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 Pendlerthemen 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 Interesse an Eigentumswohnungen zeigen. Die Grundlage zur Hochrechnung bilden Daten von Kleinanzeigen. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Dating. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Design und Kunst. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an Inklusion, Vielfältigkeit und female Empowerment haben 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 Do-It-Yourself 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 überdurchschnittliches Interesse an Themen rund um Ostern wie beispielsweise Osterdekoration, Aktivitäten zu Ostern, das Osterfest, Ostergeschenke, Osterkörbchen und Ostereiergestaltung haben. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Rezepten und Artikeln zum Thema Ostern aufweisen. Die Grundlage zur Hochrechnung bilden Daten von EAT SMARTER. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Bildung. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an der Ingenieursbranche 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 Entertainment 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 Familie. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Fashion 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 Finanzen und Banking. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an der Finanzbranche haben. Der Nutzer muss in den letzten 7 Tagen mindestens 3 Webseiten zu dem entsprechenden Thema besucht haben. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Essen und Trinken 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 Essen und Trinken. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an Geschenkideen für Kinder 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 Geschenkideen für Männer 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 Geschenkideen für Frauen 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 Gesundheit 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 überdurchschnittlich hohes Interesse an der Gesundheitsbranche 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 Krankenverischerungen und Themen bezüglich Krankenversicherung 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 mit überdurchschnittlich hohem Interesse an einem gesunden Lebensstil. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Haus & Garten 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: