Ob Standard, Contextual oder Cookieless Targeting – für jede Kampagne die richtige Zielgruppe: Browse durch über 700 reichweitenstarke und qualitativ hochwertige Segmente und kopiere deine Auswahl gleich in deine genutzte DSP zur einfachen Suche oder Buchung.
So funktioniert’s
Beinhaltet Nutzer, die dem Milieu der spaß-‐ und erlebnisorientierten, modernen Unterschicht / unteren Mitte zugehörig sind: Sie leben im Hier und Jetzt, sind unbekümmert und spontan. Diese Zielgruppe ist häufig angepasst im Beruf, aber bricht in der Freizeit aus den Zwängen des Alltags aus. Grundlage zur Hochrechnung bilden Daten der microm Sinus Milieus. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer der Altersgruppe 45-49. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (GfK, adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten der Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung. Dieses Segment ist für Kampagnen mit hohen Reichweitenzielen konzipiert.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die angeben, im Ruhestand zu sein. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die angeben, eine eigene Wohnung zu besitzen. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die angeben, eine eigene Wohnung oder ein eigenes Haus zu besitzen. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an gesunder Ernährung aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseite zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die besagte Automarke aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die über ein Haushaltsnettoeinkommen von 2.500-4.000€ verfügen. Die Grundlage zur Hochrechnung bilden Daten von der GfK. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die aktuelles Onlineshopping-Interesse aufweisen. Die Grundlage zur Hochrechnung bilden Bewegungsdaten. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für Transporter aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer der Altersgruppe 30-34. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (GfK, adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten der Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung. Dieses Segment ist für Kampagnen mit hohen Reichweitenzielen konzipiert.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer der Altersgruppe 35-39. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (GfK, adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten der Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung. Dieses Segment ist für Kampagnen mit hohen Reichweitenzielen konzipiert.
Verfügbar auf diesen DSPs:Größtenteils 50+, hohes Einkommen, Kreuzfahrten, Kultur und Werte, Nachrichten, Lineares Fernsehen, Printzeitschriften und Radio, Kochen und Genuss, Bücher
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die angeben, Beamte zu sein. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an gesunder Ernährung und einem gesunden Lebensstil aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer ohne abgeschlossene Schulbildung. Die Grundlage zur Hochrechnung bilden Umfragedaten sowie HardFact Daten der GfK. Diese werden mit dem Bewegungsverhalten der Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die Kategorie SUV aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die Kategorie SUV aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die besagte Automarke aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die besagte Automarke aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Kaufinteresse für die besagte Automarke aufweisen. Der Nutzer muss in den letzten 30 Tagen mindestens 7 Websiten zu dem entsprechenden Thema besucht haben. Die Grundlage zur Hochrechnung bilden Bewegungsdaten von mobile.de. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse am Cyber Monday aufweisen. Die Grundlage zur Hochrechnung bilden Bewegungsdaten. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Black-Week Sale Angeboten aufweisen. Die Grundlage zur Hochrechnung bilden Bewegungsdaten. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Mundschutzen aufweisen. Die Grundlage zur Hochrechnung bilden Bewegungsdaten. Der Nutzer muss in den letzten 7 Tagen mindestens fünf Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Rock-Musik aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs: