Aufgrund der neuen Datenschutzvorgaben, durch fehlende Nutzerzustimmung sowie technische Vorkehrungen von Browsern und Nutzer:innen verlieren Unternehmen immer mehr Daten. Die Lösung für diese Herausforderung sind synthetische Nutzerdaten, die durch die Verwendung von mathematischen Modellen und der Kombination aus «Consent-» und «Non-Consent-Daten» generiert werden.
Unter den neuen Vorgaben wird nicht nur das Datenvolumen kleiner, auch die Datenqualität leidet. Beides, das Datenvolumen und auch die Datenqualität kann mithilfe von synthetischen Nutzern auf ein ganz neues Level gebracht werden, als wenn nur auf die heute verfügbaren Daten zurückgegriffen wird.
Das grosse Problem des Datenverlustes
Unternehmen verlieren 30-70% der Daten aufgrund fehlender Nutzerzustimmung und durch standardmässiges Third-Party-Cookie-Blocking von Browsern und Endgeräten. Diese Daten wären jedoch wichtig, um Verhaltensanalysen durchzuführen und um personalisierte Inhalte und Werbung zu platzieren und so die Conversion-Rate zu optimieren.
Unternehmen sind hierfür auf ein entsprechendes Datenvolumen wie auch auf eine hohe Datenqualität angewiesen, die durch die aktuellen Vorgaben stark beeinträchtigt werden.
Die Lösung: Künstliche Nutzerdaten dank Machine Learning
Daten von echten Nutzern werden weiterhin datenschutzkonform und nur mit entsprechender Nutzerzustimmung erfasst. Zusätzlich werden künstliche Nutzer:innen (synthetic users) aufgrund von mathematischen Modellen und Machine Learning generiert, die zusammen mit den «echten Nutzerdaten» für Online Marketing Aktivitäten wie Remarketing und zur Datenanalyse verwendet werden können.
Es handelt sich bei der Generierung der künstlichen Daten um einen komplexen Prozess, um die Qualität dieser Daten sicherzustellen.
Vorteile von Synthetischen Nutzerdaten
Der grösste Vorteil liegt darin, dass Unternehmen schlicht wieder mehr Daten erfassen können. Daneben gibt es weitere Vorteile, die hervorzuheben sind:
- Die Synthetischen Nutzerdaten können sowohl für Web Analytics Plattformen wie Google Analytics genutzt werden, als auch für Marketing-Plattformen wie zum Beispiel LinkedIn oder Facebook.
- Mittels synthetischer Nutzerdaten ist Remarketing und der Aufbau einer Zielgruppe für Marketing-Aktivitäten deutlich einfacher und es lassen sich mehr Personen mit passenden Werbeanzeigen ansprechen.
- Zudem können Conversions wieder genauer bestimmten Kampagnen und Kanälen zugeordnet werden. Dies hilft wiederum bei der Optimierung der Marketing-Aktivitäten.
- Die Generierung von synthetischen Nutzern aufgrund von mathematischen Modellen und Machine Learning ist vollständig datenschutzkonform.
Wie werden synthetische Nutzerdaten generiert?
JENTIS konnte eine Lösung entwickeln, die mit einer sehr hohen mathematischen Genauigkeit synthetische Nutzerdaten generiert. Für ein besseres Verständnis dieser Lösung empfehlen wir, die folgende, sehr unterhaltsame Präsentation anzuschauen.
Sie sehen also, dass synthetische Nutzerdaten den grossen Datenverlust ausgleichen können und damit ein datenbasiertes Vorgehen im Online Marketing wieder möglich machen.
Wenn Sie Fragen zu synthetischen Nutzerdaten haben, nehmen Sie gerne unverbindlich Kontakt mit uns auf.
