RTL hatte die Zielgruppe von RTL+ eigenständig in elf „Communities of Interest“ segmentiert. Gemeinsam mit AIlon sollten diese Segmente in präzise Targetings für die programmatische Aussteuerung übersetzt werden. Während der Datenarbeit zeigte sich, dass die Fokuszielgruppe der Omni Streamer noch zu heterogen war. Durch eine zusätzliche Subsegmentierung entstanden zwei differenzierte Zielgruppen, die anschließend gezielt aktiviert werden konnten.
Verbesserung des Zielgruppentargetings | 15 Prozentpunkte mehr Markenbekanntheit | 40% geringere Cost per Order
| Kunde | RTL Deutschland |
| Branche | Medien und Unterhaltung |
| Herausforderung | Die Reichweiten-Zielgruppe von RTL+ war zu wenig differenziert und damit nicht trennscharf genug für eine effiziente Targeting-Ansprache. |
| Projektziel | Zielgruppensegmente in präzise und programmatisch aktivierbare Targetings übersetzen. |
| Vorgehensweise | Remodellierung des RTL-Segments der "Omni-Streamer", Homogenitätsanalyse des Segments, Bildung trennscharfer Subsegmente und Berechnung präziser Targetings für die programmatische Aktivierung. |
| Analytische Erkenntnis | Die Omni Streamer bildeten noch keine ausreichend trennscharfe Zielgruppe für eine gemeinsame Aktivierung. |
| Projektoutput | Zwei differenzierte Subsegmente ("Young Professionals" und "Best Ager") und jeweils ein präzises Targeting. |
| Ergebnis | Jeweils +15 Prozentpunkte Uplift bei ungestützter Markenbekanntheit und Ad Recall gegenüber der Kontrollgruppe sowie bessere Performancewerte als beim klassischen Interessens-Targeting. |
RTL+ vereint TV Inhalte, Sport Livestreams, exklusive Serien und eigene Produktionen auf einer Plattform. Entsprechend vielfältig sind die Interessen, Lebenssituationen und Nutzungsmotive der potenziellen Zuschauerinnen und Zuschauer.
Um diese Vielfalt strukturiert abzubilden, hatte RTL die Zielgruppe für RTL+ eigenständig in elf „Communities of Interest“ segmentiert. Im nächsten Schritt sollten die entwickelten Zielgruppensegmente in mediale Targetings übersetzt und für digitale Kampagnen aktiviert werden.
Im Fokus stand die Community der Omni Streamer. Für diese Zielgruppe sollte ein präzises Targeting entstehen, das ihre relevanten Eigenschaften möglichst trennscharf abbildet. Die zentrale Aufgabe bestand damit zunächst in der Übersetzung eines bereits vorhandenen RTL Segments in eine programmatisch aktivierbare Zielgruppe.
AIlon modellierte die von RTL definierten Omni Streamer nach und analysierte ihre prägenden Merkmale.
Ziel dieser Datenarbeit war es, die Eigenschaften zu identifizieren, über die sich das bestehende Segment zuverlässig in ein Targeting überführen ließ.
Dabei wurde eine zusätzliche Herausforderung sichtbar: Die Omni Streamer wiesen innerhalb des Segments noch deutliche Unterschiede auf. Ein gemeinsames Targeting hätte diese Heterogenität nur eingeschränkt berücksichtigt und die Zielgruppe weniger präzise abgebildet.
Die Fokuszielgruppe wurde deshalb mithilfe einer algorithmischen Segmentierung weiter untersucht und in zwei Subsegmente aufgeteilt: Young Professionals und Best Ager. Die beiden Gruppen bildeten jeweils ein eigenständiges Eigenschaftsmodell innerhalb der ursprünglich von RTL definierten Community.
AIlon analysierte anschließend die unterscheidenden Eigenschaften beider Subsegmente und übersetzte sie in separate Targetingdefinitionen. Auf diese Weise entstanden aus einem breiteren RTL Segment zwei präziser beschriebene Zielgruppen, die programmatisch aktiviert werden konnten.
Das Projekt führte zu zwei aktivierbaren Targetings für Young Professionals und Best Ager. RTL konnte die Fokuszielgruppe dadurch differenzierter ansprechen und die ursprünglich entwickelte Segmentierungslogik für die operative Mediaaktivierung nutzbar machen.
Die Leistungswerte der Targetings wurden mit einem intuitiv gebildeten Interessen Targeting verglichen. Zusätzlich untersuchte eine Brandlift Messung die Wirkung gegenüber einer nicht von der Kampagne erreichten Kontrollgruppe.
Gegenüber der Kontrollgruppe erzielte das AIlon Targeting einen Uplift von 15 Prozentpunkten bei der ungestützten Markenbekanntheit und 16 Prozentpunkten bei der gestützten Markenbekanntheit. Der Ad Recall lag um den Faktor 3 höher. Auch bei den operativen Kampagnenkennzahlen zeigte sich eine deutliche Verbesserung: Der Anteil neuer Nutzer stieg um 50 Prozent, während die Cost per Order um 40 Prozent sanken.
Der Case zeigt, wie vorhandene Kundensegmente mit AIlon in präzise Targetings übersetzt werden können. Gleichzeitig macht er deutlich, welchen Wert die Datenarbeit während dieser Übersetzung schafft: Sie kann relevante Unterschiede innerhalb eines bestehenden Segments aufdecken und damit eine noch differenziertere Aktivierung ermöglichen.
"Wir konnten die Brand Metriken für RTL+ effektiv steigern und haben wesentlich bessere Ergebnisse erzielt als mit dem Einsatz klassischer, interessensbasierter Targetings. Wir sind überzeugt!" Kirsten Nachtigall, Vice President Brand & Marketing, RTL Deutschland