"Wir arbeiten mit fünf zentralen Datenquellen"

Mit der „IDOOH Public & Private Screens“, kurz P&PS, veröffentlichte das IDOOH-Institut 2023 erstmals eine gemeinsame Studie zur Erfassung der Leistungswerte und Zielgruppendaten aller Digital-out-of-Home-Werbeträger indoor in Deutschland. Das Ziel: eine gemeinsame Währung für die Branche. Heute bei der IDOOH-Konferenz in Hamburg wurd das Team um die Geschäftsführer Frank Goldberg und Nadia Abou-El-Ela das erste Mal die Version 3.0 vorstellen, die im Sommer 2025 zur Verfügung stehen wird. Doch diese soll nicht nur eine Aktualisierung sein, sondern ein neues Level an Leistungsmessung bringen. Frank Goldberg hat uns im Vorfeld schon einmal ein paar Details verraten.

invidis: Frank, warum ist die neue Version der P&PS besonders?

Frank Goldberg: Die „Public & Private Screens 3.0“ markiert einen entscheidenden Fortschritt in der Messung von Leistungswerten im DooH-Bereich. Während frühere Erhebungen vor allem auf großen Stichproben basierten, die hochgerechnet wurden, setzt die aktuelle Studie erstmals auf ein echtes Big-Data-„Bottom-Up“-Modell.

invidis: Und was bedeutet das konkret?

Frank Goldberg: Die Studie nutzt anonymisierte und DSGVO-konforme Bewegungsprofile aus circa 15 Millionen Smartphones zur Erhebung von Bewegungsmustern und ihren Zeitverteilungen an konkreten Orten. Außerdem nutzen wir insgesamt fast 1,5 Milliarden Kilometer Streckendaten aus Navigationssystemen, um die genannten Bewegungsprofile aus Smartphones weiter anzureichern.

Frank Goldberg auf dem DSS Europe

Frank Goldberg wird auch als Speaker auf dem DSS Europe 2025 vertreten sein. Verpassen Sie nicht die Digital Signage- und DooH-Konferenz am Münchner Flughafen vom 22. bis zum 23. Mai 2025! invidis-Leser bekommen auf alle Tickets einen Exklusiv-Rabatt von 30 Prozent mit dem Code dsse25-invidisrd. Hier geht es zur Registrierung.

invidis: Welche Daten fließen noch in die P&PS 3.0 ein?

Frank Goldberg: Im Wesentlichen arbeiten wir mit fünf zentralen Datenquellen. Die bereits erwähnten Massendaten liefern uns eine äußerst präzise regionale und zeitliche Auflösung des Mobilitätsverhaltens. Allerdings sind diese Daten nicht bevölkerungsrepräsentativ und enthalten keine Informationen darüber, ob tatsächlich ein Kontakt mit einem DooH-Screen stattgefunden hat. Zur Ergänzung nutzen wir daher vier weitere, qualitativ hochwertige Datensätze. Diese Kombination erlaubt es uns, die Stärken der Massendaten – ihre hohe zeitliche und geografische Auflösung – mit belastbaren, menschenbasierten Erkenntnissen zu verknüpfen. So entsteht ein valider und differenzierter Gesamtblick auf das DooH-Nutzungsgeschehen.

invidis: Warum hat das IDOOH diese neue Methode aufgesetzt?

Frank Goldberg: Gerade treffen sich zwei große Entwicklungen. Einerseits ist Programmatic Advertising der Treiber für die Außenwerbung und verlangt nach immer mehr und genaueren Daten. Andererseits stehen immer mehr Massendaten zum Verhalten von Menschen außer Haus zur Verfügung. Es gibt bereits viele Ansätze im Markt, die diese neuen Massendaten für die Außenwerbung nutzen wollen. Den meisten davon fehlen jedoch wesentliche Datenquellen, nämlich die erwähnten menschenbasierten Erhebungen mit den genauen Kontaktwahrscheinlichkeiten, Aufenthaltsdauern und den Besuchsgewohnheiten verschiedener Zielgruppen an verschiedenen Touchpoints. Und ohne eine solche Veredelung und Aufwertung von Massendaten hat man vor allem Masse, aber nicht immer Klasse.

Adsquare: Vom Daten-Mosaik zur DooH-Matrix

invidis: Was sind die Herausforderungen an der neuen Methode?

Frank Goldberg: Das Erheben und das Zusammenführen all dieser Daten. Die Massendaten bilden die Grundlage für ein virtuelles Panel mit rund einer Million virtueller „Teilnehmender“. Jeder dieser virtuellen Panelisten verfügt über ein reales, aber anonymisiertes Mobilitätsprofil, das auf Smartphone-Trackingdaten und Navi-Daten basiert. Aus diesen Bewegungsdaten lässt sich ablesen, welche Points of Interest (POI) eine Person besucht hat – etwa Supermärkte, Tankstellen oder Bahnhöfe.

invidis: Welche konkreten Vorteile ergeben sich für die Außenwerber?

Frank Goldberg: Diese neue Granularität erlaubt es unter anderem, Nettoreichweiten auf Einzelstandortebene zu ermitteln – also genau zu messen, wie viele Personen an einem bestimmten DooH-Screen vorbeikommen. Zudem lassen sich valide Querbeziehungen zwischen Standorten herstellen, etwa wie viele Menschen von einer Tankstelle über ein Einkaufszentrum bis zum Supermarkt unterwegs waren. Das neue Messmodell ist nicht nur präziser, sondern bietet mehr Flexibilität für Anbieter und Mediaplaner – und schafft die Voraussetzungen für zukünftige Nettoreichweiten-Berechnungen für Programmatic-Kampagnen.

Die fünf Datensätze der P&PS 3.0

1. Bewegungsprofile aus circa 15 Millionen Smartphones zur Erhebung von Bewegungsmustern und ihren Zeitverteilungen an konkreten Orten, spezifiziert durch knapp 1,5 Milliarden Kilometer Streckendaten aus Navigationssystemen
2. Eine bevölkerungsrepräsentative Stichprobenstudie mit knapp 20.000 befragten Personen, die zukünftig jährlich in mehreren Erhebungswellen um 12.000 Interviews ergänzt und aktuell gehalten wird. Hier geht es darum, wann und welche Touchpoints – etwa öffentliche Orte oder Points of Interests (POI) – die Befragten im Alltag aufsuchen.
3. Insgesamt ca. 30.000 Vor-Ort-Interviews, die direkt an relevanten Touchpoints wie Tankstellen, Shopping-Malls oder Bahnhöfen durchgeführt werden. Menschen werden unmittelbar nach dem Verlassen eines Ortes befragt, wodurch man detaillierte Informationen zu Aufenthaltsdauer und Kontaktwahrscheinlichkeit gewinnt.
4. Besuchsfrequenzen von rund 30.000 POI, also einzelnen Supermärkten, Tankstellen, Shopping Malls oder Fitness Studios. Diese werden zum Beispiel in Form von Kassenbonzahlen für Retail-POIs, Passagierzählungen der Verkehrsbetriebe und Check-In Zahlen der Fitness-Studio-Betreiber erhoben.
5. Stammdaten für die rund 30.000 POI und die in ihnen enthaltenen rund 80.000 in der Studie erfassten Screens. Diese beinhalten neben Adressen je POI auch Geokoordinaten und Flächenpolygone für eine exakte Zuordnung von Geotrackingdaten zu den einzelnen POI.