Ein Jahr Apples App Transparency Framework

Im April 2021 hat Apple im Rahmen von iOS 14.5 neue Datenschutzfunktionen eingeführt und damit die Mobile Marketing-Landschaft gehörig auf den Kopf gestellt. Als Teil der Änderungen müssen die Nutzer nun proaktiv der Weitergabe von Gerätekennungen wie Apples Identifier for Advertisers (IDFA) an Apps zustimmen. Aus Sicht des Datenschutzes ist dies zweifelsfrei ein positiver Schritt – für Vermarkter, die bisher auf den Zugang zu IDFA angewiesen waren, birgt er gewaltige Herausforderungen, um den Erfolg ihrer Kampagnen zu messen und den ROI ihrer Marketingausgaben zu verstehen.

Im ersten Quartal 2022 lag die Opt-in rate von Nutzer:innen in Deutschland, denen eine Aufforderung zur Weitergabe ihrer IDFA angezeigt wurde (sogenanntes Prompt), bei 43 % und damit sogar niedriger als der weltweite Durchschnitt von 46 %.

Laut einem Bericht von data.ai (ehemals App Annie) hat der weltweite Markt für mobile Werbung 2021 um 23 Prozent auf 295 Milliarden Dollar (258,5 Milliarden Euro) zugelegt – trotz der Restriktionen von Apple. 2022 rechnet data.ai mit einem weiteren Anstieg auf 350 Milliarden Dollar. Für Marketingverantwortliche drängt die Frage nach der Effizienz ihrer Ausgaben also umso mehr. Wie haben sich die Vermarkter:innen nun, ein Jahr nach der Umsetzung der neuen Datenschutzfunktionen, angepasst und worauf können sie nicht mehr verzichten?

Predictive Measurement ist im Mobile Marketing unverzichtbar geworden

Da Vermarkter nunmehr nur auf einen begrenzten Datensatz zugreifen können, gewinnt die prädiktive Messung zunehmend an Bedeutung. Denn diese ermöglicht, die Performance einer Kampagne auf der Grundlage früher Erkenntnisse genau zu bewerten. Neu ist das Messkonzept nicht, aber mit iOS 14.5 und der Einführung von Apples eigener deterministischer Attributionslösung für die Kampagnen-Messung, SKAdNetwork, wird sie entscheidend.

Was aber steckt hinter der Methode? Kurz gesagt: Predictive Measurement ermöglicht es Mobile Marketers, die Performance einer Kampagne genau zu bewerten – und zwar bevor das Budget ausgegeben wird. Selbst mit einem begrenzten Datenpool können Vermarkter:innen Prognosemodelle erstellen, die die Data Science nutzt, um abzuschätzen, welche Kampagnenstrategien die besten Ergebnisse erzielen werden. Mit der Ableitung von Verhaltensmustern aus den verfügbaren Daten können prädiktive Lösungen Optimierungschancen identifizieren, die Nutzeraktionen fördern und Ergebnisse liefern.

Im Wesentlichen schließt sich mit dieser Methode die Datenlücke, die durch die Datenschutz-Updates von Apple entstanden ist – Predictive Measurement liefert die Informationen, die von den Marketing-Abteilungen zur Planung, Umsetzung und Verbesserung erfolgreicher Kampagnen benötigt werden. Denn Apples SKAdNetwork basiert auf einem Timer-Mechanismus und dieser beschränkt die Messung auf Nutzer-Aktivitäten, die innerhalb eines kurzen Zeitrahmens, beispielsweise 24 Stunden, stattfinden. Die prädiktive Messung macht es möglich, dass Vermarkter:innen diese frühen Signale für sich nutzen, um die langfristige Kampagnen-Performance vorherzusagen.

Warum datengestützte Prognosen das Marketing beschleunigen

Im Mobile Marketing sind die wichtigsten Kennzahlen für die Ad-Performance die Kundenbindung, das Engagement und die Monetarisierung. Mit anderen Worten: Wie lange ein/e Nutzer:in sich mit einer App beschäftigt, wie er/sie mit ihr interagiert und vor allem, wie viel er/sie wahrscheinlich ausgeben wird.

Mit Hilfe von Prognosefunktionen können die spezifischen Verhaltensmuster von Nutzergruppen ermittelt werden, die das höchste Umsatzpotenzial aufweisen. Darüber hinaus können Vermarkter:innen die prädiktive Messung nutzen, um zu erfahren, welche Optimierungen das Engagement erhöhen, die Kundenbindung verbessern und die Ergebnisse maximieren. Oder aber sie identifizieren “Risiko-Nutzer:innen” und drehen an Stellschrauben, damit diese zur App zurückkehren.

So kann eine Fashion-Brand beispielsweise feststellen, dass Kunden und Kundinnen, die sich mit virtuellen Anprobefunktionen innerhalb einer App beschäftigen, mit größerer Wahrscheinlichkeit auch höhere Transaktionen tätigen. Für eine Umsatzsteigerung investieren Vermarkter:innen dementsprechend in die Ansprache von Zielgruppen mit hohem Potenzial und / oder passen ihre Taktik an, um weniger performante User:innen zur Nutzung dieser Funktionen zu bewegen.

Durch den Aufbau einer umfangreichen Datenbank zum Nutzerverhaltens im Laufe der Zeit können Vermarkter:innen die prädiktive Modellierung nutzen, um ein genaueres Verständnis der Muster zu erlangen, die auf wertvolle Nutzercluster hinweisen. Mit diesen Erkenntnissen optimieren sie ihre Kampagnen schnell und sparen unnötige Ausgaben, um die Ergebnisse ihrer Investitionen zu maximieren.

Ein Blick in die Zukunft

Seit iOS 14.5 legt das Ökosystem sicherlich nochmals verstärkt Wert auf den Schutz der Privatsphäre der Nutzer:innen. Google hat erst vor Kurzem die Einführung der Privacy Sandbox für Android angekündigt. Auch gibt es zahlreiche technologische Innovationen, die sicherstellen, dass Vermarkter ihre Kampagnen unter Wahrung der Privatsphäre umsetzen und messen können.

Bei der Durchführung und Messung von Kampagnen in einer datenschutzfreundlichen Welt gibt es aber nicht die eine Lösung, die für alle passt. Vielmehr gibt es eine Reihe verschiedener Ansätze für Vermarkter:innen sowie neue Messmodelle, die ihre jeweiligen Vor- und Nachteile bergen. Predicitive Measurement ist zweifelsohne eines der wichtigsten in diesem Diskurs. Marketing-Verantwortliche, die verstehen, was für sie am besten funktioniert, und die gleichzeitig gewillt sind, sich bei künftigen Veränderungen neu anzupassen, sind für die Zukunft am besten aufgestellt und werden auch weiterhin erfolgreich datengetriebenes Mobile Marketing betreiben