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 sich in der Themenwelt der Säuglingspflege bewegt haben. Die Grundlage zur Hochrechnung bilden Daten von GuteFrage.net. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Kids. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Beinhaltet Nutzer, die Interesse an dem Thema: Mütter aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer ohne Kinder. Die Grundlage zur Hochrechnung bilden Informationen der Haushaltsdatenbank der AZ direct. Die Zielgruppen werden über die Haushaltsstruktur (Anzahl Personen im Haushalt, Altersstruktur der Personen, Geschlecht der Personen, Abgleich der Nachnamen usw.) gebildet. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Interesse an dem Thema: Eltern aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Interesse an Baby-Themen haben. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Interesse an dem Thema: Kleinkinder aufweisen Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Interesse an dem Thema: Kinder und Schulkinder aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Interesse an dem Thema: Teenager aufweisen Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer mit Kindern. Die Grundlage zur Hochrechnung bilden Informationen der Haushaltsdatenbank der AZ direct. Die Zielgruppen werden über die Haushaltsstruktur (Anzahl Personen im Haushalt, Altersstruktur der Personen, Geschlecht der Personen, Abgleich der Nachnamen usw.) gebildet. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer mit Kleinkindern (0-3 Jahre). Die Grundlage zur Hochrechnung bilden Informationen der Haushaltsdatenbank der AZ direct. Die Zielgruppen werden über die Haushaltsstruktur (Anzahl Personen im Haushalt, Altersstruktur der Personen, Geschlecht der Personen, Abgleich der Nachnamen usw.) gebildet. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer mit Schulkindern (>6 Jahre). Die Grundlage zur Hochrechnung bilden Informationen der Haushaltsdatenbank der AZ direct. Die Zielgruppen werden über die Haushaltsstruktur (Anzahl Personen im Haushalt, Altersstruktur der Personen, Geschlecht der Personen, Abgleich der Nachnamen usw.) gebildet. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer mit Vorschulkindern (4-6 Jahre). Die Grundlage zur Hochrechnung bilden Informationen der Haushaltsdatenbank der AZ direct. Die Zielgruppen werden über die Haushaltsstruktur (Anzahl Personen im Haushalt, Altersstruktur der Personen, Geschlecht der Personen, Abgleich der Nachnamen usw.) gebildet. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Parents. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Beinhaltet Nutzer, die Interesse an dem Thema: Beziehung und Hochzeit aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Relationship und Married. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Beinhaltet Nutzer, die Interesse an dem Thema: Single Leben aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Single. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Themen rund um den Schulstart 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:




Beinhaltet Nutzer, die Interesse an dem Thema: Familien mit Kindern/Teenagern aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Family with Children 0-3 Years. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Dieses Segment targetet den Kontext: Family with Children 4-6 Years. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Dieses Segment targetet den Kontext: Family with Children 7-14 Years. Es basiert auf IAB-Klassifizierung von Websites, die täglich gecrawlt werden.
*Reichweite ist abhängig von Inventarverfügbarkeit auf der DSP. Die Segmentierung erfolgt in Echtzeit, so dass keine Userlisten (Segmentlisten mit konkreter Reichweite) erstellt werden.




Beinhaltet Nutzer die in der Altergruppe 16-29 sind und Interesse an dem Thema Beziehung aufweisen.Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten rund um dieses Thema besucht haben. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse am Backen und Zubereiten von Nachspeisen aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:



