Predictive Bidding: Den Wert des Käufers einschätzen – AdTech erklärt

Alexandra Bannerman, Product Marketing Manager, erläutert, wie die Criteo AI Engine das Optimum aus eurem Werbebudget herausholt.

Die Criteo AI Engine basiert auf modernstem Machine Learning und nutzt den weltweit größten offenen Käuferdatenbestand, um ein Niveau von Optimierung zu ermöglichen, das über manuelles Kampagnenmanagement unmöglich wäre. Perfektes Beispiel dafür ist Predictive Bidding, eine Funktion der Engine, die für jede mögliche Platzierung in einem Ad-Inventar, über die ihr eure potentiellen Kunden erreichen könnt, das richtige Gebot ermittelt.

In mehr als einem Jahrzehnt Forschung und Entwicklung hat Criteo drei zentrale Vorhersagemodelle perfektioniert, die detaillierte Analysen von Käufern, Produkten, Publisher-Inventar und Interaktionen zwischen diesen drei Elementen nutzt, um der Criteo AI Engine drei wichtige Fragen zu beantworten: Welche Käufer werden wahrscheinlich mit einer Ad interagieren? Bei welchen Käufern ist die Bereitschaft zur Conversion am größten? Und welchen Betrag sind die einzelnen Käufer wahrscheinlich bereit auszugeben?

Diese komplexen Variablen werden in Echtzeit ermittelt und zusammengeführt, um so jede einzelne Möglichkeit bewerten zu können, die sich der Engine bietet, einem Käufer eine Ad zu zeigen.

Diese Bewertung nennen wir eCPM.

eCPM = ƒ(CPC oder COS oder CPO, pCTR, pCR, pAOV, Ω, ß, µ)

Warum verwenden wir den Begriff „eCPM“? Der reguläre CPM (oder Kosten pro 1000) ist definiert als Kosten für 1000 Ad Impressions. Das ist das Standard-Preismodell für Ad Units in Auktionen für Publisher-Inventar.

Im Rahmen von Retargeting-Kampagnen bedeutet dieses Preismodell jedoch, dass ihr möglicherweise für Impressions zahlt, mit denen ihr nicht die richtigen Käufer erreicht und die somit nicht unbedingt zu Interaktion oder Conversion führen. Um eure Zielvorgaben besser zu erfüllen, sagt die Criteo AI Engine das Interaktions- und Conversion-Verhalten der Käufer voraus, um so den Wert einer Impression für euch zu bestimmen und diesen in einen Gebotswert (a.k.a. eCPM) für eine CPM-Auktion zu übersetzen.

Betrachten wir zunächst die kontrollierbaren Variablen in der eCPM-Formel, die ihr, die Werbetreibenden selbst, vorgebt.

eCPM = ƒ(CPC oder COS oder CPO, pCTR, pCR, pAOV, Ω, ß, µ)

Cost-Per-Click (CPC), Cost-Of-Sale (COS) und Cost-Per-Order (CPO) sind alles Vorgaben, die ihr machen könnt – abhängig davon, wie ihr eure Kampagne führen wollt. Ein Gebot auf Inventar hängt also davon ab, was ihr bereit seid, für die Interaktion von Käufern auszugeben – je höher CPC, COS or CPO, desto mehr Inventar könnt ihr ersteigern und desto mehr Käufer könnt ihr ansprechen.

Werfen wir jetzt einen Blick auf die prognostischen Variablen in der eCPM-Formel. Diese werden von der Criteo AI Engine berechnet.

eCPM = ƒ(CPC oder COS oder CPO, pCTR, pCR, pAOV, Ω, ß, µ)

Über die prognostizierte Klickrate (Click-Through Rate – pCTR) misst die Criteo AI Engine die Wahrscheinlichkeit von Käufer-Interaktion – in Übereinstimmung mit den klickbasierten Sales-Attributionsmodellen, die die meisten Werbetreibenden nutzen.

Die prognostizierte Conversion-Rate (pCR) spielt gleichfalls eine Rolle für die Höhe des Gebots, das die Criteo AI Engine auf Inventar abgeben kann. Je höher die Wahrscheinlichkeit zur Conversion, desto höher kann das Gebot ausfallen.

Der prognostizierte durchschnittliche Bestellwert (Average Order Value – pAOV) erlaubt der Engine, euren ROAS zu steigern, indem Käufer mit einem höheren zu erwartenden Warenkorbwert vermehrt angesprochen werden.

Wir verwenden noch weitere Parameter, um den eCPM auf Budgetbeschränkungen (Ω), Media-Einkaufskanäle (ß) und Auktionsdynamiken (µ) abzustimmen.

Was bedeutet nun die eCPM-Formel?

Im Kern informiert eCPM das Predictive Bidding der Criteo AI Engine darüber, wie viel eine spezifische Ad Impression für euch als Werbetreibenden, wert ist.

Zum Beispiel: Einem spezifischen Käufer eine spezifische Ad in einem spezifischen Kontext zu zeigen, generiert voraussichtlich einen Umsatz von X € und ist daher bei der Inventar-Auktion ein Gebot von Y € wert. X und Y sind Variablen, die für jede einzelne Impression ermittelt werden.

Die Criteo AI Engine gibt eure Werbe-Euros also intelligent aus und maximiert so den Nutzen eures Budgets.

Die Berechnung der prognostischen Variablen und damit des eCPM-Werts ist zu komplex, um in diesem Artikel adäquat dargestellt werden zu können. Doch mit dem folgenden vereinfachten Beispiel können wir hoffentlich das Verständnis erleichtern.

eCPM = ƒ(CPC oder COS oder CPO, pCTR, pCR, pAOV)

Drei Käufer, die zuvor euren Onlineshop besucht haben, surfen jetzt unabhängig voneinander auf der gleichen Website eines Publishers. Die Criteo AI Engine hat ermittelt, dass es sinnvoll wäre, diesen Käufern eure Kampagne zu zeigen, und gibt gleich ein Gebot für Ad-Inventar ab. Bei der Einrichtung eurer Kampagne habt ihr euch für einen Cost-per-Click (Kosten pro Klick) von einem Euro entschieden.

 eCPM = ƒ(1, pCTR, pCR, pAOV)

Predictive Bidding nutzt seine Vorhersagemodelle sowie die zur Verfügung stehenden Daten zu Käufern, Kontext und verfügbarem Inventar, um die Wahrscheinlichkeit jedes Käufers zur Interaktion (pCTR) und Conversion (pCR) sowie seinen zu erwartenden Bestellwert (pAOV) zu berechnen.

Käufer 1
pCTR = 0,5 %, pCR = 10 %, pAOV = € 100

Käufer 2
pCTR = 0,75%, pCR = 6 %, pAOV = € 200

Käufer 3
pCTR = 1,25%, pCR = 6 %, pAOV = € 75

Diese Zahlen fließen jetzt in die Formel ein, um für jeden Käufer den jeweiligen eCPM-Wert zu berechnen – also das Gebot, das diese für euch wert sind.

Käufer 1 eCPM = € 5

Käufer 2 eCPM = € 9

Käufer 3 eCPM = € 5,62

Beachtet aber bitte: Dies ist ein äußerst vereinfachtes Beispiel, um das Konzept von eCPM zu verdeutlichen. Reale Situationen sind deutlich komplexer. Das Machine Learning hinter Predictive Bidding nutzt einen gigantischen Datenbestand sowie in Echtzeit ermittelte Signale zum Kaufinteresse, um die prognostischen Variablen der Formel sowie die weiteren Parameter zu bestimmen.

Diese Berechnungen erfolgen quasi in Echtzeit, um Käufer genau in diesem Moment ansprechen zu können. Für jede Impression benötigt Predictive Bidding nur 10 Mikrosekunden, um die relevanteste Kampagne auszuwählen, alle Variablen einschließlich des eCPM zu berechnen und in der Inventar-Aktion das passende Gebot abzugeben.

Die Criteo AI Engine spricht alle Käufer an, die einen Wert für euch haben. Und da das Predictive Bidding der Criteo AI Engine in der Lage ist, das Verhalten individuell vorherzusagen, kann es bestimmte Käufer anderen vorziehen – abhängig von euren individuellen Zielvorgaben.

Hier ist ein Beispiel. Wenn es euch vor allem um die Maximierung von Umsatz geht, kann die Criteo AI Engine ein Modell zur Umsatzoptimierung einsetzen, und so höhere Gebote für Käufer abgeben, für die ein höherer durchschnittlicher Bestellwert (Average Order Value – pAOV) vorhergesagt wird, wie Käufer 2 im bereits genannten Fall. (siehe „eCPM: Ein praktisches Beispiel“)

Wenn ihr hingegen die Conversions maximieren wollt, kann die Criteo AI Engine ein Modell zur Conversion-Optimierung einsetzen, und so höhere Gebote für Käufer mit einer höheren prognostizierten Conversion-Rate abgeben, wie Käufer 1 im bereits genannten Fall. (siehe „eCPM: Ein praktisches Beispiel“)

So kann die Criteo AI Engine sich auf eure Geschäftsziele einstellen – mithilfe einer Vielzahl von Optimierungsmodellen, die ermöglichen, den Umsatz, die Conversions, den Traffic oder sogar die Marge bestimmter Produkte in eurem Onlineshop zu maximieren.

Die Criteo AI Engine spricht alle Käufer an, die einen Wert für euch haben. Und da das Predictive Bidding der Criteo AI Engine in der Lage ist, das Verhalten individuell vorherzusagen, kann es bestimmte Käufer anderen vorziehen – abhängig von euren individuellen Zielvorgaben.

Die leistungsstarken Optimierungsmodelle von Predictive Bidding unterstützen euch bei der Maximierung eures ROI: Für jede eure Kampagnen könnt ihr die richtige Optimierungsstrategie auswählen.

[Dieses interaktive Diagramm zeigt die unterschiedlichen Ergebnisse, die sich aus den gewählten Optionen ergeben]

Zusammengefasst: Die Criteo AI Engine nutzt modernste Predictive Bidding Technologie, um den Wert von Käufern präzise zu bestimmen und so sicherzustellen, dass eure Ads genau die potentiellen Kunden ansprechen, mit denen ihr am wahrscheinlichsten die gewünschten Resultate erzielt.

Das erfordert ein Niveau von Prognosegenauigkeit, das nur mit einem großen und detaillierten Datenbestand möglich ist, wie er Criteo zur Verfügung steht.