Datenreinräume, Inkrementalität und die Zukunft der First-Party-Daten: Sind Sie bereit?
Veröffentlicht: 2024-05-03Mittlerweile kennt jeder Vermarkter das Problem: Das Tracking durch Dritte ist auf dem Rückzug. Datenschutzbeschränkungen in den USA und im Ausland nehmen zu und Google hat tatsächlich damit begonnen, Cookies aus seinem Chrome-Browser auslaufen zu lassen.
Das heißt, wenn Ihr Unternehmen keine datenschutzfreundliche Datenstrategie entwickelt hat, sind Sie bereits im Verzug. Es mag wie eine entmutigende Aufgabe erscheinen – die Einrichtung vieler Methoden kann teuer und zeitaufwändig sein –, aber was Sie heute mit Daten tun, könnte in der Zukunft das wichtigste Unterscheidungsmerkmal für Ihr Wachstum sein.
Welche Prioritäten sollten Sie also setzen, um sich auf die vollständige Abschaffung von Drittanbieterdaten vorzubereiten? Unsere Experten weisen den Weg zu drei Lösungen, die in einem datengesteuerten First-Party-Marketing-Ökosystem über Erfolg und Misserfolg entscheiden können: Datenreinräume, Inkrementalitätstests und Media-Mix-Modellierung.
Lösung 1: Datenreinräume
Da die Einhaltung des Datenschutzes zu einem wesentlichen Bestandteil Ihrer Marketingstrategie wird, benötigen Sie Systeme, um sowohl die Sicherheit Ihrer Kundendaten zu schützen als auch die Ausrichtung und Messung von Kampagnen zu fördern.
Datenreinräume sind die Lösung. Sie ermöglichen es Vermarktern, Datensätze zu vergleichen, Benutzerinteraktionen zu verstehen und nützliche Erkenntnisse zu gewinnen, ohne die Privatsphäre des Einzelnen zu gefährden.
Mit Reinräumen können Werbetreibende aggregierte Daten (im Gegensatz zu Daten auf Kundenebene) abfragen, um diese Daten unter strengen Datenschutzkontrollen zu analysieren, sodass keine Gefährdung durch zugrunde liegende personenbezogene Daten (PII) besteht. Das bedeutet, dass Unternehmen, die sie verwenden, einzelne Benutzer nicht verfolgen können, aber Einblicke in das Verhalten dieser Benutzer gewinnen können.
Aber Reinräume glänzen dann wirklich, wenn Marken für eine bessere Messung Daten aus mehreren Quellen kombinieren müssen. Für Daten in einer Reinraumumgebung gelten nicht die gleichen Einschränkungen wie für Daten auf Plattformen. Wenn sich ein Benutzer auf einer einzelnen Plattform wie beispielsweise Instagram oder TikTok abmeldet, muss diese Plattform ihre Daten löschen, diese sind jedoch in Reinräumen weiterhin verfügbar, da sie nicht identifizierbar sind.
Zu den wichtigsten Möglichkeiten, Datenreinräume zu nutzen, gehören:
- Bewerten, wie sich Kampagnen im oberen Funnel auf die Leistung auswirken und mit Kampagnen im unteren Funnel interagieren
- Finden Sie die optimale Häufigkeit für die Schaltung von Anzeigen, bevor die Erträge sinken
- Entwicklung besserer Kundenprofile und Zielgruppensegmente durch Integration von First-Party-Daten mit Identitäten, die auf die Werbeplattform abgestimmt sind
Wenn Sie bereit sind, einen Datenreinraum zu nutzen, haben Sie mehrere Möglichkeiten. Wenn Ihre Marke über eine große Menge an First-Party-Daten verfügt, mit denen Sie arbeiten können, können Sie theoretisch Ihren eigenen Reinraum erstellen, aber Vorsicht: Dies erfordert erhebliche Anstrengungen und Investitionen.
Ein einfacherer Einstieg ist die Zusammenarbeit mit einem Dritten. Große Anbieter von Werbeplattformen wie Google, Meta und Amazon dominieren die Reinraumlandschaft, da sie über mehr Daten verfügen, die relativ ausgereift sind als die Konkurrenz, und Werbetreibenden bessere Einblicke in die Leistung ihrer Anzeigen auf der Plattform geben können. Bei Ihrer Entscheidung sollten Sie berücksichtigen, welche Plattformen Sie am häufigsten nutzen.
Sie können Ihre Analyse auch über Anbieter wie Habu auf einer Plattform konsolidieren, die es Benutzern ermöglicht, mehrere Reinräume über eine Schnittstelle abzufragen.
Trotz aller positiven Aspekte weisen Datenreinräume auch erhebliche Einschränkungen auf. Die meisten Reinräume funktionieren nur für eine einzelne Plattform und können nicht mit anderen Datenreinräumen kombiniert werden. Viele Reinräume verfügen außerdem über eingebaute Beschränkungen dafür, wie oft Werbetreibende denselben Datensatz abfragen können, um zu verhindern, dass Personen im Datensatz identifiziert werden.
Lösung 2: Inkrementalitätstests
Marketing sollte inkrementelles Wachstum vorantreiben, und Inkrementalitätstests messen genau das, indem sie Conversions entfernen, die ohnehin stattgefunden hätten, und so die tatsächliche Auswirkung Ihrer Kampagnen auf die Kaufentscheidung bestätigen.
Ein robustes Inkrementalitätstest-Framework kann Marken dabei helfen, modellierte Leistungsdaten zu validieren und sich ein klareres Bild davon zu machen, wie sich Kampagnen auf die gesamte Customer Journey auswirken.
Diese Tests können Ihrem Team helfen, die tatsächliche Steigerung wichtiger KPIs und Geschäftsergebnisse durch Marketing zu verstehen und wichtige Erkenntnisse über die Medienwirksamkeit im Laufe der Zeit zu gewinnen. Sie können Inkrementalitätstests auch verwenden, um Prognose- und Budgetierungsmodelle auf echte Kausalität zu kalibrieren, sodass sie den „nächstbesten ausgegebenen Dollar“ ermitteln können, indem sie die relative Steigerung über Taktiken, Zielgruppen und Plattformen hinweg verstehen.
Abhängig von den beteiligten Datentypen und Kanälen sowie den Prioritäten Ihrer Marke stehen verschiedene Tests zur Auswahl. Sie müssen überlegen, ob der Test auf bekannte (Erstanbieter) oder unbekannte (Drittanbieter) Zielgruppen abzielt und ob er plattformspezifisch oder plattformübergreifend ist.
Sobald Sie einen Test (oder mehrere Tests) ausgewählt haben, muss Ihr Team Ihre Variablen zuweisen und Stichprobengrößen, Budget und Zeitpläne definieren. Nachdem der Test durchgeführt wurde, beginnen Sie sofort mit der Messung Ihrer Ergebnisse – eine Zwischenanalyse ist wichtig, um festzustellen, ob der Test Ergebnisse liefert oder ob Sie frühzeitig aufhören und die Richtung ändern sollten.
Wenn Sie gerade erst anfangen, denken Sie daran, dass Inkrementalitätstests für die meisten Unternehmen keine leichte Aufgabe sind. Die Einrichtung nimmt viel Zeit und Mühe in Anspruch und liefert nicht sofort Feedback zur Kampagnenoptimierung. Erwägen Sie die Suche nach zuverlässigen Partnern, die Sie bei der Einrichtung effektiver Tests für Ihre Anforderungen unterstützen.
Lösung 3: Media-Mix-Modellierung
Eine der größten Befürchtungen im Zusammenhang mit der Abwertung von Drittanbieterdaten ist der Verlust der kanalübergreifenden Nachverfolgung und der potenzielle Rückgang wirklich integrierter Messungen und Erkenntnisse. Mithilfe der Media-Mix-Modellierung (MMM) können Sie den optimalen Media-Mix für alle Kanäle und Plattformen ermitteln und das benötigte Budget prognostizieren.
MMM ist ein ganzheitlicher Messansatz, mit dem Vermarkter die kanalübergreifende Steigerung aller Marketingbemühungen ermitteln, einschließlich schwer messbarer Effekte wie sinkender Rendite.
Marken, die ein MMM nutzen, geben einige deterministische Daten und Modelle für den Rest ein und nutzen vergangene Daten, um zukünftige Investitionen vorherzusagen. Idealerweise beziehen Sie Markenmetriken als Eingaben ein, damit Sie das Modell verwenden können, um die Auswirkung dieser Metriken auf Conversions zu verstehen. Diese Modelle sollten auch nicht-mediale Variablen einbeziehen, darunter wirtschaftliche Faktoren, Preisänderungen, Werbeaktionen, Lagerbestände usw., um die Medienwirkung genau zu bestimmen.
Quelle: Harvard Business Review
Während MMMs Vermarktern eine gute Möglichkeit bieten, zukünftiges Wachstum vorherzusagen und Markenkennzahlen zu quantifizieren, haben diese Modelle auch ihre Herausforderungen. MMMs können teuer und langsam sein, aber das größte Problem für die meisten Vermarkter, die diese Messmethode nutzen möchten, besteht darin, dass die Entwicklung eines solchen Modells jahrelange Daten erfordert.
Glücklicherweise gibt es eine neue Art von MMM in der Stadt: Hochgeschwindigkeits-MMMs wie der Growth Planner von Wpromote, die die erhöhte Datenverfügbarkeit, Rechenleistung und Automatisierung von heute nutzen, um die Kanalauswirkungen auf vergangene Conversions zu messen und Ergebnisse genau vorherzusagen, ohne individuelle Daten zu verwenden. Das beschleunigt den MMM-Prozess und macht ihn für Vermarkter effizienter.
Hochgeschwindigkeits-MMMs liefern außerdem häufiger Einblicke, um Marketingfachleuten zu helfen, sich schneller anzupassen. Vermarkter können nahezu in Echtzeit Ergebnisse und detailliertere Einblicke erhalten, um eine bessere Leistung zu erzielen.
Wenn diese drei Komponenten vorhanden sind, ist Ihre Datenstrategie besser darauf vorbereitet, mit der anhaltenden Abschaffung des Trackings durch Drittanbieter umzugehen, bevor es dazu kommt. Und auch wenn all diese Veränderungen im Datenökosystem einschüchternd wirken mögen, gibt es doch einen Lichtblick: Mit datenschutzkonformen Systemen können Sie die blinden Flecken beseitigen, die bei veralteten Tracking-Methoden schon immer vorhanden waren.
Beim Tracking von First-Party-Daten werden Kanäle berücksichtigt, die aufgrund der Cookie-basierten Zuordnung übersehen wurden, etwa TV, Radio, OHH und andere Kanäle. Es kann außerdem einen genaueren Überblick über die Leistung bieten und gleichzeitig die Privatsphäre der Kunden schützen.