OpenAdLibraryOpenAdLibrary
Definitie

Aangepaste doelgroep

Een aangepaste doelgroep is een targetbare groep die een adverteerder bouwt uit eigen data, zoals een geüploade klantenlijst, pixel‑getraceerde sitebezoekers of app‑gebruikers, in plaats van te vertrouwen op de ingebouwde interessecategorieën van het platform.

Redactionele illustratie: Aangepaste doelgroep

Een aangepaste doelgroep is een targetbare groep gebruikers die een adverteerder bouwt uit eigen data in plaats van de vooraf gebouwde interesse‑ of demografische categorieën van een platform. Deze wordt doorgaans gecreëerd door een klantenlijst (e‑mails, telefoonnummers of gehashte identifiers) te uploaden, door websitebezoekers te taggen met een tracking pixel, of door app‑activiteit te koppelen, waarna die data wordt gematcht met de gebruikersbasis van het platform om te vinden waar diezelfde mensen al bestaan.

De drie veelvoorkomende bronnen#

De meeste aangepaste doelgroepen komen uit één van drie plaatsen. Een klantenlijst is een directe upload, meestal e‑mails of telefoonnummers, gematcht met de geregistreerde gebruikers van het platform, nuttig om bestaande kopers te bereiken met upsell‑ of reactivatie‑boodschappen. Website‑ of app‑activiteit komt van een pixel of SDK die afvuurt bij specifieke acties, paginabezoeken, productweergaven, winkelwagen‑toevoegingen, aankopen, wat dezelfde onderliggende mechaniek is waarop remarketing‑campagnes draaien. Engagement‑doelgroepen worden gebouwd uit mensen die al interactie hebben gehad met de advertenties of content van de adverteerder rechtstreeks op het platform, zoals iedereen die een deel van een video‑advertentie heeft bekeken of een formulier heeft geopend.

Aangepaste doelgroepen als seed voor look‑alikes#

Naast het targeten van de aangepaste doelgroep zelf, is de belangrijkste andere toepassing het gebruiken als seed voor een uitbreiding naar een vergelijkbare doelgroep: het platform analyseert de gedeelde kenmerken van de aangepaste lijst en vindt nieuwe gebruikers die erop lijken. Daarom is de datakwaliteit in een aangepaste doelgroep belangrijk, zelfs wanneer een adverteerder niet van plan is deze direct te targeten. Een rommelige of te brede aangepaste lijst levert een zwakkere uitbreidingsdoelgroep op, waardoor de twee functies in de praktijk nauw met elkaar verbonden zijn, hoewel ze verschillende problemen oplossen.

First‑party data en privacy‑beperkingen#

Het bouwen van bruikbare aangepaste doelgroepen hangt af van solide first-party data: schone, toestemming‑gebaseerde, direct verzamelde gebruikersinformatie in plaats van third‑party data gekocht van een broker. Privacy‑regelgeving en platform‑beleid zijn strenger geworden rondom welke identifiers mogen worden gebruikt om een aangepaste doelgroep te matchen en hoe die matching plaatsvindt, doorgaans richting gehashte, toestemming‑gebaseerde data die direct door de adverteerder wordt verzameld. Kopers moeten de actuele documentatie van het specifieke platform raadplegen voor matching‑vereisten en toestemmingsregels in plaats van aan te nemen dat oudere upload‑methoden nog gelden.

Waar dit past in native‑ en affiliate‑funnels#

Aangepaste doelgroepen zijn meer ontwikkeld op sociale‑ en zoekplatformen die geregistreerde gebruikersidentiteit op schaal hebben, maar het onderliggende idee – mensen targeten op basis van data die u al bezit – geldt over alle kanalen. Een adverteerder die native‑advertenties draait via Taboola of Outbrain en tevens een klantenlijst of pixel‑getraceerde site‑data bezit, kan die doelgroep vaak via een gekoppeld demand-side platform sturen om aangepaste‑doelgroep‑targeting bovenop native‑inventaris te leggen, in plaats van alleen te vertrouwen op de ingebouwde context‑ en geo targeting van het netwerk. Dit is vooral relevant voor adverteerders met een gevestigde klantenbasis, zoals DTC brands die native combineren met andere kanalen, minder voor koude affiliate‑aanbiedingen zonder bestaande klantdata als seed.

Een aangepaste doelgroep over tijd bruikbaar houden#

Lijsten verouderen. Een klantenlijst die één keer wordt geüpload en nooit wordt ververst, drijft steeds verder af van het huidige koopgedrag elke maand, en een pixel‑gebaseerde doelgroep met een kort attribution window heeft continue nieuwe bezoeken nodig om gevuld te blijven. Het regelmatig verversen van lijsten en het verwijderen van niet‑geldige identifiers houdt een aangepaste doelgroep (en alles wat ervan wordt gemodelleerd) representatief voor wie het merk vandaag daadwerkelijk bereikt, in plaats van wie het een jaar geleden bereikte.

Veelgestelde vragen

Welke gegevens kunnen worden gebruikt om een aangepaste doelgroep te bouwen?
Veelvoorkomende bronnen zijn geüploade klantenlijsten zoals e‑mailadressen of telefoonnummers, website‑ of app‑activiteit die via een pixel of SDK wordt gevolgd, en engagement‑data van mensen die al interactie hebben gehad met de advertenties of content van een adverteerder rechtstreeks op het platform.
Is een aangepaste doelgroep hetzelfde als een look‑alike doelgroep?
Nee. Een aangepaste doelgroep is de feitelijke groep die is opgebouwd uit de eigen data van een adverteerder. Een look‑alike doelgroep is een aparte, nieuw gegenereerde groep mensen die eigenschappen delen met een aangepaste doelgroep, maar die niet in de oorspronkelijke data zelf voorkomen.
Heb ik een grote klantenlijst nodig om een bruikbare aangepaste doelgroep te bouwen?
De meeste platforms stellen een minimumgrootte vast voor matching en modellering om betrouwbaar te werken, en zeer kleine lijsten kunnen mogelijk niet genoeg gebruikers matchen om bruikbaar te zijn voor targeting of als look‑alike seed. Controleer de actuele documentatie van het specifieke platform voor de minimale drempels.
Hoe vaak moet een aangepaste doelgroep worden ververst?
Regelmatig. Pixel‑gebaseerde doelgroepen hangen af van een rollende attributievenster en hebben continue nieuwe bezoeken nodig om gevuld te blijven, terwijl geüploade klantenlijsten steeds verder afdrijven van huidig gedrag naarmate ze langer zonder update blijven.
Het OpenAdLibrary Team
Geschreven doorHet OpenAdLibrary Team
Advertentie-intelligentie & native advertising-onderzoek

Wij bouwen OpenAdLibrary, het open advertentie-transparantieplatform. Dagelijks vangen onze systemen live native advertenties op via Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo en MSN, identificeren de echte adverteerder achter elke advertentie en volgen de klik naar de bestemmingspagina. Deze handleidingen distilleren wat wij in die data zien, zodat jij de markt sneller kunt onderzoeken.