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
Dieses Segment targetet den Kontext: Official. Es basiert auf Insights aus unserem ID-basierten Datenpool, welche kontextuell aktiviert werden können.
*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 Geschäftsführer oder Partner im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Geschäftsführer oder Partner im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Produktion und Handwerk als Tätigkeitsfeld im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Projektmanagement als Tätigkeitsfeld im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Vertrieb und Handel als Tätigkeitsfeld im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die sich in der Themenwelt der Selbstständigkeit & des Unternehmertums bewegt haben. Die Grundlage zur Hochrechnung bilden Daten von gutefrage.net. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die angeben, selbstständig zu sein. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Selbstständig als Karrierestufe im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Self-Employed. Es basiert auf Insights aus unserem ID-basierten Datenpool, welche kontextuell aktiviert werden können.
*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 Software Development oder IT im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Software Development oder IT im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die Student oder Praktikant als Karrierestufe im XING Profile angegeben haben. Die Grundlage zur Hochrechnung bilden Daten von XING. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die angeben, arbeitslos zu sein. Die Grundlage zur Hochrechnung bilden Umfragedaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: Unemployed. Es basiert auf Insights aus unserem ID-basierten Datenpool, welche kontextuell aktiviert werden können.
*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 Tieren aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:




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




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




Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Sport und Ernährung, Krankheiten und Symptomen, sowie an Medikamenten, Alternativmedizin und Allergien aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.m
Verfügbar auf diesen DSPs:




Dieses Segment targetet den Kontext: General Medical Health. Es basiert auf Insights aus unserem ID-basierten Datenpool, welche kontextuell aktiviert werden können.
*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 sich in der Themenwelt von Amazon Music bewegt haben. Die Grundlage zur Hochrechnung bilden Daten von gutefrage.net. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die sich in der Themenwelt von Apple Music bewegt haben. Die Grundlage zur Hochrechnung bilden Daten von gutefrage.net. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:




Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Chart-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:




Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Klassik 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 überdurchschnittlich hohes Interesse an Electro-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:



