Von Gary Mittman, CEO von KERV.ai
Shoppable TV wirkt oft ganz mühelos. Ein Fingertipp. Ein Scan. Ein natürlicher Übergang von der Geschichte zum Kauf.
Was für die Zuschauer jedoch nahtlos wirkt, ist das Ergebnis einer bewussten Gestaltung.
Hinter jedem nahtlosen Moment stehen eine sorgfältige Analyse und die präzise Steuerung der Daten auf dem Bildschirm – Bild für Bild, wobei Produkte, Umgebungen und Zusammenhänge im Verlauf der Handlung berücksichtigt werden. Es handelt sich um eine komplexe, präzise Arbeit, die darauf ausgelegt ist, das Seherlebnis zu respektieren und nicht zu unterbrechen.
Wenn es richtig umgesetzt wird, drängt „Shoppable TV“ nicht. Es wartet ab. Es handelt sich nicht um ein aufgezwungenes Erlebnis, sondern um eine vom Zuschauer selbst gesteuerte Handlung, die von Interesse getrieben ist und es dem Publikum ermöglicht, sich nur dann darauf einzulassen, wenn es sich natürlich anfühlt.
Diese Unterscheidung ist wichtig. Fast 80 % der Verbraucher geben an, dass sie Werbung, die auf den jeweiligen Moment abgestimmt und relevant ist, lieber sehen als Werbung, die auf personenbezogenen Daten basiert. Dies unterstreicht, warum Relevanz, die im Moment begründet ist, als verdient und nicht als aufdringlich empfunden wird.
Wenn Werbung wirklich zum jeweiligen Moment passt, reagieren die Menschen anders darauf.
Untersuchungen des „FreeWheel Viewer Experience Lab“ von Comcast zeigen, dass kontextbezogene Anzeigen das Zuschauerengagement verdoppeln und die Markenerinnerung in CTV-Umgebungen um 20–38 % steigern. Und viele gehen noch einen Schritt weiter: Mehr als ein Drittel (35 %) der Verbraucher hat bereits mit einer „Shoppable Ad“ im Fernsehen interagiert, wenn diese relevant und nahtlos in den Kontext eingebunden war.
Die Signale, auf die sich die Werbung einst stützte, verlieren an Glanz, da die Messung plattformübergreifend fragmentiert ist und die Verbraucher immer vorsichtiger damit umgehen, wie ihre Daten genutzt werden. Und wenn die Branche dabei Fehler macht, sind die Folgen unmittelbar: Man klickt einmal auf eine Anzeige, und plötzlich folgt einem diese Marke überall hin – geräteübergreifend, app-übergreifend, wochenlang. Das ist keine Personalisierung, sondern Markenmüdigkeit. Die auf den jeweiligen Moment abgestimmte Relevanz springt ein, um das zu leisten, wozu diese Signale nicht mehr in der Lage sind: zu entscheiden, wann Interaktion angebracht ist. Diese Entscheidung in Echtzeit zu treffen, erfordert jedoch weitaus mehr Koordination, als ein „Kaufen“-Button vermuten lässt.
Mehr als nur der „Kaufen“-Button
Hinter einem scheinbar einfachen Fingertipp verbirgt sich ein komplexer Koordinationsprozess. In den Sekunden zwischen Erkennung und Reaktion identifizieren die Systeme, was im Bildausschnitt zu sehen ist, ordnen es einem Produktkatalog zu, prüfen die Verfügbarkeit und entscheiden, ob der Zeitpunkt für eine Aktion geeignet ist.
Diese Arbeit findet statt, noch bevor der Zuschauer überhaupt zur Fernbedienung greift.
Metadaten sind die Informationsebene, die den Inhalt einer Szene in etwas übersetzt, das gekauft werden kann, und so einen interessanten Moment in einen Moment des Handelns verwandelt. Diese Abstimmung dient dazu, das Seherlebnis zu schützen. Wenn Metadaten ordnungsgemäß funktionieren, fügt sich der Handel in die Erzählung ein, anstatt sie zu unterbrechen. Das Engagement wirkt einladend und nicht aufgedrängt.
Vom Rundfunk zum Verhalten
Jahrzehntelang beschränkten sich die Metadaten im Fernsehen auf ein Minimum: einen Titel, einen Sendeplan und eine kurze Beschreibung. Das Streaming hat dies verändert. Angesichts der explosionsartigen Zunahme von Inhalten und der zunehmenden Zersplitterung der Aufmerksamkeit mussten sich Metadaten von einer einfachen Kennzeichnung hin zu einer Echtzeit-Interpretation weiterentwickeln.
Heutzutage arbeiten fortschrittliche Signalerkennungssysteme zunehmend auf Frame- und Objektebene und erkennen, wer in einer Szene zu sehen ist, was die Personen tragen, wo sie sich befinden und welche Produkte zu sehen sind. Fernsehen ist nicht mehr nur etwas, das wir uns ansehen. Es ist etwas, durch das wir navigieren.
Die Verbreitung von CTV ermöglicht dieses Maß an Interaktion und Messbarkeit in großem Maßstab. Bis zum nächsten Jahr werden fast 90 % der US-Haushalte über mindestens ein CTV-Gerät verfügen, und bis 2028 werden die Werbeausgaben in diesem Kanal diejenigen des traditionellen Fernsehens übersteigen. Da die Budgets dem Nutzerverhalten folgen, verlangen Werbetreibende nun das, was das traditionelle Fernsehen nie vollständig leisten konnte: Klarheit darüber, was funktioniert hat, warum es funktioniert hat und wie es weitergehen soll.
Fortgeschrittene Signale schließen diesen Kreislauf. Sie verbinden die Reichweite mit dem Engagement, das Engagement mit der Aktion und die Aktion wieder mit der Strategie.
Die Herausforderung der Größenordnung
Trotz ihres großen Potenzials sind Metadaten nach wie vor ein empfindliches Ökosystem. Jedes Netzwerk, jedes Studio und jede Plattform definiert und strukturiert sie auf unterschiedliche Weise. Ohne einheitliche Standards lassen sich Genauigkeit und Geschwindigkeit in großem Maßstab nur schwer aufrechterhalten.
Da immer mehr Inhalte interaktiv werden, wächst das Datenvolumen exponentiell. Jedes Einzelbild. Jedes Objekt. Jedes Verhaltenssignal. Diese Daten sauber, aktuell und interoperabel zu halten, ist mittlerweile das größte Wachstumshemmnis der Branche.
Jeder nahtlose Moment im interaktiven Handel hängt zudem von einer vernetzten Wertschöpfungskette ab. Die Inhaber der Inhalte versehen Szenen mit aussagekräftigen Details. Technologiepartner ergänzen und standardisieren diese Daten. Marken verknüpfen ihre Produktkataloge damit, und Plattformen setzen sie um und verwandeln Informationen in interaktive Erlebnisse, die Storytelling und Verkauf miteinander verbinden.
Manche mögen denken, das Ziel sei einfach nur mehr Daten, aber was wir brauchen, sind verwertbare Daten, die im Einklang mit den Geschichten stehen, denen sie dienen.
Vom Tagging zum Tonfall
Die nächste Entwicklungsstufe der Metadaten geht über das bloße Markieren dessen hinaus, was auf dem Bildschirm zu sehen ist. Mithilfe von KI beginnt sie, Tonfall, Emotionen und Absichten zu erkennen, um zu verstehen, was Menschen anzieht und was sie zum Handeln bewegt.
Dieser Wandel wird das Fernsehen erneut verändern. Die Inhalte werden sich schneller anpassen, Empfehlungen werden sich natürlicher anfühlen, und die Grenze zwischen passivem Zuschauen und aktiver Beteiligung wird weiter verschwimmen.
Lesen Sie den Artikel auf Cynopsis.