Converge vs Haus

Georgia-Pacific stoppt vorerst Einsatz von AI Buying Agents

Der Konsumgüterriese Georgia-Pacific verzögert die Einführung von agentenbasierter KI im Programmatic Advertising, bis grundlegende Probleme bezüglich Inventarqualität und Ineffizienzen im AdTech-Ökosystem gelöst sind. Paras Shah, Senior Director of Digital Media, warnt davor, dass eine voreilige Automatisierung bestehender ineffizienter Workflows die Verschwendung von Media-Budgets lediglich beschleunigen würde. Der Markt spaltet sich derzeit: Während Agentur-Holdcos und AdTech-Anbieter Agent-to-Agent Buying offensiv vorantreiben, agieren Markenartikler zunehmend vorsichtig. Branchenexperten von Converge und Adlook betonen, dass agentische Systeme strukturelle Fehlanreize und mangelhafte Datenqualität nicht beheben können. Die Marktreife und Adoption autonomer Buying Agents wird daher schrittweise und fragmentiert verlaufen, statt flächendeckend einzusetzen.

• Georgia-Pacific verzichtet vorerst auf den Einsatz von AI Buying Agents im Programmatic Advertising aufgrund systemischer Ineffizienzen und ungelöster Inventarqualitätsprobleme.
• Paras Shah betont, dass das Unternehmen die letzten zwei Jahre gezielt auf Supply-Path Optimization, Pre-Bid-Scoring und direkte Supply-Kontrolle ausgerichtet hat.
• Die AdTech-Branche spaltet sich in zwei Lager: experimentierfreudige Agentur-Holdcos und AdTech-Vendors versus skeptische, auf Transparenz bedachte Marken.

Funktionieren YouTube Ads noch?

Tyler Horner, Head of Strategic Insights bei Haus, analysiert in diesem Bericht, welche Erkenntnisse seit unserer letzten YouTube-Untersuchung Bestand haben, wie sich die Situation in der Ära der Demand-Gen-Kampagnen verändert hat und welche Best Practices für YouTube im Jahr 2026 gelten. Angesichts sich wandelnder Verbrauchergewohnheiten, fragmentierter Bewegtbildbudgets und technologischer Weiterentwicklungen im Bereich Connected TV und Video-Advertising müssen Werbetreibende ihre Strategien kontinuierlich anpassen. Der Beitrag beleuchtet, wie Marken ihre Performance maximieren, Budgets effizienter steuern und die volle Wirkung von YouTube als zentralem Werbekanal im Media-Mix ausschöpfen können. Dabei werden sowohl messbare Leistungskennzahlen als auch qualitative Faktoren für den Kampagnenerfolg im kommenden Jahr detailliert bewertet.

Haus entwickelt Causal MMM zu einem agentenbasierten Marketing-Entscheidungssystem weiter

Das Unternehmen Haus hat per Pressemitteilung die Einführung von 'Architect' bekannt gegeben, einer neuartigen Lösung, die das kurbelbasierte Marketing-Mix-Modelling (MMM) in ein autonomes, agentenbasiertes Entscheidungssystem für das moderne Marketing überführt. Diese technologische Weiterentwicklung zielt darauf ab, Werbetreibenden präzisere, datengestützte Einblicke in ihre Kampagnenperformance zu geben und die Budgetallokation über verschiedene Kanäle hinweg zu automatisieren und zu optimieren. In einer zunehmend fragmentierten Medienlandschaft, in der traditionelle Attributionen an Grenzen stoßen, adressiert Haus den wachsenden Bedarf an zukunftssicheren Messmethoden und strategischer Automatisierung. Die Integration agentenbasierter Ansätze in das Causal MMM markiert einen wichtigen Schritt hin zu proaktiven, KI-gesteuerten Steuerungsinstrumenten im Bereich der Marketing-Technologie, die strategische Planungs- und Optimierungsprozesse für Enterprise-Kunden signifikant beschleunigen und präzisieren können.

• Haus stellt mit 'Architect' ein neues agentenbasiertes System vor
• Das System transformiert traditionelles Causal MMM in eine automatisierte Entscheidungslösung
• Fokus liegt auf der Optimierung der Budgetallokation und der Kampagnenperformance

Modellgestützte Inkrementalität: Interview mit Stanford-Professor Brett Gordon über Marketing-Measurement

Stanford-Professor Brett Gordon erörtert in einem Fachgespräch mit Joe Wyer, Olivia Kory und Phil Erickson von Haus die Möglichkeiten und methodischen Grenzen prädiktiver Modelle zur Bestimmung von Inkrementalität im Marketing. Basierend auf seinen wissenschaftlichen Arbeiten analysiert Gordon, wie moderne Measurement-Frameworks kausale Werbewirkungen präzise von reinen Korrelationen trennen können. Vor dem Hintergrund des Wegfalls von Third-Party-Identifiers und zunehmender Signalverluste gewinnt die methodisch saubere Modellierung des tatsächlichen inkrementellen Uplifts massiv an Bedeutung für datengestützte Allokationsentscheidungen. Das Gespräch beleuchtet zentrale Herausforderungen bei der Kalibrierung von Modellen anhand von Experimenten, die Validierung von Kausalitätsannahmen sowie die Integration von Incrementality-Testing in holistische Marketing-Mix-Modeling-Ansätze (MMM). Werbetreibende und Plattformen stehen vor der strategischen Notwendigkeit, rigorose statistische Verfahren mit agilen Optimierungsprozessen im Media-Einkauf zu synchronisieren, um Fehlallokationen bei der Performance-Messung und Budgetverteilung systematisch zu minimieren.

• Stanford-Professor Brett Gordon diskutiert mit dem Haus-Team über methodische Ansätze zur Modellierung von Inkrementalität.
• Fokus auf der Unterscheidung zwischen kausalem Werbeeffekt und reiner Korrelation bei der Kampagnenbewertung.
• Bedeutung der Kombination von empirischen Experimenten (Incrementality Testing) und fortgeschrittenem Marketing-Mix-Modeling.