Anhand welcher Art von Daten wird mit dem Machine Learning-Modell bei responsiven Displayanzeigen die optimale Kombination von Assets für die jeweilige Anzeigenfläche ermittelt?

Responsive Displayanzeigen nutzen maschinelles Lernen, um die beste Kombination von Assets (Bilder, Texte, Logos) für eine bestimmte Anzeigenfläche zu finden. Dies geschieht primär auf Basis Ihres eigenen Leistungsverlaufs. Das System lernt aus den Daten Ihrer bisherigen Kampagnen, welche Asset-Kombinationen bei Ihrer Zielgruppe am besten funktionieren und die gewünschten Ergebnisse (z.B. Klicks, Conversions) erzielen. Auf Anzeigenportfoliodaten basierende Prognosen, die von Benchmark-Unternehmen zusammengestellt wurden: Diese Daten sind zu allgemein und nicht spezifisch genug für Ihre individuellen Kampagnen. Prognosen, die auf aus CRM-Systemen exportierten Dateien basieren: CRM-Daten sind zwar wertvoll für die Zielgruppenanalyse, aber nicht direkt für die Optimierung von Asset-Kombinationen in Echtzeit. Prognosen, die auf Leistungsdaten Ihrer Branche basieren: Branchen-Benchmarks können als Referenz dienen, aber die individuelle Leistung Ihrer Anzeigen ist entscheidender für die Optimierung durch maschinelles Lernen.