17. November 2022
Um User über viele Web Pages hinweg zu finden, gab es Third-Party Cookies als beste Methode. So kann dem User persönliche Ads gezeigt werden. Aber auch für das Frequency Capping der Werbung, das Messen der Leistung einer Kampagne und um Attributions zu machen wurden sie genutzt.
Third-Party Cookies sind aber nicht sehr gut für den Schutz der Daten. Daher werden sie aus den Browsern verbannt – einer nach dem anderen.
Die Cookies werden schon von Safari von Apple und Firefox von Mozilla als Standard geblockt. Der Support von Google Chrome endet für sie im Jahr 2023.
Wie ist es in Zukunft also für Werbetreibende möglich, persönliche Werbung ohne diese Cookies zu machen? Und dabei auch noch auf den Schutz der Daten der User zu achten?
Dafür gibt es ein paar Lösungen. Data Clean Rooms sind eine davon.
Hier zeigen wir, was Data Clean Rooms sind. Auch wie sie laufen, was die Vor- und Nachteile sind und warum manche Marken ihre eigenen bauen, wird gezeigt.
Ein Data Clean Room ist eine Software, die für die Werbung so ist, wie Third-Party Cookies auch. Und sie achten dabei auf den Schutz der Daten. In dem Data Clean Room kann Data gespeichert werden. Eine Firma kann also dort ihre First-Party Data speichern. Dann vergleicht sie dies mit Data, die von anderen Firmen gesammelt und dort gespeichert wird.
Waren Firmen vorher Partner, konnte User Data, wie Cookie IDs, Geräte IDs und IDs von gehashten E-Mail Adressen, direkt getauscht werden. Das ist hier nicht der Fall. Der Data Clean Room gleicht die First-Party Data von Marken und Werbetreibenden ab. Auf die User Data ist ein Zugriff von außen aber nicht möglich. Also bleibt die First-Party und User Data im Data Clean Room und wird so mit keinem geteilt.
Erst muss die Firma ihre First-Party Data im Data Clean Room speichern. Dann gibt es Maßnahmen zum Schutz der Sicherheit und der Privatsphäre. Das sind zum Beispiel die Codierung, das Einschränken des Zugriffs, Differential Privacy und Noise Injection. Zum Schluss wird die Data in Gruppen geteilt.
Dann kann die Data genutzt werden. Das geschieht für die Zwecke der Werbung und des Marketings, wie zum Beispiel Targeting, Messungen und Prüfung der Zielgruppe.
Die Reports des Data Clean Rooms können von Firmen für Werbung und Publishern geprüft werden. So können Kampagnen, die grade laufen, oder in Zukunft laufen sollen, besser werden.
Data Clean Rooms sind wie ein Förderband, auf dem eine Kiste läuft. So ist der Ablauf mit diesem Beispiel:
1. Beladen
Die Firma für Werbung legt ein Paket mit First-Party Data auf das Band. In dem Paket kann User Data, oder auch Transaktions und historische Data sein. Eine zweite Firma für Werbung legt an anderer Stelle auch ein Paket auf das Band, in dem auch First-Party Data ist.
2. Reinigung
Die Pakete werden auf dem Band zu einer Metallbox gebracht. Das ist der Data Clean Room. Hier wird die Data kombiniert und bereinigt. Das heißt also, die Zielgruppen werden vereint und Technik zum Schutz der Daten wird genutzt. Das sind Verschlüsselung, Hashing, Codierung, Beschränkung des Zugriffs und Noise Injection.
3. Fertig zur Nutzung
Jetzt kann Usern aus der Zielgruppe Werbung gezeigt werden. Die Reports können geprüft und für mehr Zwecke der Werbung genutzt werden.
Der Fokus des Data Clean Rooms liegt auf dem Schutz der Daten. Die Reports basieren auf Data, die aggregiert wurde. Die Zahl der User, die auf die Werbung klickten, kann gesehen werden. Aber Infos über die Person, wie IDs, sind dann nicht zu sehen.
Das Netz wird für User stets besser. Das liegt an Gesetzen für den Schutz der Daten, sowie mehr Schutz der Privatsphäre in Browsern und mobilen Apps. Für Firmen wird es aber schwerer, Maßnahmen für Werbung zu schalten, die sie früher nutzten. Data Clean Rooms sind ein guter Mittelweg zwischen dem Schutz der User und es für Firmen möglich zu machen, ihre Zielgruppe zu erreichen. So messen sie die Leistung der Kampagne und können Impressionen und Klicks den Conversions zuordnen.
Auch ist so ein Co-Marketing von zwei Firmen möglich. Sie können die Kunden, die sie teilen, finden. So können sie gute User Profile durch prüfen der Reports, die Anonym sind, machen.
Wie es bei Technik so ist, haben auch Data Clean Rooms Vor- und Nachteile.
Die Vorteile des Data Clean Rooms sind:
• Eine gute Lösung für den Schutz der Daten. So kann die Zielgruppe geprüft, Targeting Ads geschaltet und Leistung gemessen werden. Die User Data wird zwar in einem Data Clean Room gespeichert, Dritte haben dort aber keinen Zugang.
• Ein guter Blick über die Leistung einer Kampagne, die über viele Kanäle läuft, ist mit manchen Data Clean Rooms möglich.
• Die Data, die gespeichert wird, ist nicht für andere Firmen zugänglich. So hat der Eigentümer der Data immer die Kontrolle über sie.
Die Nachteile eine Data Clean Rooms sind:
• Die angehäufte Data für das Reporting und Ad Targeting ist nicht so genau, wie Data, die auf IDs fußt.
• Das Format der Data muss gleich sein, bevor es im Data Clean Room gespeichert wird.
• Wird die First-Party und Transaktions Data nicht mit anderen Firmen geteilt, kann dies eine schlechte Wirkung auf die Leistung des Data Clean Rooms haben. Auch ist der Nutzen der Funktionen für die Firma dann nicht so gut.
• Für Firmen, die Werbung machen, ist es oft nötig, die Ergebnisse von diversen Data Clean Rooms manuell zu vereinen. Das liegt daran, dass die meisten Data Clean Rooms von bestimmten Plattformen, wie Facebook oder Google, sind.
• Data Clean Rooms sind recht neu. Daher gibt es keinen Standard, wie sie eingefügt werden.
Die Risiken bei der Nutzung eines Data Clean Rooms sind:
• Werbetreibende müssen ihre First-Party Data abgeben. Das kann im schlimmsten Fall zu einem Datenleck führen. Und somit auch zu hohen Strafen. Dazu kommt noch der Verlust von Kunden und des guten Rufs.
• Werden Data Clean Rooms manuell verwaltet, sind sie anfällig für Fehler des Menschen. Das kann das Gewähren des Zugriffs für Leute sein, die ihn nicht haben sollten. Aber auch das falsche Formulieren von Abfragen und der Austausch von Data in einem Umfeld, das nicht sicher ist, gehören dazu.
• Das Niveau der Sicherheit, um die Privatsphäre zu schützen, ist von Firma zu Firma anders. Die Art der Data, die im Data Clean Room gespeichert wird, kann nämlich schwanken. Das hängt von Faktoren ab, und zwar:
1. Je nach Art der Branche: Im Gesundheitswesen gibt es mehr kritische Data, als in der Auto-Branche.
2. Der Wille, die Data zu teilen: Während eine Firma ihre ganze Data speichert, gibt eine andere zum Beispiel nur die Hälfte.
Für die Probleme der Branche für programmatische Werbung bieten Data Clean Rooms gute Lösungen. Auch wenn es Risiken und Nachteile gibt. Das Ad Targeting und Messungen kann so im Einklang mit dem Schutz der Daten sein.
Firmen für Werbung und Publisher sammeln beide First-Party Data aus vielen Quellen. Zum Sammeln und Verwalten der Data können sie eine Custom Data Platform (CDP) nutzen. Eine Data Clean Room macht mehr möglich, als eine CDP. So wird das Data Management auf die nächste Stufe gebracht.
Wie sind ein CDP und ein Data Clean Room anders voneinander?
• Mit einer CDP kann First-Party Data gesammelt, geteilt und verarbeitet werde. Der Fokus liegt auf der User Data und IDs. Bei Data-Clean Rooms liegt der Fokus aber auf First-Party Data, die Anonym ist.
• Hat die CDP nur ein Basis-Level von Sicherheit, zum Beispiel, dass der Zugriff erlaubt wird, ist es anfällig für Datenlecks. Bei einem Data Clean Room mit hoher Sicherheit, wo die Data anonym ist, ist das besser.
• Data von anderen Firmen kann in einer CDP nicht genutzt werden. In dem Data Clean Room ist das möglich. Die Reports, die auch anonym sind, fußen auf gesammelter Data und liefern so Infos.
Third-Party Cookies sind seit Jahren stets schlechter nutzbar. Google Chrome wird den Support für sie auch stoppen. Da es der meist genutzte Browser ist, wurde nach Optionen gesucht. Data Clean Rooms sind eine davon.
Dazu gibt es noch drei weitere Optionen:
• Universal IDs: Programmatische Werbung braucht IDs, auch wenn die Zeit von Third-Party Cookies zu Ende geht. Universal IDs sind ein Ersatz für sie. Hier werden E-Mail Adressen genutzt, um Hashed IDs zu machen.
• Die Privacy Sandbox von Google Chrome: Der Fokus hier liegt auf dem Schutz der Privatsphäre der User. Aber für Firmen, die Werbung machen, und Publisher soll es möglich sein, Kampagnen für die Werbung zu machen, diese zu messen und darüber zu berichten. Das Topics API ist ein neuer Standard, der es möglich macht, Usern Ads zu Themen zu zeigen, in denen sie interessiert sind.
• Ad Targeting mit Kontext: Als die Online Werbung im Jahr 1994 begann, war das die erste Ad-Targeting Methode. Mit den Änderungen bei dem Schutz der Daten kommt sie jetzt wieder. Diese Art der Werbung erlaubt es, den Usern Ads zu zeigen, die im Kontext zu der Seite oder der App steht. Das hört sich nach einer alten Targeting Methode an. Aber mit mehr Infos zu dem User kann sie sehr gut sein.
In der Zukunft wird es sicher noch mehr Wege geben. Wie zum Beispiel Krypto-Identitäten. Hier werden Menschen als Avatar gezeigt. So ist der Abgleich, die Erfassung und Prüfung von Data möglich ohne, dass PIIs geteilt werden müssen.
Bei Data Clean Rooms gibt es drei Arten. Die erste bieten die Walled Gardens von AdTech an. Die zweite bieten unabhängige Firmen an. Und die dritte bieten Firmen an, die viele User und Inhalte haben.
Wie sind sie anders?
Die erste Art ist von Google, Amazon und Facebook. In den Media Clean Rooms bietet die Firma gehashte und aggregierte Data an Firmen an, die ihre Plattformen für Werbung nutzen.
Die zweite Art können zwei Eigentümer von Data sein, wie ein Publisher und eine Firma für Werbung. Sie packen ihre Data in einen Room und können sie so sicher teilen.
Bei der dritten Art machen große Firmen mit viel User Data und Inhalten ihre eigenen Data Clean Rooms. Das sind zum Beispiel Disney, Spotify und Tiktok.
Hier sind ein paar Firmen, die Data Clean Rooms bieten:
Google Ads Data Hub basiert auf Google Cloud. Es ist eine Data Warehouse Lösung, die einen guten Schutz der Daten bietet. Hier können mit Tools Reports gemacht werden, die keine PIIs haben. Die Quellen der Data sind Google Campaign Manager, Display & Video 360 (DV360), Google Ads und YouTube.
Die AMC ist eine ganze Data Clean Room Lösung, die auf AWS läuft. Es zeigt Firmen die wahre Wirkung von Cross-Site Investments. Es gleicht ab und prüft Data von zwei Quellen. Ein Teil der Data kommt von der Firma und der zweite von Amazon Advertising Events.
Die Sicherheit der Data steht bei InfoSum an erster Stelle. Der Data Clean Room von InfoSum verarbeitet die Data dezentral in einem Room, der nicht abhängig von der Cloud ist. So ist das Risiko eines Datenlecks nicht möglich, wie es sonst bei Data Lakes der Fall ist, die Zentral speichern.
Hier können Firmen, die Werbung machen, eine Umgebung bauen, wo geteilte Data Sets verarbeitet werden können. Die Info wird in Echtzeit geliefert. Und User Infos sind da nicht sichtbar.
Der Clean Room wurde im Jahr 2021 gemacht. Die Lösung hängt nicht von der Cloud ab. Sie basiert auf Disney Select Data und dem Diagramm der Zielgruppe von Disney Advertising. Die Partner der Cloud sind Habu, InfoSum und Snowflake.
Es gibt drei Trends beim Aufbau von Data Clean Rooms. Der Sektor des Einzelhandels passt sich dabei am besten an.
Hershey’s will die Strategie der Werbung voran bringen und sucht neue Einsichten über die Leistung der Kampagnen für die Werbung. Die Süßwaren werden über viele Händler verkauft. Der Firma fehlt es aber an Einblick in manche Bereiche von dem Geschäft. Das ist zum Beispiel, ob das Kundenprogramm gut ist.
Mit Data Clean Rooms kann Hershey’s die Händler dazu bringen, First-Party Data mit ihnen zu teilen. Auch können sie die Zahl an Ads sehen, die wiederholt werden, das Kundenprogramm prüfen und den besten Weg für ihre Werbung wählen. Die Data der Kundenkarten der Händler wird mit der Data der Werbung von Hershey’s gespeichert, und kann dann geteilt werden.
Der Data Clean Room wird von Unilever genutzt, um zu sehen, auf welcher Plattform das Zeigen von Werbung bei Kunden nicht zum Kauf im Handel geführt hat. Die Data Sets der Werbung werden dafür zu der Firma Nielsen und Kantar geschickt, die dies messen kann. Dann werden die Ergebnisse auf Google, Facebook und Twitter geprüft.
Der Data Clean Room von Disney ist für Marketer, um neue Lösungen für die Zukunft zu schaffen. Dazu arbeiten sie mit Anbietern für Data Clean, wie Habu, InfoSum und Snowflake, zusammen. So kann Disney den Werbekunden etwas bieten, das einen guten Schutz der Daten hat. So ist es möglich, gute Infos über die Kunden zu finden.
Firmen suchen nach neuen Wegen für die Werbung. Dabei soll auch die Privatsphäre der User beachtet werden. Das Ende vom Support für Third-Party Cookies von Google Chrome hat dabei einen großen Anteil.
Data Clean Rooms sind dafür ein Weg. Für seine Nutzung speicher zwei Firmen, wie eine Firma, die Werbung macht, und ein Publisher, Pakete von Data in dem Data Clean Room. Die Data ist dann anonym und verschlüsselt. Die Info ist vereint und in Gruppen, und beide Firmen können sie nutzen.
Der Nutzen bezieht sich meist auf Ad Targeting, Frequency Capping, Messungen und Attributions.
Aber es gibt auch andere Wege, wie Universal User IDs, Google Privacy Sandbox und Targeting mit Kontext.
Der Markt für Data Clean Rooms wächst schneller, je näher das Ende von Third-Party Cookies kommt. Bei Data Clean Rooms gibt es drei Arten: Die eine wird von Walled Gardens (Google, Meta und Amaon), die zweite von unabhängigen Anbietern und die dritte von Marken und Eigentümern von Inhalten gemacht.