Attention Metrics

Definition: Attention Metrics (Aufmerksamkeitsmetriken) sind Messgrößen und Methodiken, die über die klassische Viewability-Messung hinausgehen und versuchen zu quantifizieren, ob Nutzer einer Werbeanzeige tatsächlich aktive kognitive Aufmerksamkeit schenken oder ob der Werbeinhalt trotz technischer Sichtbarkeit unbewusst ignoriert wird. Während Viewability lediglich misst, ob ein bestimmter Anteil der Anzeigenfläche für eine Mindestdauer auf dem Bildschirm sichtbar war (nach MRC-Standard: 50 % der Pixel für mindestens 1 Sekunde bei Display), erfassen Attention Metrics qualitativere Signale: Eye-Tracking-Daten, Verweildauer im sichtbaren Bereich, Scrollgeschwindigkeit, Interaktionswahrscheinlichkeit, Mausbewegungen und akustische Wahrnehmungssignale bei Videoanzeigen. Der Grundgedanke hinter Attention Metrics ist, dass eine technisch viewable Impression keinerlei Werbewirkung entfaltet, wenn der Nutzer gedanklich woanders ist oder die Anzeige aktiv ignoriert. Nur Impressionen, die echte menschliche Aufmerksamkeit erzeugen, haben einen realen Kommunikationswert und sollten daher höher bewertet und vergütet werden. Attention Metrics stellen damit die nächste Evolutionsstufe in der Messung von Werbewirkung dar und gelten als vielversprechende Ergänzung oder sogar Alternative zur CPM-basierten Mediaplanung.

Erläuterung

Die Debatte um Aufmerksamkeit in der Werbung ist älter als das digitale Marketing selbst – bereits in der klassischen Werbeforschung wurde zwischen erzwungener und freiwilliger Aufmerksamkeit unterschieden. Im digitalen Kontext gewann das Thema ab den 2010er Jahren an Bedeutung, als Viewability als Qualitätsstandard eingeführt wurde, sich aber schnell zeigte, dass viewable nicht gleich wirksam ist. Studien von Instituten wie Ipsos, Dentsu und dem Attention Council zeigten, dass selbst viewable Impressionen in vielen Umfeldern kaum Markenerinnerung erzeugen, während Werbung in bestimmten hochqualitativen Kontexten überproportional gut erinnert wird.

Die Messung von Aufmerksamkeit erfolgt über verschiedene methodische Ansätze, die sich in Präzision und Skalierbarkeit unterscheiden. Eye-Tracking-Studien im Labor gelten als Goldstandard, sind aber teuer und nicht für Echtzeit-Kampagnensteuerung geeignet. Skalierbare Panel-basierte Methoden, bei denen Nutzer freiwillig Kamera- und Sensordaten teilen, ermöglichen eine statistisch valide Aufmerksamkeitsmessung auf größerer Basis. Proxy-basierte Methoden nutzen indirekte Signale wie Scrollgeschwindigkeit, Verweildauer im Viewport und Interaktionsmuster, die mit Aufmerksamkeit korrelieren, um Attention-Scores ohne direkte Nutzerbeobachtung zu berechnen.

Marktforschungsunternehmen wie Lumen Research, Adelaide, Playground XYZ und Amplified Intelligence haben sich auf Attention Metrics spezialisiert und bieten Advertisern Attention-Scores und Planungstools an. Diese Anbieter haben in der Regel umfangreiche Datensets aufgebaut, in denen verschiedene Werbeformate, Platzierungen und Umfelder hinsichtlich ihrer Aufmerksamkeitsqualität bewertet sind. Diese Scores können in die Mediaplanung einfließen und dabei helfen, Inventar nach seiner tatsächlichen Aufmerksamkeitswirkung zu bewerten und einzukaufen.

Messmethoden im Überblick

• Eye-Tracking (Labor): Präziseste Methode, bei der über Infrarot-Kameras exakt gemessen wird, wohin ein Nutzer schaut und wie lange. Liefert valide Grundlagendaten, ist aber für operative Kampagnensteuerung zu aufwendig.
• Panel-basiertes Kamera-Tracking: Opt-in-Panels, bei denen Nutzer die Frontkamera ihres Geräts zur Blickverfolgung freigeben, ermöglichen skalierbarere Erhebungen und liefern Normwerte für verschiedene Inventartypen.
• Proxy-Signale und Verhaltensmodelle: Messung von Scrollgeschwindigkeit, Verweildauer im sichtbaren Bereich, Hover-Aktionen und anderen indirekten Aufmerksamkeitssignalen, die via JavaScript aus dem Browser gewonnen werden. Diese Methode ist am stärksten skalierbar, aber weniger präzise.
• Biometrische Messung: In Forschungsstudien werden ergänzend Hautleitwert, Herzrate und EEG-Daten verwendet, um emotionale Reaktionen auf Werbung zu quantifizieren – für die operative Praxis bisher nicht skalierbar.
• Predictive Attention Scoring: Modelle, die auf Basis von Inventarcharakteristika (Position, Format, Kontext, Device, Tageszeit) eine vorhergesagte Aufmerksamkeitsscore berechnen, ohne einzelne Nutzer zu messen. Ermöglicht Attention-basiertes Bidding in DSPs.

Attention Metrics in der Mediaplanung und im Einkauf

• Attention-basiertes Bidding: Einige DSPs ermöglichen es bereits, Attention-Scores in Bidding-Algorithmen einfließen zu lassen – Impressionen mit prognostiziert höherer Aufmerksamkeitswahrscheinlichkeit werden höher bewertet und entsprechend mehr geboten.
• Qualitative Inventarbewertung: Attention Scores helfen bei der Identifikation von Inventarquellen, die trotz günstigem CPM kaum Wirkung erzielen, und bei der Priorisierung hochqualitativer Platzierungen für Brandingkampagnen.
• Formatoptimierung: Attention-Daten zeigen, dass bestimmte Ad-Formate wie High-Impact-Einheiten, Instream-Video oder native Formate deutlich höhere Aufmerksamkeitswerte erzielen als Standard-Banner, was die Formatstrategie informieren kann.
• Verknüpfung mit Wirkungsmessung: Attention Metrics werden zunehmend mit Brand-Lift-Studien und Conversion-Daten korreliert, um den Zusammenhang zwischen Aufmerksamkeit und tatsächlicher Werbewirkung empirisch zu belegen.
• Standardisierungsherausforderungen: Ein einheitlicher Branchenstandard für Attention Metrics fehlt noch. Verschiedene Anbieter nutzen unterschiedliche Methoden und Scores, was die Vergleichbarkeit einschränkt. IAB und MRC arbeiten an Standardisierungsrahmen.