AI & Machine Learning im Digital-Marketing

Wie wir KI und maschinelles Lernen schon heute für die Optimierung digitaler Werbung nutzen können

Höchste Zeit für die Frage aller Fragen: Welche neuen Trends, Chancen und Herausforderungen werden unsere Branche 2019 am meisten prägen? Genau das wollten wir im Rahmen einer aktuellen IAS Umfrage von über 900 Mediaverantwortlichen wissen, die gemeinsam die gesamte Buy- und Sell-Seite des digitalen Marketings repräsentieren. Das größte Potenzial sehen die Befragten demnach im Einsatz von Künstliche Intelligenz (KI) und maschinellem Lernen. Vor allem Agenturen, Marken, Verlage und Technologieplattformen sind sich einig, dass diese Technologien einen Paradigmenwechsel für die digitale Werbung mit sich bringen. Gleichzeitig zeigt die Studie aber auch, dass längst noch nicht allen klar ist, welchen konkreten Mehrwert KI und maschinelles Lernen für den Geschäftserfolg bieten können.

Ein Kundenbetreuer eines großen Ad-Tech-Anbieters bringt das Problem in der IAS Studie ziemlich gut auf den Punkt: „Jeder möchte bei KI und maschinelles Lernen mitmischen“, schrieb die Führungskraft, „aber meiner Meinung nach ist es sehr unklar, was das überhaupt bedeutet. Gibt es wirklich Erfolgstreiber, die zu hundert Prozent KI sind?“ Dies ist ein Gefühl, das in den letzten Jahren immer verbreiteter ist. Denn längst haben sich KI und maschinelles Lernen von einer theoretischen Technologie zu anwendbaren Tools entwickelt, die umfassend verfügbar sind. Doch die wenigsten haben bereits verstanden, was KI für die digitale Werbebranche bedeutet.

Um etwas Klarheit in diese Diskussion zu bringen, zeigen wir Ihnen drei Möglichkeiten, wie IAS maschinelles Lernen und künstliche Intelligenz aktuell einsetzt, um die Qualität digitaler Werbung zu verbessern.

1. Browser- und Geräteanalyse ‒ Maschinelles Lernen ermöglicht es uns, Quellen von Invalid Traffic zu identifizieren. Hierzu ordnen die smarten Algorithmen die Browser-Features dem User Agent zu. Diese Art der Zuordnung wird fälschlicherweise oft als deterministisch angesehen. Richtig ist jedoch: Ohne den Einsatz des maschinellen Lernens wäre es unmöglich, zentrale Muster in solch gewaltigen Datensätzen zu erkennen. Richtig angewendet und mit ausreichenden Daten versorgt, kann diese Erkennungsmethode dazu beitragen, ganze Bot-Netzwerke auszumerzen.
2. Verhaltens- und Netzwerkanalyse ‒ Wir nutzen Big Data, um reales Nutzerverhalten von Bot-Verhalten zu unterscheiden. Im Fokus steht dabei die Suche nach Anomalien innerhalb des Websitesbesuchs. Da ihr Verhalten automatisiert ist, neigen die meisten Bots dazu, immer wieder dieselben Domaingruppen zu besuchen. Indem wir solche Muster erkennen, können wir Bots ausfindig machen und herausfiltern. Schließlich besuchen die meisten Menschen nicht immer wieder die gleichen Websites, in genau der gleichen Reihenfolge, und das mehrmals am Tag. Werden nur bestimmte Domains besucht, überprüfen wir diese Muster auf Bot-Aktivitäten und markieren diesen Traffic gegebenenfalls als betrügerisch. Unterschiedliche Methoden des maschinellen Lernens identifizieren dabei Muster im Datenverkehr, die für menschliche Analysten nicht sofort ersichtlich sind.

IAS analysiert bis zu 10 Milliarden Impressionen pro Tag. Diese Größenordnung ermöglicht es uns, Modelle für das maschinelle Lernen zu entwickeln, die Betrug wesentlich effizienter vorhersagen können als die deutlich limitierteren Methoden anderer Anbieter. Dank dieser Modelle sind wir in der Lage, schnell auf neue Betrugsmethoden zu reagieren und sämtliche Bots abzuwehren, die versuchen, unsere Technologie zu umgehen. Große Marken wie Uber und Amazon nutzen große Datenmengen und maschinelles Lernen, um wichtige technologische Innovationen voranzutreiben – von fahrerlosen Autos bis hin zu Drohnenlieferdiensten. Wir glauben, dass auch Marketer Zugang zu den gleichen prädiktiven Technologien verdienen, um ihre digitalen Werbeinvestitionen zu schützen.

3. KI für Brand Safety ‒ Bei IAS nutzen wir KI nicht zuletzt, um unsere Brand-Safety-Lösungen zu automatisieren. Durch maschinelles Lernen, das von unserem umfangreichen Data-Science-Team gemanagt wird, sind unsere Lösungen in der Lage, die Analyse digitaler Werberessourcen kontinuierlich zu verbessern. So können sie die Eignung neuer Webseiten inzwischen automatisch bewerten und bestimmen, ohne dass eine explizite Programmierung erforderlich ist. Wir verwenden KI, um unsere Brand-Safety-Angebote zu skalieren. Zusätzlich überprüfen und verbessern Menschen kontinuierlich unsere Modelle, sodass wir mit der rasanten Entwicklung im Bereich riskanter Inhalte zu jeder Zeit Schritt halten können.

Wie unsere Branchen-Kollegen sehen wir ein enormes Potenzial in den Bereichen KI und maschinelles Lernen, um die Transformation unseres Business weiter voranzutreiben. Es ist zwar noch zu früh, um zu sagen, dass wir alle Potenziale erkannt und ausgeschöpft haben. Aber es ist jetzt schon klar, dass diese Technologien dazu beitragen können, die Mediaqualität fortlaufend zu erhöhen. Wichtig ist jedoch, diese Innovationen nicht als reines Zukunftsthema zu betrachten. Denn: Wie die obigen Beispiele zeigen, sind KI und maschinelles Lernen bereits heute Teil unseres Geschäfts.

Alle weiteren Ergebnisse unserer Entscheiderumfrage haben wir im IAS Industry Pulse veröffentlicht. Laden Sie sich den vollständigen Bericht herunter, um mehr über die zentralen Chancen und Herausforderungen des digitalen Marketings 2019 zu erfahren.