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 überdurchschnittlich hohes Interesse am Lieferservice von Supermärkten haben. Der Nutzer muss in den letzten 14 Tagen mindestens 2 Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die zur Kategorie Veganer gehören. Der Nutzer muss in den letzten 7 Tagen mindestens vier Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an veganer Ernährung aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Veganuary und der veganen Lebensweise sowie veganen Rezepten aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens 2 Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die zur Kategorie Vegetarier gehören. Der Nutzer muss in den letzten 7 Tagen mindestens vier Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die zur Kategorie Vegetarier gehören und sich überdurchschnittlich für eine vegetarische oder vegane Ernährung interessieren. Der Nutzer muss in den letzten 7 Tagen mindestens vier Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an vegetarischer Ernährung aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Weihnachtsrezepten 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 winterlichen Rezepten aufweisen und in Österreich leben. Der Nutzer muss in den letzten 14 Tagen mindestens 2 Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Egoshootern 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 E-Sports 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 PC-, und Konsolen-, und Online-Spielen sowie Browsergames aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet weibliche Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:
Beinhaltet weibliche österreichische Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer des Geschlechts Frau. Die Grundlage zur Hochrechnung bilden Daten der Adality. Es liegen adality Anrede-Informationen einer Person vor. Bei nicht vorliegenden Informationen zur Anrede einer Person wird über eine Vornamensanalyse das Geschlecht bestimmt. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet weibliche Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer 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 männliche Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:
Beinhaltet männliche österreichische Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer Vermarkterdaten gematched und bilden die Grundlage für die Modelle. Mittels Lookalike Modellierung erfolgt die Hochrechnung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer des Geschlechts Mann. Die Grundlage zur Hochrechnung bilden Daten der Adality. Es liegen adality Anrede-Informationen einer Person vor. Bei nicht vorliegenden Informationen zur Anrede einer Person wird über eine Vornamensanalyse das Geschlecht bestimmt. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet männliche Nutzer. Die Grundlage zur Hochrechnung bilden Hard Fact Daten unserer Dataprovider (adality, Payback und Telekom). Diese werden mit dem Bewegungsverhalten unserer 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 überdurchschnittlich hohes Interesse an Fitnessthemen aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Nachhaltigkeit und ökologischer Vertretbarkeit aufweisen. Sie sind einer bestimmten Alterskategorie zuzuordnen, sind überdurchschnittlich gebildet und besitzen eine sehr hohe Kaufkraft. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Gesundheitsthemen aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. 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 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: