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 an Gesundheit und Nachhaltigkeit, Fitness und gesunder Ernährung sowie Klimawandel und Umweltschutz aufweisen. Dabei handelt es sich um Nutzer mit einem erhöhten HHNE, höherem Bildungsstand und einem Interesse an qualitativ hochwertigen Produkten. 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 Meditation, Spiritualität und Achtsamkeit aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens eine Webseite zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Wandern, Fahrradtouren sowie anderen Outdoor Aktivitäten und Abenteuerurlauben aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.r
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Nachhaltigkeit 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 österreichische Nutzer, die überdurchschnittlich hohes Interesse an Nachhaltigkeit 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 Wellness aufweisen. Die Grundlage zur Hochrechnung bilden Informationen aus der Transaktionsdatenbank von AZ direct. Durch unterschiedlichste Kooperationspartner hat die AZ Zugriff auf aktuell ca. 320 Millionen Transaktionsdaten. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein hohes Haushaltsnettoeinkommen verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein Haushaltsnettoeinkommen der höchsten Stufe verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein niedriges Haushaltsnettoeinkommen verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen. Klass
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein mittleres Haushaltsnettoeinkommen verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen. Klass
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein sehr hohes Haushaltsnettoeinkommen verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die über ein sehr niedriges Haushaltsnettoeinkommen verfügen. Die Grundlage zur Hochrechnung des wahrscheinlichen Haushaltseinkommens beruht in erster Linie auf Informationen von Adality zum Wohnumfeld - wie etwa der Wohnlage, der Gebäudegröße, der Bonität sowie auf einigen der Kfz-Merkmale. Diese Einschätzung wird in einem zweiten Schritt anhand von Informationen zum Haushalt im Rahmen eines generischen Modells noch einmal angepasst und verfeinert. Dabei beeinflussen Informationen über die Haushaltszusammensetzung, zur Alterstruktur sowie die Kinderwahrscheinlichkeit die endgültige Einstufung in 6 Klassen.sen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an technischen Themen aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet österreichische Nutzer, die überdurchschnittlich hohes Interesse an technischen Themen 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 Wintersportarten 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 sich in der Themenwelt des Fahrrads & E-Bikes 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 Geschäftsreisen 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 sich in der Themenwelt des Campens & Outdoor 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 Basteln und Dekorieren sowie Hobby-Handarbeit wie Stricken und Nähen aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.u
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an umweltrelevanten Themen wie Natur, Erderwärmung, Umweltschutz, Nachhaltigkeit und erneuerbare Energien aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.t
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Kameras, Fotografie, Kunst und technischem Zubehör aufweisen. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.n
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse am Schwimmen 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 Spielzeug 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 Wassersport 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 Wintersportarten 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: