Conversion-Daten mit Jentis Synthetic Users wiederherstellen
Management Summary
Potenzial & Anwendungsfälle
Zunehmende regulatorische Herausforderungen bei der Erfassung von Erstanbieterdaten, mit denen Werbetreibende konfrontiert sind, führen zu einer ineffizienten Werbeoptimierung und höheren Kosten für den Return. Gleichzeitig nehmen technische Einschränkungen (zum Beispiel Browserbeschränkungen) zu und begrenzen die Möglichkeiten, ein vollständiges Bild der Nutzer zu erhalten.
Synthetic Users ist eine innovative Lösung, die das Problem fehlender Daten angeht und das Potenzial hat, bis zu 100 % der Conversions wiederherzustellen, die aufgrund der Zustimmungsentscheidung des Nutzers verpasst wurden. Dies wird durch statistische Methoden und Algorithmen des maschinellen Lernens ermöglicht. Als Folge erhalten Anzeigennetzwerke deutlich mehr Signale, was die algorithmische Optimierung von Kampagnen verbessert. Letztendlich sind ein höherer ROAS sowie qualitativ hochwertigere Zielgruppen das Ergebnis der Implementierung von Synthetic Users.
Die Entwicklung der Technologie erfolgte unter der strikten Bedingung, die Datenschutzbestimmungen innerhalb des EWR einzuhalten. Daher ist die Privatsphäre der Nutzer unter Anwendung der Synthetic Users-Technologie geschützt. Es müssen keine persönlich identifizierbaren Datenpunkte oder Identifikatoren an Anzeigenanbieter übermittelt werden, wenn wiederhergestellte Conversions gesendet werden.
Die Technologie ist perfekt in der Lage, verlorene Conversions auf künstliche Weise neu zu generieren, selbst wenn nur sehr wenige zugestimmte Daten vorhanden sind (zum Beispiel nur eine Zustimmungsrate von 30 %). Dies entbindet Unternehmen von der Notwendigkeit, Maßnahmen zur Verbesserung der Nutzerzustimmung zu ergreifen, die letztendlich an der Oberfläche dessen kratzen könnten, was als Dark Patterns im Cookie-Consent-Banner-Design angesehen werden könnte. Daher stellen Synthetic Users nicht nur Conversions wieder her, sondern reduzieren auch die Risiken von Datenschutzverletzungen.
Voraussetzungen
Die Technologie der Jentis Synthetic Users ist nativ in die Jentis Data Capturing Platform (DCP) integriert, die eine serverseitige Tracking-Umgebung darstellt. Die DCP muss in Verwendung sein und das Tagging für die betreffenden Plattformen muss über die Jentis DCP eingerichtet werden. Auf einer sehr hohen Ebene besteht die Plattform aus
- Tools, die die verschiedenen Anbieter wie Google Ads darstellen.
- Tags, die spezifische Signale oder Ereignisse an die Anbieter senden.
Hohe Qualität und ein gewisses Datenvolumen sind fundamental. Wie bei anderen Tagging-Lösungen muss eine saubere Implementierung der Tags und der jeweiligen Parameter gegeben sein, damit der Synthetic User Algorithmus seine volle Kapazität ausschöpfen kann. Die zuverlässigste und native Lösung ist die Implementierung des Jentis Datalayer auf der Website für die Kommunikation von Ereignissen an die DCP.
Theoretischer Hintergrund
Mechanistischer Überblick
Die Technologie basiert auf den folgenden Ebenen:
-
Standardmäßige Datenerfassung:
Daten und Ereignisse werden wie üblich auf der Grundlage der Einwilligung erfasst und an bestimmte Anbieter gesendet. -
Prädiktoren:
Gleichzeitig identifiziert das Jentis DCP sogenannte Prädiktoren, die bei der Segmentierung der Nutzer anhand gemeinsamer Merkmale helfen. Dies können beispielsweise die Sitzungsdauer oder die Anzahl der Seitenaufrufe sein. -
Nicht zustimmungsbasierte Datenerfassung:
Zusammen mit den zustimmungsbasierten Daten bilden die nicht zustimmungsbasierten Daten die Grundlage für die Generierung synthetischer Nutzer. Die nicht zustimmungsbasierten Daten werden auf nicht persistente Weise erfasst, ohne personenbezogene Daten und Parameter, die eine Nutzererkennung ermöglichen. -
Generierung synthetischer Daten:
Statistische Methoden und Algorithmen des maschinellen Lernens werden verwendet, um die Lücken in den nicht einwilligungsbasierten Daten synthetisch zu füllen. Dies führt zur Erstellung synthetischer, anonymer Nutzer, die bestimmten Segmenten auf der Grundlage ihrer Prädiktoren zugeordnet werden. -
ID Pooling:
Die Stärke dieser Technologie liegt nicht nur darin, synthetische (anonyme) Nutzer zu erstellen, sondern diese auch für Werbeplattformen tatsächlich verarbeitbar zu machen. Dies wird durch das sogenannte ID-Pooling erreicht. Ad-Click-IDs, wie beispielsweise die Google Click ID (gclid) von Nutzern, die ihre Zustimmung gegeben haben, werden von Prädiktoren gesammelt und gepoolt. Die synthetisch generierten Nutzer werden mit diesen echten Ad-Click-Identifikatoren versehen. Das Pooling gewährleistet eine aussagekräftige ID-Bevölkerung und macht gleichzeitig die Rückverfolgbarkeit einzelner Nutzer höchst unwahrscheinlich.
Komponenten
Dieser Abschnitt bietet einen Überblick über die technologischen Komponenten innerhalb des Jentis DCP, die die Verwendung synthetischer Benutzer ermöglichen:
Essential Mode
Ermöglicht die Erfassung von Nutzern ohne Einwilligung zusätzlich zu den Nutzern mit Einwilligung. Jentis verhindert die Erfassung von Daten ohne Einwilligung nicht, wenn der Essential Mode aktiv ist, behandelt die Daten jedoch je nach Konfiguration in der Benutzeroberfläche unterschiedlich. Die Benutzeroberfläche ermöglicht eine einfache Steuerung der an die Anbieter gesendeten Parameter, mit denen sensible Informationen für Daten ohne Einwilligung vorverarbeitet oder redigiert werden können. Beispielsweise würde das gclid-Feld im Fall von nicht zustimmenden Nutzern anstelle einer tatsächlichen gclid eine vom ID-Pool bereitgestellte synthetische gclid verwenden. Der Screenshot zeigt auf der linken Seite die Standardeinstellung (für zustimmende Nutzer) und auf der rechten Seite den Wert für den Essential Mode (für nicht zustimmende Nutzer):
Die Signale im Essential Mode sollten keine personenbezogenen Daten und keine Nutzererkennung enthalten, um den regulatorischen Anforderungen zu entsprechen. Zusammen mit dem genehmigten Standard-Tracking bildet dies die Grundlage für die statistischen Methoden, die im Hintergrund zur Generierung der synthetischen Daten angewendet werden.
Synthetisches Nutzermodell
Mithilfe von Algorithmen für maschinelles Lernen ist das Modell in der Lage, Nutzercluster auf der Grundlage von Prädiktoren der zustimmenden Nutzer und auf der Grundlage der für das Modelltraining und die Verhaltenserkennung ausgewählten Ereignisse zu identifizieren.
Die Lücken in den nicht genehmigten Daten werden mit Hilfe von Prädiktoren und statistischen Methoden gefüllt, um vollständige, anonymisierte synthetische Benutzer zu generieren.
Jeder synthetische Benutzer ist mit gepoolten IDs verknüpft, was bedeutet, dass die Werbeplattformen erkennbare Daten erhalten, um die Effizienz der Kampagnen zu verbessern. Das Modell ist auch in der Lage, bestimmte Kampagnen zu identifizieren und Conversions auf Kampagnenebene wiederherzustellen.
Fazit
Die immer komplexer werdenden Herausforderungen bei der Datenerfassung erfordern innovative, aber datenschutzkonforme Methoden, um die durch Browserbeschränkungen und fehlende Einwilligungen entstandenen Lücken zu schließen. Durch den geschickten Einsatz von Algorithmen des maschinellen Lernens und statistischen Methoden lassen sich Conversions wiederherstellen und Kampagnen deutlich besser optimieren.
Beitragsbild: AI-generated
