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 mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden Hard Fact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet österreichische Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden Hard Fact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden Hard Fact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die die Gehaltsspanne 40.000€-50.000€ 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 die Gehaltsspanne 50.000€-60.000€ 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 mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden Hard Fact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit einem entsprechenden Haushaltsnettoeinkommen. Die Grundlage zur Hochrechnung bilden HardFact Daten der emetriq Dataprovider (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.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die die Gehaltsspanne 60.000€-70.000€ 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 die Gehaltsspanne 70.000€-80.000€ 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 die Gehaltsspanne 80.000€-90.000€ 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 die Gehaltsspanne 90.000€-100.000€ 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 mit überdurchschnittlich hohem Interesse an Strategiespielen. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse am landwirtschaftlichen Bereich 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 überdurchschnittlich hohes Interesse an Themen bezüglich Architektur 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 überdurchschnittlich hohes Interesse an Automobilthemen (vor allem "Bastler") 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 mit überdurchschnittlich hohem Interesse an Autos und Nutzfahrzeugen. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an der Automobilbranche 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 überdurchschnittlich hohes Interesse an Beauty 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 mit überdurchschnittlich hohem Interesse an Büchern und Literatur. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Gelegenheitsspielen. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an Themen wie Nachhaltigkeit und Umweltschutz haben. Der Nutzer muss in den letzten 7 Tagen mindestens 2 Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die Interesse an Gewerbeimmobilien zeigen. Die Grundlage zur Hochrechnung bilden Daten von Kleinanzeigen. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs: