2025-04-30 | Case study | Insights
Digitl's Vorschlag zur Leistungsmessung mittels eines individuellen Attention Scores hat uns Einblicke ermöglicht, die über klassische KPIs hinausgehen. Diese Methode ist besonders wertvoll, wenn kein Zugriff auf Verkaufsdaten der Kunden besteht oder Ressourcen für Messmethoden wie Media Mix Modeling fehlen. Im Gegensatz zu Brand-Lift-Studien bietet dieser Ansatz eine kosteneffiziente Möglichkeit, den Kampagnenerfolg zu bewerten.
höhere Attention Score Werte auf CTV im Vergleich zum Kampagnendurchschnitt
Automatisierung der Datenverarbeitung durch BigQuery, DV360 API, Dagster und DBT
kombinierte Metriken bilden einen umfassenden Attention Score zur Messung der Nutzerbindung
Damit eine Kampagne ihr volles Potenzial entfalten kann, geht es nicht nur darum, Zielgruppen zu erreichen – entscheidend ist es, deren Aufmerksamkeit nachhaltig zu gewinnen und langfristig zu sichern. Herkömmliche Videometriken wie sichtbare Impressions oder Durchsichtsraten bilden hierbei oft nur einen Teil der Wahrheit ab: Sie messen zwar die Ausspielung, aber nicht unbedingt die tatsächliche Nutzerinteraktion.
Digitl hat deshalb eine Formel entwickelt, mit der sich exakt messen lässt, wie gut Videoanzeigen die Aufmerksamkeit der Nutzer innerhalb verschiedener Zielgruppensegmente einfangen. Die Methode berücksichtigt insgesamt zehn Metriken, welche verschiedene Aspekte der Sichtbarkeit, Hörbarkeit und Completion-Raten miteinander verbinden. Auf diese Weise entsteht ein ganzheitliches Bild der tatsächlichen Nutzerinteraktion, was gezielte Optimierungen ermöglicht und eine intelligentere Budgetplanung unterstützt.
Dank dieses innovativen Messverfahrens konnte Digitl sicherstellen, dass die Kampagnenleistung auf Grundlage echter Nutzerbindung und nicht allein anhand oberflächlicher Kennzahlen gesteuert wurde.
Das Team entwickelte mit dem „Attention Score“ eine strukturierte, forschungsbasierte Methodik zur Bewertung der Performance von YouTube-Videokampagnen. Dabei wurde die Nutzerinteraktion in drei wesentliche Phasen unterteilt: Initiale Aufmerksamkeit, kontinuierliche Interaktion und Abschluss der Wiedergabe. Jede Phase erfasste unterschiedliche Facetten des Nutzerverhaltens auf Connected TV (CTV), Desktop, Tablet und Mobilgeräten, wodurch eine multidimensionale Analyse gewährleistet wurde.
Der Prozess begann mit einer detaillierten Auswertung vergangener Kampagnendaten, wobei insbesondere „Active View“-Messwerte und allgemeine Performance-Kennzahlen als verlässliche Indikatoren für Aufmerksamkeit identifiziert wurden. Aufbauend auf akademischer Forschung zur Sichtbarkeit, Hörbarkeit und Aufmerksamkeitsbindung von Werbeanzeigen, integrierte Digitl zentrale Einflussfaktoren – wie etwa die Hörbarkeit der Anzeige, Sichtbarkeitswerte in unterschiedlichen Videophase sowie typische Nutzungsverläufe – in einem ganzheitlichen Bewertungsmodell.
Anschließend automatisierte Digitl die Datenerfassung und -aufbereitung durch Integration von BigQuery, der DV360 API, Dagster und DBT – und schuf damit eine reibungslose Datenverarbeitung mit Echtzeit-Einblicken. Die gewonnenen Erkenntnisse wurden in einem mehrdimensionalen Looker Studio Dashboard visualisiert, das Ergebnisse sowohl auf aggregierter Ebene als auch mit detaillierten Analysen nach Gerätetyp darstellte. Durch diese Automatisierung konnten laufend relevante Erkenntnisse gewonnen werden, die gezielte Anpassungen im Targeting, bei der Budgetverteilung sowie in der Kreativstrategie auf Grundlage tatsächlicher Engagement-Trends ermöglichten.
Das Looker Studio Dashboard lieferte detaillierte Visualisierungen der Kampagnenergebnisse, darunter Analysen nach Endgeräten, Wochentagen, Anzeigenpositionen, Placement, Inventartypen, Regionen und Line-Items. Zu den zentralen Erkenntnissen gehörten die besonders starke Performance auf CTV, vor allem an Wochenenden, sowie das Potenzial zur Verbesserung durch eine Reduzierung von Outstream-Ads und eine stärkere Fokussierung auf YouTube-Inventar.
Die Analyse zeigte, dass CTV-Platzierungen mit einem Attention Score von 0,71 deutlich besser abschnitten als der Gesamtdurchschnitt der Kampagne (0,57). Daraus ließ sich ableiten, dass eine rein auf CTV fokussierte Kampagne eine Steigerung der Aufmerksamkeit um rund 25 % erreichen kann, was zu höherer Interaktion und besseren Gesamtergebnissen führen würde.
Die gewonnenen Einblicke brachten für das Team zuvor unbekannte Detailerkenntnisse und trugen wesentlich zu einem vertieften Verständnis der Kampagnenaktivitäten bei. Künftig wird SlopeLift den Attention-Score-Ansatz insbesondere für Kampagnen im Upper-Funnel einsetzen. Zu den Aktivitäten, die zukünftig auf Basis des Attention Scores bewertet werden sollen, gehört unter anderem eine geplante Masthead Ad Kampagne.