Zusammenfassung
Wohnort, Shoppinginteressen und Freundesnetzwerke: Der digitale Fußabdruck nahezu jedes Menschen ist in Zahlen erfass- und analytisch auswertbar. Zielgruppenanalysen nutzen diese Spuren, um Aussagen über potenzielle Kunden zu treffen. Sie geben Aufschluss darüber, wer die angesprochenen Menschen sind, was sie interessiert, an welchen Orten sie aktiv sind und wie sich Informationen zwischen ihnen verbreiten. Im Idealfall ermöglichen sie den Aufbau eines Netzwerkes an Fürsprechern, die Menschen so begeistern, dass sich Markenbotschaften wie ein Lauffeuer verbreiten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Busch, O. (Hrsg.). (2015). Programmatic advertising. Heidelberg: Springer.
Dachwitz, I. (2018). Facebook nutzt Anpassung an Datenschutzgrundverordnung, um Gesichtserkennung in Europa zu starten. Netzpolitik.org. https://netzpolitik.org/2018/facebook-nutzt-anpassung-an-datenschutzgrundverordnung-um-gesichtserkennung-auch-in-europa-zu-starten/. Zugegriffen: 18. Apr. 2018.
Drösser, C. (2018). Datenschutz. Diese Facebook-Einstellungen müssen Sie beachten. ZEIT Online. https://www.zeit.de/digital/datenschutz/2018-04/datenschutz-facebook-dsgvo-aenderungen-datenmissbrauch. Zugegriffen: 18. Apr. 2018.
Facebook, Inc. (2018). Facebook Audience Insights (Version 2018). online verfügbar unter https://www.facebook.com/ads/audience-insights. Zugegriffen: 21. Febr. 2018.
Fahrmeir, L., et al. (Hrsg.). (2016). Statistik. Der Weg zur Datenanalyse. Heidelberg: Springer Spektrum.
Google Deutschland. Über die Standard Attributionsmodelle. Google Support. https://support.google.com/analytics/answer/1665189?hl=de. Zugegriffen: 18. Apr. 2018.
Google, Inc. (2018). Google Trends. online verfügbar unter https://trends.google.com/trends. Zugegriffen: 22. Febr. 2018.
Kinder-Kurlanda, K. (2016). Marcus Burkhardt, Digitale Datenbanken. Eine Medientheorie in Zeiten von Big Data. Medien und Kommunikationswissenschaft. Erscheinungsdatum 02.2016, S. 278–280.
Levine, R., Locke, C., Searls, D., & Weinberger, D. (1999). Cluetrain Manifesto. http://www.cluetrain.com/auf-deutsch.html. Zugegriffen: 18. Apr. 2018.
O. A. (2018). Mehr Datenschutz, weniger Werbeeinnahmen. ZEIT Online. https://www.zeit.de/wirtschaft/unternehmen/2018-04/facebook-netzwerk-daten-gewinn. Zugegriffen: 26. Apr. 2018.
Seehaus, C. (Hrsg.). (2016). Transparenz und Effizienz. YouTube in der Customer Journey. Wiesbaden: Springer-Gabler.
Snijders, T., van de Bunt, G. G., & Steglich, C. (2010). Introduction to actor-based models for network dynamics. Social Networks. https://doi.org/10.1016/j.socnet.2009.02.004.
Stapf, I., & Gapski, H. (Hrsg.). (2016). Big Data und Medienbildung. Zwischen Kontrollverlust, Selbstverteidigung und Souveränität in der Digitalen Welt. Medien & Kommunikationswissenschaft. Erscheinungsdatum 03.2016, S. 407 f.
Talkwalker, Inc. (2018). Talkwalker Analytics (Version 2018). online verfügbar unter https://app.talkwalker.com. Zugegriffen: 12. Jan. 2018.
Weiterführende Literatur
Anderl, E. (2016). Mapping the customer journey. Lessons earned from graph-based online attribution modelling. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2016.03.001.
Field, A., et al. (2013). Discovering Statistics Using R. Los Angeles: Sage Publication.
Kireyev, P. (2015). Do display ads influence search? Attribution and dynamics in online advertising. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2015.09.007.
Pauwels, K. (2016). Like the ad or the brand? Marketing stimulates different word-of-mouth content to drive online and offline performance. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2016.01.005.
Troitzsch, K. (2008). Probalistic simulation models of society. In T. Rudas (Hrsg.), Handbook of Probability. Theory and Applications (S. 277–290). Los Angeles: Sage.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Harre, A. (2020). Virale Zielgruppen im Content Marketing. In: Wesselmann, M. (eds) Content gekonnt. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-24620-4_11
Download citation
DOI: https://doi.org/10.1007/978-3-658-24620-4_11
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-24619-8
Online ISBN: 978-3-658-24620-4
eBook Packages: Business and Economics (German Language)