Microsoft Audience Network Targeting: LinkedIn, In-Market & Remarketing

Microsoft Audience Network giver dig seks targetingfamilier til native annoncer: LinkedIn-profil-targeting (virksomhed, branche og jobfunktion — ingen anden native kanal har det), in-market-audiences bygget fra Microsofts købsintentionssignaler, remarketing og dynamisk remarketing drevet af UET-tagget, customer match-lister, lignende audiences, og de standarde demografiske, geografiske og enhedskontroller. Hvert audiencelag kan anvendes som "target and bid" (udbud kun til denne audience) eller "bid only" (udbud bredt, forhøj bud for audience). Denne guide dækker, hvordan hver mulighed faktisk fungerer, hvor dataene kommer fra, og hvordan erfarne købere kombinerer dem.

Hvor targetingdataene kommer fra#

Targeting er kun så god som identitetsgrafen bag den, og Microsofts er usædvanlig. Audience Network trækker på first-party data fra platforme, Microsoft ejer direkte: Bing-søgehistorik (deklareret intention), MSN- og Microsoft Start-læseadfærd, Edge-browsingsignaler, Outlook.com-engagement — og LinkedIns professionelle graf, som er det aktiv, ingen konkurrerende native netværk kan røre.

Dine annoncer vises som native placeringer på tværs af MSN/Microsoft Start, Outlook.com-indbakker, Microsoft Edge nyt-fane-feed og udvalgte partnerpublishers. Hvis du vil have det fulde billede af den inventory — hvordan feedet ser ud, hvem der læser det, hvordan annoncerne renderes — dækker vores guide til MSN-native annoncer supply-siden; denne artikel forbliver på targeting. Til orientering om netværket selv er der også en kompakt MSN-native annonceordbogsindgang.

Skala, så du ved, hvad der ligger bag targetingen: OpenAdLibrarys indeks indeholder 281.839 levende Microsoft Audience Network-kreativer pr. juli 2026 — det største enkelte netværk i vores korpus på 725.882 kreativer og 49 netværk. Dette er ikke et nicheeksperiment; det er en af de største native overflader på det åbne web.

LinkedIn-profil-targeting: muligheden ingen andre har#

Hovedfunktionen. Microsoft ejer LinkedIn, og Audience Network er et af de eneste steder uden for LinkedIn selv, hvor du kan købe mod den professionelle graf. Tre dimensioner er tilgængelige:

• Virksomhed — target personer, der arbejder i specifikke organisationer, efter navn.
• Branche — target efter arbejdsgiverbranchekategori.
• Jobfunktion — target efter funktionel rollefamilie (finans, teknik, marketing osv.).

Bemærk, hvad der mangler: individuelle jobtitler og anciennitetsniveauer, som LinkedIns egen annonceplatform sælger. På Audience Network får du det grovere trio — funktion, branche, virksomhed — hvilket stadig er transformerende for B2B på native inventory. De praktiske spil:

• ABM-inspireret prospecting: indlæs en named-account-liste som virksomhedstargeting og præsentér din løsning for de ansatte, mens de læser nyhederne — til native-feed-klikpriser i stedet for LinkedIns premium CPC'er. Mediekøbere rapporterer konsekvent, at Audience Network-klik koster en brøkdel af sammenlignelige LinkedIn-køb; betragt det som retningsgivende, ikke en takst.
• Funktion × branche-stacking: "finansroller i sundhedsorganisationer"-stil kombinationer til vertikal SaaS og services.
• Tilgængelighedsforbehold: LinkedIn-profil-targeting tilbydes i et sæt større markeder (USA og flere andre tier-1-lande), og listen udvikler sig — bekræft den aktuelle markedsdækning i Microsofts officielle dokumentation, før du bygger en geo-plan omkring det.

En disciplinbemærkning: LinkedIn-dimensioner anvendt som hård targeting kan skrumpe audiences brutalt. Standardmønsteret er at anvende dem som budforhøjelser ("bid only") over en bredere kampagne først, bekræfte, at segmenterne konverterer, og derefter forfremme de bekræftede kombinationer til "target and bid."

Kreativiteten skal også bære sin del af targetingen. En feed-læser har ingen idé om, at de blev udvalgt efter arbejdsgiverbranche — en generisk forbrugerstil-overskrift spilder udvælgelsen. Navngiv den professionelle kontekst ("til finanshold," "hvis du styrer feltoperationer"), og LinkedIn-laget begynder at tjene sin forhøjelse; audiencedataene får dem vist, kopien får de rigtige til at klikke.

In-market-audiences: intention uden cookie-dramaet#

In-market-audiences er Microsoft-kuraterede segmenter af brugere, der viser nylige købsintentionssignaler — søgeforespørgsler, indholdsforbrug, klik — for en kategori: "in market for auto insurance," "in market for business software," hundredvis flere. De er arbejdshesten til kold trafik, fordi de indkoder deklareret søgeintention (en Bing-forespørgsel er næsten så ærlig, som signaler kan blive) uden at kræve data fra dig.

Praktikerbemærkninger:

• Start med in-market til kold prospecting. Det er det tætteste, native har på søgeintention til feed-priser.
• Match segmentet til funnelstadiet, ikke kun produktet. En person "in market for mortgages" reagerer på rentesammenligningsvinkler; den samme person seks måneder tidligere sidder i et bredere home-buying-segment og har brug for uddannelsesstadiekreativ.
• Segmentkvalitet varierer efter kategori og geo. Test to eller tre tilstødende segmenter mod hinanden snarere end at antage, at det oplagte er bedst.

Et gennemarbejdet eksempel på, hvordan funnelstadie-pointen spiller ud. Lad os sige, du sælger business VoIP. Den oplagte opbygning targeter et "in market for business phone systems"-stilsegment med en demo-forespørgsel-lander — rigtigt segment, bund-funnel-forespørgsel, og det vil konvertere et tyndt snit. Den stærkere opbygning kører to annoncegrupper: det snævre in-market-segment mod demo-lander'en, og et bredere business-services-segment mod en sammenligningsguide-advertorial, der varmer klikket op før forespørgslen. På feed-inventory, hvor læseren ikke søgte efter dig for ti sekunder siden, producerer den anden annoncegruppe normalt mere pipeline per dollar — intentionsdata fortæller dig, hvem der shopper, men kreativiteten skal stadig møde dem, hvor feedet placerede dem.

Remarketing, dynamisk remarketing, customer match og lookalikes#

Familien til retention og genvinding, alle afhængige af én forudsætning: UET (Universal Event Tracking)-tagget skal være aktivt på dit site, før noget af det fungerer. UET er Microsofts site-tag — basis-snippet på hver side, konversionssporings-events lagt ovenpå — og det fodrer både dine konversionsmål og dine audiencelister.

• Remarketinglister — regelbaserede audiences fra siteadfærd: alle besøgende, cart abandoners, prisside-seere, konvertere at ekskludere. Standard recency-vinduer gælder; byg listerne tidligt, fordi de kun fyldes op fremadrettet fra oprettelse.
• Dynamisk remarketing — produktniveau-retargeting til retail: par UET-produktevents med en Microsoft Merchant Center-feed, og netværket viser de faktiske produkter, en bruger har set, igen. Hvis du kører en produktkatalog, er dette normalt den højeste-ROAS-ting på hele netværket.
• Customer match — upload hashede e-maillister for at targete (eller ekskludere) kendte kunder og leads. Egnethedskrav gælder for funktionen; tjek aktuelle betingelser i de officielle docs.
• Lignende audiences — Microsoft-genererede lookalikes seedet fra dine remarketinglister, det standarde ekspansionsspil, når en seed-liste har nok volumen.

To vaner værd at stjæle: ekskluder altid nylige konvertere fra prospecting-kampagner (feed-inventory er billigt nok til, at spild skjuler sig nemt), og byg en "høj-intention-ikke-konverter"-liste — cart- eller prisside-besøgende minus købere — som din første dedikerede remarketing-kampagne. Det er pålideligt den bedste CPA på kontoen.

Demografi, geografi og enhed#

Det uglamourøse lag, der stille bestemmer effektivitet:

• Alder og køn targeting eller budjustering, nyttig i begge retninger — MSN/Outlook-audiencen hælder mod ældre end sociale feeds, hvilket er et aktiv for finans, sundhed, hjem og forsikringstilbud og en korrektion at foretage for ungdomsmarkedsprodukter.
• Geografi — land, region/stat, byniveau- og radiusmuligheder, plus geo-targeting-budjusteringer. Den samme en-geo-per-kampagne-disciplin, der gælder på hvert native netværk, gælder her.
• Enhed — desktop, tablet og mobil-opdeling. Audience Network har usædvanligt stærk desktop-supply (Edge nyt-fane, Outlook på desktop, MSN på Windows), og desktop-mod-mobil-adfærd afviger nok til, at modne konti splitter dem.

Værd at udtrykke eksplicit: fordi alt dette kører på Microsofts egne platforme og logged-in-graf, er targeting-stakken i høj grad isoleret fra third-party-cookie-deprecation. Signalerne, der fodrer in-market-segmenter og LinkedIn-dimensioner, er first-party per konstruktion, hvilket er en grund til, at sofistikerede købere stille har flyttet prospecting-budget mod dette netværk, mens retargeting-pools på cookie-afhængige kanaler skrumper. Det betyder også, at audienceskala varierer efter, hvor dominerende Microsofts platforme er i hver geo — audiences størrelser, der ser gode ud i USA, kan tynde ud hurtigt i markeder, hvor Bing og MSN har mindre fodaftryk, så sanity-check estimeret rækkevidde per geo før budgetfordelinger fastlægges.

Target-and-bid vs bid-only: strukturering af det hele#

Hver audienceassociation på netværket kommer i to tilstande, og bevidst valg er størstedelen af færdigheden:

Mønsteret, der virker: nye signaler indtaster som bid-only-forhøjelser oven på brede eller in-market-kampagner; alt, der beviser konversionsforbedring over en reel stikprøve, forfremmes til sin egen target-and-bid-kampagne med dedikeret budget og kreativ. Dette holder læringsvolumen høj, mens det afgrænser forbrug til det, der er bevist.

Negative kontroller betyder lige så meget som positive — ekskluder konverterede audiences, ekskluder irrelevante placeringer på siteniveau, når placeringstrapporten retfærdiggør det, og brug kategoriekskluderinger, hvor brand-fit kræver det. Ekskluderingsmuligheder og deres granularitet ændrer sig over tid, så bekræft i aktuel dokumentation snarere end at antage lighed med Googles displaykontroller.

Tre lagrede opbygninger, der virker#

• DTC / lead-gen prospecting stack: bred geo + enhedskampagne → in-market-segment (target and bid) → LinkedIn-branche som bid-only-forhøjelse → konverter-ekskluderinger. Feed-native kreative vinkler, og forvent, at den ældre-hældende audience belønner klarhed over hype. Hvis du kommer fra Meta, sætter vores Meta-diversificeringsspillebog denne kanal i porteføljekontekst, og DTC-sammenligningen i native vs Facebook-annoncer sætter forventninger til CPC og kreativ stil.
• B2B stack: LinkedIn-jobfunktion × branche (bid-only først) over et in-market business-segment → named-company target-and-bid-kampagne til ABM-konti → remarketing på whitepaper/prisside-besøgende. B2B på native feeds fungerer netop, fordi ingen forventer det — dine konkurrencer byder på LinkedIn, mens du når de samme fagfolk til feed-priser.
• Retail stack: dynamisk remarketing på produktseere → customer match-ekskluderinger → lignende audiences seedet fra købere → in-market-kategorier til kold ekspansion.

Almindelige targetingfejl på dette netværk#

Fem mønstre, der brænder budgetter her, alle undgåelige:

1. Stable hvert lag på dag ét. LinkedIn-funktion × in-market × alder × enhed × brugerdefineret liste producerer en audience på fire hundrede personer og en kampagne, der aldrig forlader læringsfasen. Lag tjener deres plads ét ad gangen.

2. Behandler LinkedIn-targeting som LinkedIn Ads. Du får funktion, branche og virksomhed — ikke titler eller anciennitet. Kampagner planlagt omkring "target CFOs" skal omformuleres til "finansfunktion i virksomheder af den rigtige profil," hvor kreativiteten udfører anciennitetsfiltreringen.

3. Importerer Google-display-audiences en-til-en. Microsoft-grafen er bygget fra forskellige signaler (søgning på Bing, LinkedIn, MSN-adfærd); segmentnavne, der ser identiske ud, kan præstere meget forskelligt. Test igen snarere end at antage.

4. Ignorerer aldershældningen. Denne inventory når en ældre, rigere læser end sociale feeds. Tilbud rettet mod den demografi (finans, sundhed, hjem, forsikring) underinvesterer her; ungdomsmarkedsprodukter overinvesterer.

5. Set-and-forget-lister. Remarketing-vinduer, customer match-filer og ekskluderingslister forfalder alle. Et kvartalsvis audience-audit er billigt; seks måneders re-targeting af churnede e-mails er ikke.

Bekræft, hvad der faktisk kører, før du bygger#

Targetingteori er billig; det levende feed er bevis. Fordi Microsoft ikke udgiver noget annoncebibliotek for Audience Network-inventory, er måden at studere det på et uafhængigt indeks: OpenAdLibrarys annonceintelligensplatform lader dig gennemgå de 281.839 levende Audience Network-kreativer efter annoncør, vertikal, geo og dage kørende. Den vertikale mix pr. juli 2026 — ecommerce (9.978 klassificerede kreativer), finans (9.029), rejser (8.830), forsikring (8.406), software (7.909), uddannelse (5.025) — fortæller dig, hvilke kategorier allerede har fået økonomien til at fungere, og kreativ levetid fortæller dig, hvilke specifikke vinkler, der betaler sig. Denne WalkFit-kreativ havde kørt 30 dage ved capture, et stærkt rentabilitetssignal på CPC-inventory:

Studer de annoncører, der vedbliver i din vertikal — deres audiencevalg er usynlige, men deres geo-opdeling, enhedsopdeling, kreative vinkler og landingssider er alle observerbare, og disse valg indkoder, hvad deres targetingdata lærte dem. Hvis en konkurrent kører desktop-tung i tre tier-1-geoer med pensionistfokuseret kreativ, ser du på outputtet af deres audiencedata, omvendt læseligt udefra. Hvor dette netværk står i forhold til resten af det native landskab: bedste native annoncenetværk har den rangerede sammenligning.

Targeting-checkliste#

1. UET-tag aktivt på hele sitet før alt andet; konversionsmål defineret.
2. Remarketinglister oprettet på dag ét (de fyldes kun op fremadrettet).
3. Kold trafik starter med in-market-segmenter, én geo per kampagne.
4. LinkedIn-dimensioner indtaster som bid-only-forhøjelser; forfrem vindere til target-and-bid.
5. Bekræft LinkedIn-targeting-markedstilgængelighed i officielle docs før geo-planlægning.
6. Konvertere ekskluderet fra alle prospecting-kampagner.
7. Desktop og mobil opdelt, når volumen understøtter det.
8. Placering/site-ekskluderinger anvendt fra data, ikke antagelse.
9. Hvert lag tilføjet ét ad gangen — en stak, du byggede på en eftermiddag, er en stak, du ikke kan debugge.
10. Konkurrentvinkler og levetid tjekket mod det levende indeks før kreative briefs.