Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Das Öl des 21. Jahrhunderts – Strategischer Einsatz von Daten im Marketing Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

4. Psychografisches Targeting – Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien

verfasst von : Gregor Hopf

Erschienen in: Data-driven Marketing

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Die sozialen Medien erlauben durch die Auswertung der dort verfügbaren Signale eine im Vergleich zu traditionellen Medien potenziell noch zielgenauere, personalisierte und unter Umständen psychografische Ansprache von marketingrelevanten Zielgruppen. Erste Forschungsergebnisse zeigen, dass durch eine psychografisch optimierte Ausspielung von Werbeinhalten Konversionsraten um potenziell bis zu 50 % gesteigert werden können (Matz et al. 2017). Neben Herausforderungen in der Umsetzung stehen aber insbesondere ethische Bedenken dem Einsatz dieser Targeting-Methode entgegen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Die Kraft effektiver Daten-Visualisierung – CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung
Nächstes Kapitel Programmatic Advertising – Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte
Fußnoten
1
Ein weiterer Vorteil des Social-Media-Marketings im Vergleich zu traditionellen Medien stellt die automatisierte Echtzeit Aussteuerung der Werbemittel dar, die eine laufende, datenbasierte Optimierung auf Basis der Nutzerreaktionen ermöglicht (Greve et al. 2011, S. 10). Dies trifft aber auch auf andere digitale Werbekanäle zu und ist nicht Betrachtungsschwerpunkt dieses Artikels.
 
2
Klassische Formen der Nutzersegmentierung, bspw. sozio-demografische Ansätze, Sinus- oder Sigma-Milieus, treten dabei immer mehr in den Hintergrund. Für eine Übersicht inklusive der digitalen Ansätze siehe Kotler et al. (2012, S. 375 ff.); Kollmann (2013, S. 83 ff.) oder Kreutzer (2012, S. 177 ff.).
 
3
In der Fachliteratur werden unterschiedliche Arten von potenziell informativen Signalen behandelt: Browsing-Verhalten des individuellen Nutzers (Boerman et al. 2017); Interessen (Aguirre et al. 2016; Tucker 2014), Online-Shopping-Verhalten (Bleier und Eisenbeiss 2015) oder Suchhistorie (Van Doorn und Hoekstra 2013). Die verhaltensbasierten Informationen können zusätzlich angereichert werden durch sozio-demografische Daten bzgl. Alter et al. (Aguirre et al. 2016) oder Bildungsniveau (Tucker 2014).
 
4
Für frühere Studien siehe Zhao et al. (2008); Bachrach et al. (2012) und Kosinski et al. (2013). Für eine aktuelle Zusammenfassung der Literatur zur Verlässlichkeit psychografischer Profilierung anhand von Online-Verhalten siehe Hinds und Joinson (2019).
 
5
Das iScience-Institut der Universität Konstanz bietet einen deutschsprachigen und nach eigenen Angaben validierten Test zur Einordnung von Nutzern in die Big Five Persönlichkeitsprofile an, siehe: http://​iscience.​uni-konstanz.​de/​de/​iexperiments/​.
 
6
Für Alternativen oder Varianten des Five Factor Models vgl. Herzberg und Roth (2014, S. 46–48). Siehe auch das Persönlichkeitsmodell im Rahmen der Limbic Map von Häusel (2008), die versucht, den Emotionsraum des Menschen anhand unterschiedlicher Charaktertypen zu strukturieren und damit eine charakteradäquate Ansprache der einzelnen Kundensegmente zu ermöglichen.
 
7
Für eine aktuelle Zusammenfassung der Literatur zu Behavioral Targeting im Allgemeinen siehe Ahrholdt et al. (2019, S. 219 ff.).
 
8
Im Unterschied zur Click-Through-Rate misst die View-Through-Rate auch diejenigen Nutzer, die nicht sofort bei Wahrnehmung der werblichen Inhalte, sondern erst zu einem späteren Zeitpunkt auf die beworbene Website gehen.
 
9
Bei der oben bereits erwähnten Kampagne um das Auto „Mini Countryman“ konnte nach Angabe der Kampagnenverantwortlichen die Conversion Rate, gemessen als Bereitschaft eine Adresse zu hinterlegen und/oder eine Probefahrt zu vereinbaren, durch psychografisches Targeting um bis zu 400 % gesteigert werden (Hedewig-Mohr 2018b).
 
10
Eine anders gelagerte, aber in ihrer Wirkrichtung verwandte Frage untersucht die potenziell negative Wirkung von „aufdringlicher“ Werbung (Obstrusiveness). Goldfarb und Tucker (2011) zeigen in ihrer Studie, dass, wenn das persuasive Ziel vom Nutzer erkannt wird, eine durch (kontextuelles) Targeting optimierte Werbung unter Umständen keine bessere Wirkung erzielt als eine nicht durch Targeting-Mechanismen beeinflusste Werbeausspielung.
 
11
Walker Reczek et al. (2016) schlagen eine alternative Lösung für das Personalisierungsparadox vor: Eine vom Nutzer bewusst als direkt auf ihn personalisiert wahrgenommene Werbung kann unter Umständen ein Gefühl der Profilierung hervorrufen und somit entgegen des Personalisierungsparadox eine Stärkung der Werbewirkung zur Folge haben.
 
12
Für eine allgemeine Diskussion von algorithmischen Identitäten im Online Marketing siehe Cheney-Lippold (2011).
 
13
Geht man von der individuellen ethischen Ebene auf eine gesellschaftliche Betrachtungsebene, so muss man darauf hinweisen, dass psychografisches Targeting grundsätzlich auch zur Verstärkung von Filterblasen beitragen kann und somit potenziell zu einer stärkeren Trennung einzelner gesellschaftlicher Gruppen voneinander, was allerdings auf alle stark personalisierten Kommunikationstechniken potenziell zutrifft.
 
14
Zentralistisch geführte Gesellschaften, deren Zentralmacht sich auch auf die jeweils vorherrschenden digitalen Plattformen erstreckt, könnten die Technik potenziell zur gezielten Ausrichtung der eigenen Kommunikation mit der Bevölkerung und somit mittelbar zur weiteren Festigung der eigenen Machtposition einsetzen.
 
Literatur
Aguirre, E., Roggeveen, A. L., Grewal, D., & Wetzels, M. (2016). The personalization-privacy paradox: Implications for new media. Journal of Consumer Marketing, 33(2), 98–110.
Ahrholdt, D., Greve, G., & Hopf, G. (2019). Online-Marketing-Intelligence – Kennzahlen, Erfolgsfaktoren und Steuerungskonzepte im Online-Marketing. Wiesbaden: Springer Gabler.
Aizen, I. (2005). Attitudes, personality, and behavior. New York: Open University Press.
Allport, G. W., & Odbert, H. S. (1936). Trait-names: A psycho-lexical study. Psychological Monographs, 1936, i-171.
Anand, B. N., & Shachar, R. (2009). Targeted advertising as a signal. Quantitative Marketing and Economics, 7(3), 237–266.
Ansari, A., & Mela, C. F. (2003). E-customization. Journal of Marketing Research, 40(2), 131–145.
Bleier, A., & Eisenbeiss, M. (2015). Personalized online advertising effectiveness: The interplay of what, when, and where. Marketing Science, 34(5), 669–688.
Boerman, S. C., Kruikemeier, S., & Zuiderveen Borgesius, F. J. (2017). Online behavioral advertising: A literature review and research agenda. Journal of Advertising, 46(3), 363–376.
Bruce, N. I., Murthis, B. P. S., & Rao, R. C. (2017). A dynamic model for digital advertising: The effects of creative format, message content, and targeting on engagement. Journal of Marketing Research, LIV, 202–218.
Ceyp, M., & Scupin, J.-P. (2013). Erfolgreiches social media marketing: Konzepte, Maßnahmen und Praxisbeispiele. Dordrecht: Springer.
Cho, C. H., & Cheon, H. J. (2004). Why do people avoid advertising on the Internet? Journal of Advertising, 33(4), 89–97.
Clancey, M. (1994). The television audience examined. Journal of advertising Research, 1994, 2–11.
Digman, J. M. (1990). Personality structure: Emergence of the five factor model. Annual Review of Psychology, 41, 417–440.
Drèze, X., & Hussherr, F.-X. (2003). Internet advertising: Is anybody watching? Journal of Interactive Marketing, 17(4), 8–23.
Eckles, D., Gordon, B. R., & Johnson, G. A. (2018). Field studies of psychologically targeted ads face threats to internal validity. PNAS, 115, E5254–E5255.
Edelman, D., & Singer, M. (2015). Competing on customer journeys. Harvard Business Review, 93, 88–100.
Elliott, M. T., & Speck, P. S. (1998). Consumer perceptions of advertising clutter and its impact across various media. Journal of Advertising Research, 38, 29–41.
Ferwerda, B., & Tkalcic, M. (2018). Predicting users’ personality from instagram pictures: Using visual and/or content features? In: Proceedings of the 26th conference on user modeling, adaptation and personalization – UMAP ’18 (S. 157–161). Singapore: ACM Press. https://​doi.​org/​10.​1145/​3209219.​3209248.
Gilmore, W., & Erdem, S. A. (2008). The future of online internet marketing – A solution to behavioral marketing using biometrics. Journal of Business & Economics Research, 6(2), 23–26.
Goldberg, L. R., Johnson, J. A., Eber, H. W., Hogan, R., Ashton, M. C., Cloninger, C. R., & Gough, H. G. (2006). The international personality item pool and the future of public-domain personality measures. Journal of Research in Personality, 2006, 84–96.
Goldfarb, A., & Tucker, C. (2011). Online display advertising: targeting and obtrusiveness. Marketing Science, 30(30), 389–404.
Greve, G., Hopf, G., & Bauer, C. (2011). Einführung in das Online targeting. In C. Bauer, G. Greve, & G. Hopf (Hrsg.), Online targeting und controlling: Grundlagen – Anwendungsfelder – Praxisbeispiele (S. 3–22). Wiesbaden: Gabler Verlag.
Häusel, H.-G. (2008). Brain View – Warum Kunden kaufen (2. Aufl.). Planegg: Haufe Verlag.
Herzberg, P. Y., & Roth, M. (2014). Persönlichkeitspsychologie. Wiesbaden: Springer.
Hirsh, J. B., Kang, S. K., & Bodenhausen, G. V. (2012). Personalized persuasion: tailoring persuasive appeals to recipients’ personality traits. Psychological Science, 23(23), 578–581.
Holland, H. (2014). Digitales Dialogmarketing. Wiesbaden: Springer Gabler.
John, O. P., Naumann, L. P. & Soto, C. J. (2008). Paradigm Shift to the Integrative Big Five Trait Taxonomy. In: von Oliver, P., John, Robins, Richard W. und Lawrence A. Pervin (Hrsg.) Handbook of Personality: Theory and Research (S. 114–158). New York: Guilford.
Jung C.G. (1902). Zur Psychologie und Pathologie sogenannter occulter Phänomene. Eine psychiatrische Studie. Diss. Univ. Zürich (Medizinische Fakultät). Mutze Verlag, Leipzig 1902. Neu herausgegeben 2011 in: Carl Gustav Jung: Psychiatrische Studien. In: Carl Gustav Jung: Gesammelte Werke. Ostfildern: Patmos Verlag. Band 1, § 1–150.
Jung, C. G., & Jung, L. (Hrsg.). (2019). Archetypen: Urbilder und Wirkkräfte des Kollektiven Unbewussten (Zweite Aufl.). Ostfildern: Patmos Verlag.
Kamps, I., & Schetter, D. (2018). Performance Marketing: der Wegweiser zu einem mess- und steuerbaren Marketing – Einführung in Instrumente, Methoden und Technik. Wiesbaden: Springer Gabler.
Kielholz, A. (2008). Online-Kommunikation: Die Psychologie Der Neuen Medien Für Die Berufspraxis. Heidelberg: Springer Medizin Verlag.
Kind, S., & Weide, S. (2017). Microtargeting: Psychometrische Analyse Mittels Big Data. Themenkurzprofil 18. Büro für Technikfolgen-Abschätzung beim deutschen Bundestag.
Kollmann, T. (2013). Online-Marketing – Grundalgen der Absatzpolitik in der Net Economy (2. Aufl.). Stuttgart: Kohlhammer.
Kotler, P., Lane Keller, K., Brady, M. K., Goodman, M., & Hansen, T. (2012). Marketing management. Harlow: Perason.
Kreutzer, R. T. (2012). Praxisorientiertes online-marketing. Wiesbaden: Gabler.
Kreutzer, R. T., Rumler, A., & Wille-Baumkauff, B. (2015). B2B-online-marketing und social media: ein Praxisleitfaden. Wiesbaden: Springer Gabler.
Kroeber-Riel, W., & Gröppel-Klein, A. (2013). Konsumentenverhalten (10. Aufl.). München: Vahlen.
Lambrecht, A., & Tucker, C. (2013). When does retargeting work? Information specificity in online advertising. Journal of Marketing Research, 50(5), 561–576.
Lee, L., & Ariely, D. (2006). Shopping goals, goal concreteness, and conditional promotions. Journal of Consumer Research, 33(1), 60–70.
Li, S., & Chatterjee, P. (2005). Reducing Shopping Cart Abandonment at Retail Websites, INFORMS Marketing Science Conference, University of Pittsburgh, Pittsburgh, June 2006.
Mark, M., & Pearson, C. S. (2001). The Hero and the outlaw. New York: Mc Graw-Hill.
Matz, S. C., & Netzer, O. (2017). Using Big Data as a window into consumers’ psychology. Current Opinion in Behavioral Sciences, 18, 7–12.
Matz, S. C., Kosinski, M., Nave, G., & Stillwell, D. J. (2018a). Reply to Eckles et al.: Facebook’s optimization algorithms are highly unlikely to explain the effects of psychological targeting. Proceedings of the National Academy of Sciences, 115(23), E5256–E5257. https://​doi.​org/​10.​1073/​pnas.​1806854115.CrossRef
Mühling, J. (2007). Targeting: Zielgruppen Exakt Online Erreichen (8. Aufl.). München: Reinhard Fischer.
Ozcelik, A. B., & Varnali, K. (2019). Effectiveness of online behavioral targeting: A psychological perspective. Electronic Commerce Research and Applications, 2019.
Park, G., Schwartz, H. A., Eichstaedt, J. C., Kern, M. L., Kosinski, M., Stillwell, D. J., Ungar, L. H., & Seligman, M. E. P. (2015). Automatic personality assessment through social media language. Journal of Personality and Social Psychology, 108(6), 934–952. https://​doi.​org/​10.​1037/​pspp0000020.CrossRef
Reschke, J., Rennhak, C., & Kraft, P. (2017). Digitale Marketing-Kommunikation. In H. H. Jung & P. Kraft (Hrsg.), Digital vernetzt. Transformation der Wertschöpfung. Szenarien, Optionen und Erfolgsmodelle für smarte Geschäftsmodelle, Produkte und Services (S. 117–128). München: Hanser Verlag.
Roesler, C. (2016). Das Archetypenkonzept C. G. Jungs: Theorie, Forschung und Anwendung. Stuttgart: Kohlhammer.
Schiffman, L. G., & Kanuk, L. L. (2010). Consumer Behavior (10. Aufl.). London: Pearson Education.
Schwartz, H. A., Eichstaedt, J. C., Kern, M. L., Dziurzynski, L., Ramones, S. M., Agrawal, M., Shah, M., Kosinski, M., Stillwell, D., Seligman, M. E. P., & Ungar, L. H. (2013). Personality, gender, and age in the language of social media: The open-vocabulary approach. Herausgegeben von Tobias Preis. PLoS ONE, 8(9), e73791. https://​doi.​org/​10.​1371/​journal.​pone.​0073791.CrossRef
Sharp, B., Danenberg, N., & Bellman, S. (2018). Psychological targeting. PNAS, 21, E7890.
Simonson, I. (2005). Determinants of customers’ responses to customized offers: Conceptual framework and research propositions. Journal of Marketing, 69(1), 32–45.
Speck, P. S., & Elliott, M. T. (1997). Predictors of advertising avoidance in print and broadcast media. Journal of Advertising, 1997, 61–67.
Tucker, C. E. (2014). Social networks, personalized advertising, and privacy controls. Journal of Marketing Research, 51(5), 546–562.
van Doorn, J., & Hoekstra, J. C. (2013). Customization of online advertising: The role of intrusiveness. Marketing Letters, 24(4), 339–351.
Walker Reczek, R., Summers, C., & Smith, R. (2016). Targeted ads don’t just make you more likely to buy — They can change how you think about yourself. Harvard Business Review.
Yoon, S.-O., & Simonson, I. (2008). Choice set configuration as a determinant of preference attribution and strength. Journal of Consumer Research, 35(2), 324–336.
Zhao, S., Grasmuck, S., & Martin, J. (2008). Identity construction on Facebook: Digital empowerment in anchored relationships. Computers in Human Behavior, 24, 1816–1836.
Metadaten
Titel
Psychografisches Targeting – Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien
verfasst von
Gregor Hopf
Copyright-Jahr
2020
Buch
Data-driven Marketing

Print ISBN: 978-3-658-29994-1

Electronic ISBN: 978-3-658-29995-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-658-29995-8_4