![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/04\/tristan.jpeg\")
Es mag wie eine seltsame Wahl erscheinen, billige cloud data-Warehousing als Kandidat zu w\u00e4hlen. Aber f\u00fcr uns bei Artefact war das Produkt BigQuery von Google eine enorme Erleichterung, da es uns erm\u00f6glicht hat, unsere Medien audience wie nie zuvor abzufragen und zu segmentieren. Es hat einen revolution\u00e4ren Ansatz f\u00fcr den Umgang mit den Medien unserer Kunden erm\u00f6glicht.<\/p>\n<\/div>
Ohne BigQuery und den Trend zur st\u00e4rkeren Demokratisierung von data-Warehousing und -Analyse w\u00e4ren wir wiederum nicht in der Lage, von dem zu profitieren, was wir als \u201cden transformativsten digitalen Marketingtrend der letzten Jahre\u201d ansehen: die immer gr\u00f6\u00dfere F\u00e4higkeit, unsere Medien so zuzuschneiden, dass die richtige Botschaft zur richtigen Zeit an die richtige audience gelangt.<\/p>\n<\/div>
Bei Artefact tun wir dies mit unserem Audience Engine (AE) Tool, unserer firmeneigenen Technologie, die den Gro\u00dfteil unserer Medienaktivierung unterst\u00fctzt. Die AE erfasst mehrere 1st\/2nd\/3rd party data-Punkte zu einem potenziellen Kunden und nutzt dann fortschrittliche Algorithmen des maschinellen Lernens, um die Neigung dieses Nutzers vorherzusagen, sich auf eine bestimmte Weise zu verhalten (z. B. ein Produkt zu kaufen). So k\u00f6nnen wir Kohorten erstellen und analysieren, die mit den Kundenprofilen unserer Kunden \u00fcbereinstimmen.<\/p>\n<\/div>
Wir k\u00f6nnen nun das Verbraucherverhalten mit den Ergebnissen der Propensity-Modellierung abgleichen. Die sich daraus ergebende Matrix erm\u00f6glicht zielgenaue Medienkampagnen, die eng auf das Verhalten, die Bed\u00fcrfnisse und die Lebensphasen der Nutzer abgestimmt sind und massenhaft eingesetzt werden k\u00f6nnen. Dar\u00fcber hinaus liefert das Ergebnis dieser Analyse auch die Grundlage f\u00fcr audience-Lookalikes, die einen Ansatz f\u00fcr die Kundenwerbung untermauern, der von Natur aus viel st\u00e4rker auf data ausgerichtet ist.<\/p>\n<\/div>
Dieser Ansatz hat die Kosteneffizienz f\u00fcr unsere Kunden gesenkt, in unserem Fall vor allem im Bereich Einzelhandel und Reisen.<\/p>\n<\/div>
Dieser Trend zu einer immer st\u00e4rkeren Personalisierung der digitalen Werbung verl\u00e4uft nicht linear. GDPR, Safari\/iOS14 und die Entwicklung hin zu einer kochfreien Zukunft stellen erhebliche Herausforderungen dar. Diese Hindernisse haben jedoch, wenn \u00fcberhaupt, die Bedeutung von 1P data-Quellen noch verst\u00e4rkt. Das Website-Verhalten data von Google Analytics wird direkt in BigQuery eingespeist, wo es manipuliert wird, um wiederum Agenturprodukte wie Audience Engine zu speisen.<\/p>\n<\/div>
Die Entwicklung hin zu einer immer st\u00e4rkeren Personalisierung der Werbung sollte f\u00fcr beide Seiten ein Gewinn sein: f\u00fcr unsere Kunden, die bessere Ergebnisse zu geringeren Kosten erzielen k\u00f6nnen, f\u00fcr die Verbraucher, die immer weniger mit irrelevanter, unpassender Werbung bel\u00e4stigt werden, und f\u00fcr uns als Agentur, die an vorderster Front dabei ist. Die Demokratisierung von cloud data Warehousing ist der unbesungene Held hinter diesem Wandel und stellt unserer Meinung nach den transformativsten digitalen Marketingtrend der letzten Jahre dar.<\/p>\n<\/div><\/div><\/div><\/div><\/article>