzierungen

Sponsern Sie Newsletter, Podcasts, Communities und Publikationen, deren Publikum bereits zum Produkt passt.

First-Party-Zielgruppen

Nutzen Sie Daten, die Kunden bewusst bereitstellen: Newsletter-Abonnements, Produktnutzung, Kontoeinstellungen und ausdrücklich genannte Interessen. Halten Sie das transparent und einfach steuerbar.

Inhalts- und Vergleichsseiten

Inhalte mit hoher Kaufabsicht können über Jahre konvertieren. Messen Sie mit UTMs, aggregierter Analytik und First-Party-Conversion-Events.

Datenschutzfreundliche Retargeting-Alternativen

Statt Personen quer durchs Web zu verfolgen, sollten Sie Lifecycle-E-Mails, Abandoned-Cart-Flows mit Einwilligung, Produktaufklärung und stimmige Botschaften auf Landingpages verbessern.

So bewerten Sie einen Paid-Kanal

Fragen Sie sich:

• Wäre die Zielgruppe auch kontextuell erreichbar?
• Erfordert die Kampagne Drittanbieter-Tracking oder sensible Daten?
• Können wir Conversions unabhängig messen?
• Was passiert, wenn Cookies, Mobil-IDs oder Pixel nicht verfügbar sind?
• Verbessert der Kanal den gemischten Umsatz, die Marge und den CAC?
• Können wir die Targeting-Methode öffentlich erklären, ohne uns dabei unwohl zu fühlen?

Wenn eine Kampagne nur im Plattform-Dashboard profitabel aussieht, sollten Sie sie mit Vorsicht behandeln.

Realitätscheck für Paid-Kanäle

Bevor Sie eine zielgerichtete Kampagne skalieren, entscheiden Sie, welcher Bericht das Budget steuert: plattform-attribuierte Conversions, First-Party-Conversions, gemischter CAC, Marge oder ein Inkrementalitätstest. Wenn die Kampagne nur in der Werbeplattform profitabel wirkt, behandeln Sie das Ergebnis als Hypothese.

Setzen Sie Targeting nur ein, wenn der geschäftliche Nutzen einer einfachen, klaren Erklärung standhält. Intentbasierte Suche, kontextuelle Platzierungen, Partner-Newsletter und First-Party-Lifecycle-Kampagnen liefern oft saubereres Lernen bei geringerem Datenschutzrisiko als seitenübergreifende Verhaltensprofile.

Das Fazit

Zielgerichtete Werbung ist nicht falsch, aber sie ist auch keine Zauberei. Intent und Kontext liefern einen Großteil des Werts bei deutlich geringerem Datenschutzrisiko. Unternehmen sollten Inkrementalität messen, eine unabhängige Analytik beibehalten und Wachstum nicht auf Tracking-Praktiken aufbauen, die Kunden ablehnen würden, wenn man sie ihnen klar beschreiben würde.

Inkrementalität testen, nicht nur Attribution

Plattform-Dashboards schreiben Anzeigen Conversions zu, die in zeitlicher Nähe stattfanden – doch der Käufer hätte sie ohnehin getätigt. Ein besserer Test ist die Inkrementalität: Was hat sich verändert, weil die Kampagne lief? Beginnen Sie mit Geo-Splits, Holdout-Zielgruppen, zeitlich begrenzten Pausen oder Matched-Market-Tests. Halten Sie das Design so einfach, dass Finanz- und Marketingteams sich vor dem Start auf die Auswertung einigen können. Die Marktstudie der britischen Competition and Markets Authority zu Online-Plattformen und digitaler Werbung erinnert nützlich daran, dass Intransparenz und Marktmacht die unabhängige Überprüfung der von Plattformen gemeldeten Leistung erschweren können.

Datenschutzfreundliche Analytik hilft, indem sie eine neutrale Sicht auf Sitzungen, Quellen, Landingpages und Conversions außerhalb der Werbeplattform liefert. Sie wird nicht jeden ausgespielten Nutzer identifizieren, doch genau das ist ein Vorteil, wenn Sie geschäftlichen Lift messen wollen, statt Personen zu profilieren. Vergleichen Sie gemischten CAC, organische Kannibalisierung, Branded-Search-Lift, Conversion-Qualität und Marge. Wenn ein zielgerichteter Kanal einen unabhängigen Lift-Test nicht besteht, liegt das Problem nicht im Verlust des Trackings. Das Problem ist, dass die Attribution den Wert überzeichnet hat.

Häufig gestellte Fragen

Was zählt als gezielte Werbung?

Der Begriff umfasst Suchanzeigen, die zur aktuellen Suchanfrage passen, kontextuelle Anzeigen, die zum Seiteninhalt passen, Retargeting nach einer Produktansicht, Lookalike-Zielgruppen, von Datenbrokern angereicherte Segmente und seitenübergreifende Verhaltensprofile. Diese Praktiken bringen sehr unterschiedliche Datenschutzrisiken mit sich, weshalb sie unter einem Begriff zusammenzufassen mehr verschleiert als erklärt.

Steigert gezielte Werbung tatsächlich die Einnahmen von Publishern?

Eine Studie aus dem Jahr 2019, die Millionen von Anzeigentransaktionen analysierte, stellte fest, dass die Publisher-Einnahmen bei verfügbarem Cookie um etwa 4% stiegen, umgerechnet rund $0.00008 pro Anzeige. Die Autoren untersuchten die Publisher-Einnahmen unter bestimmten Bedingungen, nicht jedes Werbetreibenden-Ergebnis, aber die Zahl liegt weit unter der Annahme, invasives Tracking sei zur Finanzierung von Publishern unverzichtbar.

Warum überzeichnet die von Plattformen gemeldete Attribution die Werbeleistung?

Plattformen melden Conversions über eigene Pixel, Modelle und Attributionsfenster und können sich so Verkäufe zuschreiben, die ohnehin stattgefunden hätten, besonders beim Retargeting. View-through-Zuschreibung, modellierte geräteübergreifende Identität und blinde Flecken durch Consent-Ablehnung und Browser-Blockierung treiben die gemeldete Zahl über den tatsächlichen Effekt hinaus.

Was ist ein Inkrementalitätstest?

Ein Inkrementalitätstest nimmt eine Region, Zielgruppe oder einen Zeitraum von einer Kampagne aus und vergleicht das Ergebnis mit dem Rest. Dieser Vergleich zeigt, was sich durch die Kampagne tatsächlich verändert hat, statt was die Plattform ihr zuschreibt.

Welche Targeting-Methode birgt das größte Datenschutzrisiko?

Seitenübergreifende Verhaltenswerbung, die Personen anhand ihrer Aktivität über Websites und Apps hinweg profiliert, birgt das größte Datenschutzrisiko der Gruppe. Suchanzeigen passen zur aktuellen Suchanfrage und kontextuelle Anzeigen zum Seiteninhalt, beide zielen also ohne persönliche Historie, weshalb sich die stärkste Datenschutzkritik gegen Verhaltenstracking richtet und nicht gegen jede bezahlte Platzierung.

Was sagt die FTC über Datenbroker?

Der Datenbroker-Bericht der FTC beschreibt, wie Broker Informationen aus Online- und Offline-Quellen sammeln, häufig ohne Wissen der Verbraucher. Diese Intransparenz ist ein Grund, warum Verhaltenswerbung einen Vertrauenskosten-Faktor mit sich bringt, unabhängig davon, was die Kampagne einbringt.

Was kann Verhaltens-Retargeting ohne die Datenschutzkosten ersetzen?

Lifecycle-E-Mails, auf Einwilligung basierende Warenkorbabbruch-Flows, Produktschulung und passende Landingpage-Botschaften leisten Ähnliches, ohne Personen im Web zu verfolgen. Suchintention, kontextuelle Platzierungen und First-Party-Zielgruppen decken den Rest des Funnels ab.

Was sollten Unternehmen statt der reinen attribuierten ROAS verfolgen?

Blended CAC im Vergleich zu First-Party-Conversion-Daten liefert ein saubereres Bild als die von der Plattform attribuierte ROAS. Gelegentliche Inkrementalitätstests neben diesem Vergleich halten die Zahl ehrlich.

Welche versteckten Kosten entstehen durch Verhaltenstracking, selbst wenn eine Kampagne funktioniert?

Komplexere Einwilligungsanforderungen, geringere Analytics-Abdeckung durch Tracker-Blockierung und langsamere Seiten durch Ad-Tech-Skripte. Hinzu kommen Anbieter- und Übertragungsrisiken, Markenschäden durch als "creepy" empfundenes Targeting und Abhängigkeit von undurchsichtiger Plattformoptimierung. Für datenschutzorientierte Marken können diese Kosten den marginalen Targeting-Gewinn übersteigen.

Wie sollte ein Unternehmen entscheiden, ob eine gezielte Kampagne skaliert wird?

Zunächst muss feststehen, welcher Bericht das Budget steuert: plattform-zugeschriebene Conversions, First-Party-Conversions, Blended CAC, Marge oder ein Inkrementalitätstest. Wirkt die Kampagne nur innerhalb des Plattform-Dashboards profitabel, sollte das Ergebnis als Hypothese behandelt werden, nicht als Beweis.