Optimierung der Werbewirksamkeit durch den Einsatz
Werbung
e-Journal of Practical Business Research Optimierung der Werbewirksamkeit durch den Einsatz personalisierter Werbetechniken am Beispiel von Plista RecommendationAds. Birk Angermann, Hans-Georg Beyer, Hin-Hey Chung, Martin Huth, Fabian Müßig Erschienen im e-Journal of Practical Business Research unter: http://www.e-journal-of-pbr.info Werbung im Internet gehört mittlerweile zum Standardrepertoire von Werbetreibenden. Von besonderem Interesse sind Werbeformen, welche die Möglichkeiten des Internets für Kommunikation, Datenerfassung und -auswertung ausschöpfen. Ein Beispiel dafür sind sogenannte RecommendationAds. Die Verfasser analysieren mit Plista einen typischen Vertreter dieser Werbeform und identifizieren Nutzenpotenziale für die beteiligten Akteure. Zitation: Angermann, B./ Beyer, H.-G./ Chung, H.-H./ Huth, M./ Müßig, F. (2010): Optimierung der Werbewirksamkeit durch den Einsatz personalisierter Werbetechniken am Beispiel von Plista RecommendationAds. In: e-Journal of Practical Business Research, Sonderausgabe Best of WI07, DOI: 10.3206/0000000035 1. Einleitung “ Der Online-Werbemarkt in Deutschland erlebte 2009 ein Rekordjahr.“1 Mit 18% Wachstum im Vergleich zu 2008 ist der Online-Werbemarkt seit Jahren stark am wachsen. Sowohl für Werbetreibende (Advertiser) als auch für Werbeanzeigende (Publisher) ist Online-Werbung äußerst attraktiv, da die Werbung gezielter gesteuert werden kann und besser die gewünschte Zielgruppe erreicht. Außerdem führt das Schalten von relevanter Werbung zur längeren Verweildauer auf der Seite und eine Monetarisierung der Seite ist möglich. Insbesondere versprechen Personalisierungstechnologien eine noch bessere Werbewirksamkeit2. Dieser Artikel beleuchtet verschiedene Targeting-Formen sowie Personalisierungstechnologien und erläutert den Einsatz dieser Verfahren am konkreten Beispiel des Produkts plista RecommendationAds. Einleitend werden Begriffsdefinitionen gegeben. Diese werden im praktischen Teil der Fallstudie plista aufgegriffen und mit plista RecommendationAds in Kontext gesetzt. Dabei wird es fokussiert mit Googles Content-Network - dem Marktführer im Online Werbemarkt – verglichen. Anschließend wird im Fazit nach einer kurzen Zusammenfassung der Nutzen für Advertiser und Publisher herausgestellt. 2. Theoretische Grundlagen Zur Schaffung eines einheitlichen Begriffsverständnisses werden im Folgenden einige Begriffsdefinitionen erarbeitet. Da es im Bereich der Online-Werbung eine Vielzahl an Kennzahlen und Technologien zur Auslieferung der Werbemittel gibt, werden nachfolgend besagte Aspekte näher betrachtet, welche für die Bearbeitung der Fallstudie Plista notwendig sind. 2.1 Kategorisierung der Advertiser Advertiser lassen sich in konversionsorientierte und reichweitenorientierte Advertiser unterscheiden. Konversion „beschreibt die Umwandlung eines passiven Interessenten (Websitebesucher) in einen aktiven Geschäftspartner […].“ Aktive Geschäftspartner sind u.a. Käufer, Abonnenten sowie Nachfrager von Informationen oder Leistungen.3 Demzufolge erhoffen sich konversionsorientierte Advertiser eine direkte Reaktion der Websitebesucher auf ihre Werbemaßnahmen. 1 Vgl. Bitkom 2010 (Internetquelle). Werbewirksamkeit wird in der Literatur häufig mit Werbeerfolg gleich gesetzt. Allgemein beschreibt sie den Grad der Zielerreichung einer Werbemaßnahme, also das Verhältnis zwischen eingesetzten Mitteln und Werbewirkung. (www.gwa.de, 2008, Internetquelle). 3 Vgl. Kratz 2009, S. 361. 2 2 Im Marketing beschreibt die Reichweite die Anzahl potentieller Kunden, die mit einem Werbeträger erreicht werden können.4 Beim Internet-Marketing ist die Reichweite beispielsweise die Anzahl der Kontakte eines potentiellen Kunden mit einer Website.5 Folglich sind reichweitenorientierte Advertiser im Gegensatz zu konversionsorientierten nicht vorrangig an einer unmittelbaren Reaktion des Nutzers interessiert. Ihr Ziel ist es viel mehr, dass das Werbeobjekt vom potentiellen Kunden wahrgenommen wird. Im nachfolgenden Abschnitt soll nun ein Überblick über aktuell eingesetzte Online-Werbemittel gegeben werden. 2.2 Online-Werbemittel Für die Einteilung von Online-Werbemitteln gibt es derzeit noch keine Standardisierung. Aus diesem Grund werden in dieser Arbeit die folgenden drei Kategorien unterschieden: Display-Werbung: Unter die Kategorie Display-Werbung fallen alle grafischen Online-Werbemittel wie Bilder, Animationen oder Videos. Typische Vertreter für grafische Online-Werbemittel sind u.a. Banner, Buttons und Video-Ads.6 Neben den vielen verschiedenen Anzeigeformaten wird bei der Umsetzung grafischer Online-Werbemittel weiterhin danach unterschieden, ob - das Online-Werbemittel direkt in den Inhalt der Website integriert ist, - in einer Ebene über dem eigentlichen Inhalt der Website erscheint oder - in einem zusätzlichen Fenster geöffnet wird.7 Für den weiteren Verlauf der Arbeit sind lediglich integrierte Online-Werbemittel von Bedeutung. Abbildung 1 zeigt ein Beispiel für ein integriertes Werbebanner. Abbildung 1: Beispiel integrierter Werbebanner Quelle: http://www.wiwo.de (Zugriff am 20. April 2010) 4 Vgl. LexisNexis Deutschland GmbH (Internetquelle). Vgl. Fritz 2004, S. 271. 6 Vgl. Lammenett 2009, S. 38 ff. 7 Vgl. Fritz, Internet-Marketing und Electronic Commerce 2004, S. 217 ff. 5 3 Text-Links: Das Gegenstück zur eben erläuterten Display-Werbung bilden sogenannte Text-Links. Text-Links sind vorformulierte, verlinkte Texte, welche auf der Website integriert werden.8 Text-Links werden speziell im Suchmaschinenmarketing häufig eingesetzt. Abbildung 2 zeigt ein Beispiel für solche TextLinks. Abbildung 2: Beispiel für Text-Links Quelle: http://www.wiwo.de (Zugriff am 20. April 2010) Für die Bearbeitung der vorliegenden Fallstudie von besonderer Bedeutung sind Kombinationen aus grafischen und textuellen Online-Werbemitteln, dabei werden die beiden zuvor erklärten Verfahren miteinander kombiniert. Abbildung 3 zeigt ein Beispiel für eine Text-Bild-Kombination. Abbildung 3: Beispiel Text-Bild-Kombination Quelle: http://www.wiwo.de (Zugriff am 20. April 2010) 8 Vgl. Lammenett 2009, S. 38. 4 2.3 Kennzahlen Zur Messung der Werbewirksamkeit von Online-Marketing-Maßnahmen sind verschiedene Kennzahlen von Bedeutung. Im Rahmen dieser Arbeit werden speziell die AdClicks, AdImpressions, die Click-Through-Rate (CTR) sowie die Reichweite betrachtet. Die Kennzahl AdClicks beschreibt die Anzahl der Klicks der Nutzer auf ein Online-Werbemittel. Die Kennzahl AdImpressions beschreibt wie oft ein Online-Werbemittel einem Websitebesucher angezeigt wurde.9 Die sogenannte Click-Through-Rate beschreibt das Verhältnis von AdClicks zu AdImpressions. Sie gilt als Maß für die Effizienz eines Online-Werbemittels.10 Da sich mit der Click-Through-Rate die direkte Reaktion der Websitebesucher messen lässt, ist die Click-Through-Rate besonders für konversionsorientierte Advertiser von Bedeutung. Die vierte hier genannte Kennzahl ist die Reichweite. Wie bereits unter Punkt 2.1 erläutert, gibt sie an, wie viele potentielle Nutzer mit einem Werbemittel erreicht werden können und ist somit eine wichtige Messgröße für reichweitenorientierte Advertiser. 2.4 Technologien Neben den bereits erwähnten Formen der Werbemittel gibt es verschiedene Methoden und Technologien Websitebesucher anzusprechen und die Werbemittel auszuliefern. 2.4.1 Targeting Targeting kommt aus dem Englischen und bedeutet so viel wie zielgruppenorientierte Werbung. Um Streuverluste durch die Ansprache falscher Zielgruppen zu vermeiden, werden verschiedene Targeting-Techniken eingesetzt.11 Nachfolgend werden Behavioral Targeting, Re-Targeting und Keyword Targeting näher betrachtet. Keyword Targeting Das Keyword Targeting ist eine relativ einfach umzusetzende Form des Targeting. Dazu werden die Werbebotschaften in Abhängigkeit von einzelnen Begriffen, die im angeforderten Text enthalten sind oder abhängig von eingegebenen Suchbegriffen, ausgeliefert. Diese Form des Targeting wird häufig 9 Vgl. Fritz 2004, S. 333. Vgl. ebenda, S. 334. 11 Vgl. www.marketing-lexikon-online.de (Internetquelle). 10 5 im Suchmaschinen-Marketing eingesetzt.12 So werden z.B. bei der Google-Suche auf den Suchbegriff abgestimmte Werbeanzeigen eingeblendet. Ein Problem dieser Methode ist die Mehrdeutigkeit vieler Begriffe, so erschließt sich deren Bedeutung erst durch den Kontext. Eine Weiterentwicklung zum Keyword Targeting stellt das Semantic Targeting dar. Hierbei werden manuell angelegte lexikalische Listen zur Bewertung des Inhalts herangezogen, um so unpassende Werbeeinblendungen zu unterbinden. Ein Negativbeispiel könnte die Werbeeinblendung einer Fluggesellschaft im Zusammenhang mit einem Bericht eines Flugzeugabsturzes sein. Durch semantisches Targeting kann das vermieden werden, jedoch ist die Pflege der lexikalischen Listen sehr aufwändig.13 Behavioral Targeting: Eine weitere wichtige Targeting-Methode ist das Behavioral Targeting. Bei dieser Methode werden Verhaltensmuster und Interessensprofile des Nutzers gespeichert. Solche Informationen können Aufschluss geben über Konsumverhalten, Vorlieben, Alter, Herkunft, etc. Durch den Einsatz von Cookies können Nutzer auch eindeutig identifiziert werden, die kein selbst angelegtes Benutzerprofil besitzen. Aus den so gesammelten Informationen können Schlüsse auf die möglichen Interessen der Nutzer gezogen werden. Das wiederum ermöglicht es, dem Nutzer für ihn relevante Inhalte bzw. Werbebotschaften einzublenden.14 Re‐Targeting: Mithilfe des Re-Targeting können Nutzer, die bereits einmal auf der Website eines Werbetreibenden aktiv waren, zu einem späteren Zeitpunkt mit Werbebotschaften eben dieses Werbetreibenden konfrontiert werden – z.B. innerhalb eines Werbenetzwerks. So wird versucht Nutzer zu einer Kaufentscheidung zu bewegen, die sich bereits in der Vergangenheit für das umworbene Produkt interessierten.15 Sowohl die erwähnten Personalisierungstechniken, als auch die verschiedenen Targeting-Methoden können zur Individualisierung beitragen und so die Relevanz der angezeigten Inhalte für den Websitebesucher steigern. Je mehr Information dabei über einen Nutzer zur Verfügung, umso genauer können die gelieferten Inhalte auf die Präferenzen des Nutzers abgestimmt werden. 12 Vgl. Roddewig 2003, S. 43. Vgl. Wegmann 2010 (Internetquelle). 14 Vgl. Kollmann 2009,S. 633. 15 Vgl. Direkt Marketing 2007, S.29. 13 6 2.4.2 Personalisierungstechniken Für das Behavioral Targeting müssen Nutzerprofile erstellt werden. Hierzu werden Personalisierungstechniken eingesetzt, die im Folgenden näher dargestellt werden. Kollaboratives Filtern: Die am häufigsten eingesetzte Personalisierungsform ist das kollaborative Filtern. Der Einsatz dieser Technik in der Online-Werbung ähnelt der bei Kaufempfehlungen. Bei diesem Verfahren werden aus einer Angebotsmenge von Werbebotschaften genau die Elemente empfohlen, die von Nutzern angeklickt wurden, die dem aktuellen Websitebesucher ähnlich sind, da sie ähnliche Interessen haben.16. Abbildung 4 zeigt ein vereinfachtes Beispiel für eine Empfehlung basierend auf kollaborativem Filtern. Dem Mann mit rotem Hut wird die grüne Tasche empfohlen, da er der Gruppe „Männer mit rotem Hut“ ähnlich ist und diese Gruppe die grüne Tasche in der Vergangenheit gewählt hat.17 Abbildung 4: Beispiel für kollaboratives Filtern Quelle: http://www.contentmanager.de/magazin/pic/magazin_0047_04.gif Inhaltsbasiertes Filtern: Ein weiteres Personalisierungsverfahren stellt das inhaltsbasierte Filtern dar. Hierbei werden die Angebotselemente – im Kontext der Online-Werbung die Werbebotschaften – anhand von 16 Vgl. Meier und Stormer 2008, S. 97. Vgl. Buchberger 2001 (Internetquelle). 17 7 inhaltlichen Merkmalen vergleichen. Ähneln sich Werbebotschaft A und B, dann wird B als Empfehlung für A registriert.18 Abbildung 5 illustriert das Prinzip anhand eines einfachen Beispiels. Abbildung 5: Beispiel für inhaltsbasiertes Filtern Quelle: http://www.contentmanager.de/magazin/pic/magazin_0047_03.gif Häufig werden in der Praxis hybride Filterverfahren eingesetzt, welche eine Kombination aus inhaltsbasiertem und kollaborativem Filtern darstellen.19 3. Funktionsweise plista Technologie im Vergleich zu Google ContentNetzwerk Im Folgenden soll speziell die plista Technologie mit dem Google Content-Netzwerk verglichen werden, da Google mit einem Marktanteil von etwa 70% den Online Werbemarkt beherrscht.20 Dadurch ist es besonders wichtig sich vom Marktführer abzugrenzen, dies kann durch Wettbewerbsvorteile und Alleinstellungsmerkmale umgesetzt werden. Ein besonderer Unterschied zwischen Google und plista besteht bei der Nutzung von kollaborativem Filtern zur Werbeplatzierung. So setzt Google vor allem auf Keyword Targeting und auf die Individualisierung des einzelnen Websitebesuchers. Plista hingegen nutzt ein hybrides Verfahren, u.a. kollaboratives Filtern: es vergleicht das Surfverhalten aller Nutzer miteinander, um so ähnliche Interessen herauszufiltern und dann Werbung nicht nur Keyword abhängig zu schalten, sondern auch Werbung für Angebote zu schalten, für die sich der Nutzer bisher nicht interessiert hat. 18 Vgl. Meier und Stormer 2008, S. 97. Vgl. Meier und Stormer 2008, S. 98. 20 www.searchenginejournal.com 2008 (Internetquelle). 19 8 Abbildung 6: eigene Darstellung, Funktionsweise Google Der Advertiser erstellt seine Werbeanzeige bei Google Adwords (Anzeige A), daraufhin schaltet Google die Werbung auf Webseiten, die dem Inhalt der Werbeanzeige entsprechen. Der Webseitenbesucher erhält beim Aufruf der Seite zu dem Inhalt passende Werbung (Keyword Targeting), weiterhin speichert Google die Interessen des Nutzers um so individualisierte Werbung für den Nutzer zu erstellen. Google erhält dadurch ein Bild von jedem Nutzer. So kann Google Anzeige A auch auf Seite 2 präsentieren, wo sie basierend auf Keywords nicht passend wäre, aber durch die Präferenzen des Nutzers individuell auf ihn angepasst ist. Google kann so durch historische Daten die Interessen der Nutzer genau analysieren, kann ihm jedoch keine Werbung zeigen zu Produkten/Dienstleistungen, die nicht zu seinen zuvor besuchten Webseiten bzw. gesammelten Daten passt. Plista hingegen versucht durch ein zusätzliches Verfahren das behavioural Targeting zu realisieren. Dabei werden Daten verschiedener Nutzer miteinander verglichen und so ähnliche Interessen erkannt (kollaboratives Filtern). Aufgrund dieser Verbindung kann plista dem Nutzer Werbung anzeigen von Produkten/Dienstleistungen, die ihm bisher noch unbekannt sind. Dazu bietet plista den Publishern ein Widget, das diese auf ihrer Seite einbinden. Dieses enthält zum einen drei Empfehlungen für weitere Artikel auf derselben Webseite und zum anderen eine Anzeige als TextBild-Kombination. Die Artikelempfehlungen sollen dem Nutzer weitere für ihn interessante Artikel 9 anbieten, um ihn länger auf der Seite zu halten. Die Anzeige hingegen soll den Webseitenbesucher so gezielt ansprechen, dass die Wahrscheinlichkeit steigt, dass er sie anklickt. Dabei wird sowohl für die Artikel Empfehlungen, als auch für die Anzeige kollaboratives Filtern genutzt. Da von einem Webseitenbesucher zunächst keine historischen Daten vorhanden sind, erfolgt die Anzeige zunächst rein basierend auf Keywords. Dadurch kann das sogenannte Kaltstartproblem, das entsteht, wenn keine Daten zu einem Besucher vorhanden sind, umgegangen werden. Die Nutzerdaten werden dabei über das gesamte plista Netzwerk gespeichert, wodurch ein seitenübergreifendes Profil (CrossDomain Collaborative Filtering) erstellt wird. Abbildung 7 stellt dies in vereinfachter Weise dar. Abbildung 7: eigene Darstellung, Funktionsweise plista Besucher 1 ist dem plista Werbenetzwerk schon länger bekannt und hat bereits mehrere Seiten besucht, die das plista Widget integriert haben. Dadurch ist plista in der Lage gezielte Werbung für ihn zu erstellen. Besucher 1 ist an der Anzeige A auf Seite 1 interessiert und klickt auf diese. Diese Aktion kann für die Zukunft unterschiedlich genutzt werden. Zum einen kann die Anzeige auf eine Seite zum Kauf eines Produktes weiterleiten, doch Besucher 1 führt den Kauf des Produktes nicht aus. Plista könnte Besucher 1 deshalb beim Aufruf der Seite 2 eine auf seine persönlichen Interessen angepasste Werbebotschaft zum gleichen oder ähnlichen 10 Produkten anzeigen, um ihn doch noch zum Abschluss des Kaufes zu bewegen (Personalized ReTargeting). Im Gegensatz zum einfachen Re-Targeting wird die Werbebotschaft beim nächsten Mal angepasst auf die Interessen und das persönliche Profil des Nutzers angezeigt. Zum anderen können neue Besucher von dem Interesse von Besucher 1 an einer bestimmten Anzeige profitieren. So wird zunächst erkannt, dass Besucher 2 dem plista Werbenetzwerk noch nicht bekannt ist. Allerdings besitzt er ähnliche Interessen wie Besucher 1, da sie beide Seite 3 besucht haben. Daraufhin empfiehlt plista Besucher 2 weitere Artikel unter anderem den Artikel Seite 2. Dieser wird von Besucher 2 aufgerufen. Durch das kollaborative Filtern der Interessen der beiden Besucher, wird angenommen, dass Besucher 1 und Besucher 2 ähnliche Interessen haben. Daraufhin wird auch Besucher 2 die Anzeige A angezeigt, obwohl diese Keyword basierend nicht zu dem Inhalt der besuchten Seite passt. So können Produkte beworben werden, die dem Nutzer zuvor nicht bekannt waren. Dadurch kann u.a. die Reichweite einer Kampagne erhöht werden. 4. Fazit Dieses Kapitel fast die Funktionsweise von plista RecommandationAds zusammen und stellt den Nutzen der erläuterten Verfahren für Advertiser und Publisher dar. 4.1 Zusammenfassung plista RecommandationAds Plista nutzt mit dem Einsatz kollaborativen Filterns keine komplett neue Technologie. Unternehmen wie Amazon setzen schon lange auf den Einsatz dieser Technologie. Allerdings sind sie die Ersten, die dies für ein seitenübergreifendes Werbenetzwerk (Cross-Domain Collaborative Filtering) nutzen. Dadurch kann plista RecommandationAds als eine Innovation in diesem Bereich gesehen werden. Durch die Kombination aus Werbung und Seitenempfehlung schafft sie einen Mehrwert für alle Beteiligten. Probleme wie das Kaltstartproblem werden durch den Einsatz von Keyword Targeting umgangen. 4.2 Nutzen für Advertiser Der Advertiser kann durch plista zum einen die Werbung individueller an den Kunden anpassen. Zum anderen profitiert er von einer höheren Reichweite seiner Kampagne. Die Anzeige wird nämlich nicht nur Besuchern angezeigt, deren Interessen durch im Text vorhandene Keywords abgeleitet werden, sondern auch Besuchern empfohlen, die ähnliche Interessen haben. Dies kann Besucher auf Produkte aufmerksam machen, die sie im Normalfall nicht entdeckt hätten. So können mehr potentielle Kunden erreicht werden. Zusätzlich kann es für das Re-Targeting effektiver genutzt werden, indem 11 Kaufabbrechern erneut Werbung eingeblendet wird, die ihn individueller anspricht und ihn zum Abschluss der Transaktion bewegen soll. Die Artikelempfehlungen helfen dabei mit jedem weiteren Artikel, die ein Besucher auswählt oder auch nicht auswählt ein genaueres Profil über ihn zu erstellen und die Wahrscheinlichkeit zu erhöhen, dass er eine für ihn interessante Werbeanzeige bekommt. Dadurch kann die Werbewirksamkeit einer Kampagne gesteigert werden. 4.3 Nutzen für Publisher Bei genauer Betrachtung scheinen die Vorteile für den Publisher zunächst geringer als die des Advertiser. Das Einbinden eines Empfehlungsservices könnte auch durch eine Eigenentwicklung realisiert werden. Wie für den Advertiser hilft es auch dem Publisher ein genaueres Profil des Besuchers zu erstellen. Die Artikelempfehlung bietet dem Besucher dabei eine weitere Wahlmöglichkeit nach dem Lesen eines Artikels. Anhand des genaueren Profils des Nutzers lässt sich durch die Empfehlung die Verweildauer auf der Seite erhöhen. Der Besucher kann nach dem Lesen des Artikels entscheiden, auf die Werbeanzeige zu klicken oder nicht. Durch jede Aktion des Besuchers kann sein Profil angepasst werden und dadurch die Wahrscheinlichkeit steigen, eine für ihn interessante Anzeige zu platzieren. Dadurch kann schlussendlich eine höhere CTR erreicht werden, was zu einem höheren Umsatz für den Publisher führt (Pay-Per-Click Abrechnungsmodell vorausgesetzt21). 21 Pay-Per-Click – der Advertiser zahlt dem Publisher pro Klick auf seine Anzeige. 12 Literaturverzeichnis Bitkom (Hrsg.), 2010. http://www.bitkom.org/de/themen/54842_62318.aspx (Internetquelle, Zugriff am 14. April 2010). Buchberger, Robert. Contentmanager.de. Juni 2001. http://www.contentmanager.de/magazin/artikel_47-print_wenn_es_persoenlich_wird_-.html (Internetquelle, Zugriff am 14. April 2010). Chaffey, Dave, Richard Mayer, Kevin Johnston, und Fiona Ellis-Chadwick. Internet-Marketing. München: Pearson Studium, 2001. Direkt Marketing. „Re-Targeting soll Interessen ten zurückholen.“ November 2007. Fritz, Wolfgang. Internet-Marketing und Electronic Commerce. Wiesbaden: Gabler, 2004. Kollmann, Tobias. E-Business - Grundlagen elektronischer Geschäftsprozesse in der Net Economy. Wiesbaden: Gabler, 2009. Kratz, Karl. Internet Marketing, So bringen Sie Ihr Unternehmen im Internet auf Erfolgskurs. Norderstedt: Books on Demand GmbH, 2009. Lammenett, Erwin. Praxiswissen Online Marketing. Wiesbaden: Gabler, 2009. LexisNexis Deutschland GmbH. Steuerlinks - Steuern im Überblick. http://www.steuerlinks.de/marketing/lexikon/reichweite.html (Internetquelle, Zugriff am 12. April 2010). Meier, Andreas, und Henrik Stormer. eBusiness & eCommerce. Berlin: Springer Verlag, 2008. Roddewig, Sven. Website Marketing. Braunschweig/Wiesbaden: Friedr. Vieweg & Sohn Verlag, 2003. www.searchenginejournal.com, 2008. http://www.searchenginejournal.com/google-now-controls-69-of-online-advertising-market/6632/ (Internetquelle, Zugriff am 26. Mai 2009) von Bischopinck, Yvonne, und Michael Ceyp. Suchmaschinen-Marketing. Berlin: Springer Verlag, 2009. Wegmann, Tobias. www.mediascale-klartext.de. 2010. März 2010. http://www.mediascaleklartext.de/tag/semantisches-targeting/ (Internetquelle, Zugriff am 2010. April 15). 13 www.marketing-lexikon-online.de. http://www.marketing-lexikononline.de/index.php?option=com_content&view=article&id=96:targeting&catid=1:lexikon (Internetquelle, Zugriff am 14. April 2010). www.gwa.de. (21. Februar 2008). Abgerufen am 26. Mai 2010 von http://www.gwa.de/themenwissen/werbewiki/?no_cache=1&tx_drwiki_pi1%5Bkeyword%5D=Werbeerfolg%20(Werbeeffizienz%2C%20Werbe wirksamkeit)%20(NEU) 14
