Individualisiertes Targeting wird durch Gruppen-Targeting ersetzt. Verwendet wird ein Algorithmus, der Personen interessenbasierten Gruppen zuordnet.
Nach dem Vorbild von Apples Safari und Mozillas Firefox kündigte Google im Januar dieses Jahres das Ende von Drittanbieter-Cookies in Chrome bis 2022 an. Gleichzeitig warb das Unternehmen für die eigene “Privacy Sandbox”-Initiative zu Entwicklung neuer datenschutzfreundlicher Methoden des Zielgruppen-Targetings, welche sich nicht auf eindeutige IDs oder individuelles Cross-Site-Tracking stützen und Personalisierung mit Anonymität bieten sollen.
Gruppen-Targeting als alternativer Ansatz
Als einen wichtigen Schritt hat Google gestern die Ergebnisse einer vorläufigen Studie veröffentlicht, in der die Verwendung von Zielgruppenkohorten getestet wurde – also Personen mit ähnlicher Browsing-History und ähnlichen Interessen, die eher kollektiv als individuell angesprochen werden könnten. Auf der Grundlage seiner API für das föderierte Lernen von Kohorten konnte Google zeigen, dass das Targeting interessenbasierter Kohorten signifikant besser abschneiden würde als das Targeting zufälliger Nutzergruppen.
Zwei Ansätze zur Kohortenzuordnung
Clustering von Kohorten
Das Clustern von Menschen in Gruppen bewahrt hypothetisch deren Privatsphäre. Aber es gibt einen potenziellen Kompromiss in Bezug auf die Präzision des Marketings. Google drückt das Dilemma aus:
„A cohort assignment algorithm presents us with a privacy-utility trade-off: the more users share a cohort id, the harder it is to use this signal to derive individual user’s behavior from across the web. On the other hand, a large cohort is more likely to have a diverse set of users, thus making it harder to use this information for fine-grained ads personalization purposes. An ideal cohort assignment is one that generates cohorts by grouping together a large number of users interested in similar things.“
Die Zuordnung von Personen zu Kohorten würde auf der Grundlage ihres Surfverhaltens erfolgen. Die Herausforderung besteht darin, Gruppen zu bilden, die ausreichend gross sind (Datenschutz), aber nicht oberflächlich – also stellt sich die Frage, wie viele gemeinsame Berührungspunkte erforderlich sind, um eine Kohorte sinnvoll und effektiv zu gestalten.
Manchmal wird der Report, nachzulesen auf GitHub, recht technisch. Er bespricht verschiedene algorithmische Ansätze zur Clusterbildung sowie die Tests des Unternehmens mit öffentlichen und proprietären Datensätzen. Über die Ergebnisse der Methodik sagt Google, dass diese sehr vielversprechend seien. Das Unternehmen gibt aber auch zu bedenken, dass man sehr früh im Prozess sei.
Noch nicht ausgereift
Laut Chetna Bindra, Google Senior Product Manager User Trust and Privacy sei der grosse Vorteil für Marketer, dass die Studie “einen frühen Wirksamkeitsnachweis erbringe für die Möglichkeit, sowohl Personalisierung als auch Datenschutz in einer Post-Cookie-Welt zu liefern.“ Sie fügte hinzu, dass noch beträchtliche Arbeit von Google und anderen Branchenteilnehmer geleistet werden müsse, bevor eine solche Lösung auf den Markt gebracht werden könne. Trotzdem sei es eine sehr vielversprechende Lösung für das Dilemma zwischen Privatsphäre und Personalisierung.
Die Veröffentlichung der Studie seitens Google ist sicher nicht zufällig gewählt, schliesslich wurde das Unternehmen diese Woche vom US-Justizministerium angeklagt. Seit Jahren fördert die digitale Anzeigenindustrie die 1:1-Personalisierung. Mit dem Ende von Drittanbieter-Cookies und mehr Opt-in-Datenschutzregeln für Verbraucher ist es vielleicht an der Zeit für ein neues, flexibleres Mantra.
