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 die Homepage von Kleinanzeigen besucht haben. Die Grundlage zur Hochrechnung bilden Daten von Kleinanzeigen. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die Interesse an Mietwohnungen und Häuser zum Mieten zeigen. Die Grundlage zur Hochrechnung bilden Daten von Kleinanzeigen. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Versicherungen 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 IT-Branche 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 dem Thema Küchenmöbel aufweisen. 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 Geschäftführung und führender Positionen 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 Lifestyle. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit hohem Interesse an Live-Ticker-Apps. Der Nutzer muss in den letzten 30 Tagen mindestens einen Webseitenaufruf in einer entsprechenden App gehabt haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittliches Interesse an Themen rund um Muttertag wie beispielsweise Schmuck und andere Geschenkideen haben. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die Interesse an Umzügen & Transport 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 Musik und Musikstreaming. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit die Gelegenheitszuschauer von Fußball sind und Interesse an Public Viewing Events sind. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem entsprechenden Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Outdoor Aktivitäten. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Fotografie. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Produktivität. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer die überdurchschnittlich hohes Interesse an der Immobilienbranche 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 mit überdurchschnittlich hohem Interesse an Mode und Shopping. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an sozialen Netzwerken. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittlich hohes Interesse an Sport- und Fitness 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 Sport. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittliches Interesse an Themen rund um den Frühling wie beispielsweise Frühlingsdekoration, Essen und Aktivitäten haben. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die überdurchschnittliches Interesse an Themen rund um Frühlingsstyles wie beispielsweise Frühlingstrends, Frühlingsfrisuren, Frühlingsschmuck oder Outfits und Kleidung für den Frühling haben. Der Nutzer muss in den letzten 14 Tagen mindestens zwei Webseiten zu dem Thema besucht haben.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Technologie und IT. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer mit überdurchschnittlich hohem Interesse an Reisen. Der Nutzer muss eine hohe Nutzungsfrequenz von Apps in dieser Kategorie aufweisen.
Verfügbar auf diesen DSPs:
Beinhaltet Nutzer, die Interesse an Ferienwohnung und Auslandunterkünfte zeigen. Die Grundlage zur Hochrechnung bilden Daten von Kleinanzeigen. Die Hochrechnung erfolgt mittels Lookalike-Modellierung.
Verfügbar auf diesen DSPs: