Narrengold – „Matchrate“ als Erfolgskennzahl für die Identität hinter sich lassen

Das Thema Identitätsauflösung gewinnt bei Marketern zunehmend an Aufmerksamkeit. Marken kommen zu der Auffassung, dass Personalisierung in Marketing und Werbung nur so gut ist wie ihre Fähigkeit, im Laufe der Zeit zu wissen, mit wem sie sprechen.

Marketingspezialisten werden immer komfortabler mit der Verwendung von First-Party-Daten in Kombination mit ID-Auflösungs- oder „ID-Graph“-Lieferanten, um ihre personenbasierten Werbekampagnen, Website-Personalisierung und Analysen voranzutreiben.

Untersuchung aktueller Einschränkungen von ID-Graphen

Der Identitätsmarkt soll allein in den USA um 188 Prozent von 900 Millionen US-Dollar im Jahr 2018 auf 2,6 Milliarden US-Dollar bis 2022 steigen im Vergleich zu einem Stromnetz.

Die heutigen ID-Graphen werden Marketern mit einem sehr sauberen Vorschlag präsentiert: Geben Sie Ihre First-Party-Daten ein und wir werden sie einer Person zuordnen, die über adressierbare Plattformen und Kanäle wie Facebook oder programmatische Anzeigemedien erreicht werden kann.

Die Qualität und Wirksamkeit des ID-Diagramms wird den Marken durch eine leicht verständliche Metrik, die als „Matchrate“ bekannt ist, präsentiert.

Es ist ziemlich einfach; eine Marke sendet eine Datei bekannter Personen und der ID-Graph sendet einen Prozentsatz zurück, mit dem sie diese Verbraucher-IDs (meistens E-Mail-Adressen) mit einem Cookie oder einem Gerät verknüpfen kann. Je höher die Übereinstimmungsrate, desto besser, oder? Nicht so schnell.

Wenn der Vermarkter die Blackbox des ID-Diagramms öffnen und sich ansehen könnte, was unter dieser Übereinstimmungsrate liegt, wird die Diskussion schnell komplizierter und beunruhigender.

Was als homogener Satz von E-Mail-zu-Cookie- oder Geräte-ID-Paaren in ID-Graphen wahrgenommen wird, die sauber eins zu eins angeordnet sind, ist das kaum. Ja, davon gibt es einiges, aber Vermarkter würden auch Übereinstimmungen finden, die mithilfe von Mathematik erstellt wurden, die jede Kombination von Person und Gerät in einem Haushalt oder Gebäude zählt.

Sie würden feststellen, dass Verknüpfungen zwischen E-Mails und Cookies, die 90-120 Tage alt sind, genauso gezählt werden wie diese 15 Tage oder weniger. Noch beunruhigender wäre, dass der Vermarkter eine beträchtliche Anzahl dieser Verbindungen identifizieren würde, die überhaupt keinen Sinn ergeben und in einigen Fällen Botnets darstellen.

Wie sonst würden Sie ein einzelnes Cookie erklären, das mehr als 1000 Personen zugeordnet ist?

Mit dieser Transparenz würde der Vermarkter schnell erkennen, dass die Idee einer vereinfachten Match-Rate-Metrik dummes Gold ist.

Eine Metrik basierend auf Identitätsqualität vs. Quantität

Die mit ID-Diagrammen verbundene Blackbox in Verbindung mit dem zunehmenden Druck auf die Einhaltung des Datenschutzes und der unzureichenden Tiefe verfügbarer Erstanbieterdaten, da Internetbrowser die Verwendung von Drittanbieter-Cookies ablehnen, werfen einige echte Fragen hinsichtlich der langfristigen Nachhaltigkeit des ID-Diagramms in seiner aktuellen Form auf .

In der Zukunft der Identität geht es um Qualität; Vermarkter knacken die Blackbox der ID-Graph-Anbieter und übernehmen das Eigentum und die Kontrolle über die Identität.

Vermarkter müssen eine bessere Kennzahl – einen Vertrauens- oder Qualitätsfaktor – fordern, um die Identitätslösungen, für die sie bezahlen, zu bestätigen und zu validieren und, was noch wichtiger ist, um die Arten oder Anwendungsfälle und Ergebnisse zu ermöglichen, die Vermarkter von ihren Identitätsinvestitionen erwarten.

Ein Konfidenzniveau oder ein Qualitätsfaktor für die Identität ist die einzige Möglichkeit, wie Marketingspezialisten wirklich wissen und vertrauen können, was die Identität ihrer Kunden und Interessenten ausmacht.

Stellen Sie sich vor, ein homogenes ID-Diagramm mit Match-Rate wird verwendet, um personalisierte Angebote zum Geburtstag eines Kunden zu liefern. Die heute vorherrschenden ID-Diagramme bieten keine Transparenz in Bezug auf breitere personenbasierte Identifikatoren, die abgeglichen werden, oder Verfahren zum Bewerten und Verwenden einer Gruppe von IDs und Daten auf der Grundlage einer höheren Konfidenz/Genauigkeit.

In einer Welt, in der die Übereinstimmungsrate durch eine Metrik wie das Vertrauensniveau der Personenübereinstimmung ersetzt wird, können Vermarkter IDs der Stufe 1 verwenden, um hochgradig personalisierte Nachrichten mit begrenztem Risiko einer falschen Kundenerfahrung zu liefern.

Beim Targeting von Display-Medien für potenzielle Kunden kann die Genauigkeitsgrenze auf eine niedrigere Stufe wie 4-5 gelockert werden, um die Targeting-Skala zu maximieren, während Analysemitarbeiter, die Attributionsmodellierung durchführen, die Stufen 1-3 verwenden können, um die skalierte Reichweite über eine Reise hinweg zu verstehen, mit der Flexibilität, Attributionsmodelle basierend darauf abzustimmen bei Verwendung von IDs der Vertrauensstufe 1; Entfernung doppelter Reichweite und maximale Genauigkeit der Exposition von Personen gegenüber geschlossenen Kreislauf-Aktionen wie Verkäufen.

Analytics-Teams können auch Zielgruppensegmente und Targeting-Modelle aus den genauesten IDs und Daten von Kunden und einem potenziellen Universum erstellen, um die beste Leistung zu erzielen.

Vermarkter und Herausgeber sollten wissen, ob es ein gemeinsames Datenmodell und eine gemeinsame Infrastruktur unter den Identitätsanbietern gibt, die es ermöglicht, alle Quellen von Verknüpfungen zurück zu einer bekannten, identifizierten Person aufzulösen, und zwar auf datenschutzsichere Weise unter Einhaltung aller Vorschriften.

In dieser Hinsicht wird die gesamte Bevölkerung, die aus Erst-, Zweit- und Drittquellen gesammelt wurde, zum neuen „CRM“ oder ID-Graphen des Vermarkters.

Und ähnlich wie in herkömmlichen CRM-Datenbanken werden die Daten in diesem „privaten ID-Diagramm“ ständig von verrauschten Signalen befreit und auf der Grundlage von Qualitätsmetriken wie dem Vertrauen in die Übereinstimmung von Personen bewertet.

Marketer können dann die vollständige Kontrolle über die Monetarisierung ihrer privaten ID-Diagramme basierend auf Anwendungsfällen und Wert übernehmen und sich beruhigt zurücklehnen, da sie wissen, dass sie echtes Gold entdeckt haben, eine dauerhafte und nachhaltige Identitätsbasis, die Metriken wie die Übereinstimmungsrate im Staub hinterlässt.

Als Chief Strategy Officer von Merkury, der Identitätsauflösungs- und Datenplattform von Merkle, leitet Gerry Bavaro Vertrieb und Marketing, Lösungen und Geschäftsaktivitäten, die darauf abzielen, Identitäts- und Datenprodukte und -lösungen von Erstanbietern in die verschiedenen Dienstleistungen der Agenturen von Merkle und Dentsu zu integrieren. Er kam 2015 zu Merkle und hatte Führungspositionen wie SVP, Enterprise Solutions, SVP, Digital Strategy und Global Chief Strategy Officer, M1 inne.