Cookieless Marketing Teil 2: Der Aufstieg der Entity Resolution
Kurzfassung
- Eine Customer Data Platform sammelt, ordnet und aktiviert Kundendaten; Identity Resolution ist die Matching-Schicht, die Datensätze, Events, Identifikatoren und Verhaltensdaten derselben Person oder demselben Konto zuordnet, bevor diese Werkzeuge das Profil nutzen.
- Cookieless Marketing erschwert die Identifikation, weil Marketingteams mit lückenhaften, uneinheitlichen First-Party-Signalen arbeiten statt mit einem stabilen Tracking-Identifikator.
- Tilores löst den Identitätskontext bereits beim Ingest auf und führt ihn zusammen. Marketing-, Analytics- und Kundensysteme können so den aktuellen aufgelösten Kontext abfragen, statt die Matching-Arbeit in jedem nachgelagerten Werkzeug zu wiederholen.
Inhaltsverzeichnis
- Entscheidungshilfe
- Die Tyrannei des Tag Managers
- Die Resolution wird nicht im Fernsehen übertragen
- Wie uneinheitliche Daten zu einheitlichen Ergebnissen führen
- FAZIT: Entity Resolution macht Cookieless zur Chance
- Die kurze Antwort
- Worin unterscheidet sich Identity Resolution von einer CDP?
- Warum Cookieless Marketing das Identitätsproblem verändert
- Wo Tilores in einen Marketing-Data-Stack passt
- Was sollten Marketingteams zuerst prüfen?
- Häufig gestellte Fragen
Entscheidungshilfe
| Frage | Tilores passt, wenn … | Worauf Sie achten sollten |
|---|---|---|
| Brauchen Sie eine CDP oder Identity Resolution? | Kunden-, Event-, CRM-, E-Commerce-, Support- oder Analytics-Datensätze verknüpft werden müssen, bevor sich eine CDP oder eine Aktivierungsplattform auf das Profil verlassen kann. | Für Kampagnensteuerung, Zielgruppen-Sync, Consent-Verwaltung und Destination-Management kann eine CDP dennoch das richtige Werkzeug bleiben. |
| Welche Identifikatoren stehen zur Verfügung? | Die verfügbaren Signale lückenhaft oder uneinheitlich sind – etwa E-Mail-Varianten, Namen, Standorte, Geräte, Kontofelder oder serverseitige Events. | Schwache Signale sollten sorgfältig getestet werden, denn ähnliche Datensätze können sich trotzdem auf verschiedene Personen oder Haushalte beziehen. |
| Wo soll das Matching stattfinden? | Der Identitätskontext bereits beim Eintritt in die Entitätsschicht aufgelöst und zusammengeführt und anschließend von nachgelagerten Systemen bei der Kundenabfrage wiederverwendet werden soll. | Wird die gesamte Matching-Logik in Dashboards, Kampagnen oder Warehouse-Reports gelegt, löst am Ende jedes Team denselben Kunden für sich allein auf. |
| Wie datenschutzsensibel ist der Prozess? | First-Party-Kundendaten mit Quellenverweisen, Kontrollen und ausreichender Nachvollziehbarkeit für interne Prüfungen verknüpft werden müssen. | Consent, Aufbewahrung, Datenweitergabe und Datenschutzpflichten hängen von den Richtlinien, Systemen und der Jurisdiktion der Organisation ab. |
| Wie sollte die Skalierung getestet werden? | Das Marketingteam Identitätskontext über wachsende Kundendaten hinweg braucht und nicht nur eine einmalige Bereinigung einer kleinen Zielgruppenliste. | Testen Sie Match-Qualität, Latenz, Falsch-Positive, Falsch-Negative und die Abdeckung der Datenquellen an den eigenen Datensätzen der Organisation. |
In Teil 1 dieser zweiteiligen Serie sind Sie in die Geschichte der Cookies eingetaucht – von ihrer Erfindung bei Netscape im Jahr 1996 bis zu dem Moment, in dem die DSGVO 2016 ihr Todesurteil unterschrieb. In Teil 2 lassen wir die Probleme hinter uns – auch jene, die im neuen serverseitigen Modell der Datenerhebung und des Trackings fortbestehen – und konzentrieren uns auf Lösungen. Auf Lösungen, die Sie heute einsetzen können und die die Vielfalt Ihrer Daten in einen Vorteil für Ihr Unternehmen verwandeln.
(Das heißt: Teil 2 ist vertrieblicher, denn eine dieser Lösungen ist unser Produkt. Bei Tilores legen wir Wert auf volle Transparenz.)
Sie werden feststellen, dass es mehr braucht als Kenntnisse über Datentypen und -formate, um die einzelnen Datenspuren zu verbinden, die Nutzer auf ihrem Weg durchs Web hinterlassen. Es ist nicht nur ein Technologiewechsel – es ist ein Denkwechsel.
Die Tyrannei des Tag Managers
In der guten alten Cookie-Zeit nutzten technikaffine Marketingfachleute TMS – Tag-Management-Software –, um Daten zwischen ihren Websites und den Ad-Serving-Technologien, Analytics-Anwendungen und Social-Media-Plattformen auszutauschen, mit denen sie Partnerschaften eingegangen waren.
Die „Tags", von denen hier die Rede ist, sind keine HTML-Tags und keine Meta-Tags für Suchmaschinen. Ein Tag ist ein winziges Stück Code, oft ein einzelnes Pixel, das „aufgerufen" wird, sobald ein Nutzer mit der Website interagiert – so kann die Seite ihn auf seinem Weg durch die Website und darüber hinaus verfolgen. Diese langen Zeichenketten, die wie von Zauberhand hinter einer schlichten URL auftauchen? Auch sie sind Mitspieler im Tagging-Spiel.
Eine Zeit lang waren Tag Manager großartig. Sie gaben Marketingfachleuten ein sehr nützliches Web-Werkzeug an die Hand, ohne dass sie programmieren mussten; sie sind unglaublich vielseitig und beherrschen unzählige Tag-Varianten, vom einfachen Zähler bis zum spürhundartigen Tag, das Nutzer über Geräte hinweg verfolgt. Und mit ihrer Weiterentwicklung entstanden Standards und Konventionen, sodass die Marketing-Community einen Tag Manager leicht einführen oder ohne allzu große Schmerzen wechseln konnte.
Um Daten zu sammeln, nutzten Tag Manager allerdings Methoden, die sehr stark an – raten Sie mal – Cookies erinnerten. Also stiegen und fielen sie auf derselben Kurve. Doch Tag Manager schufen ein größeres Problem: In der gesamten Martech-Welt konnten sich viele Kundentracking schlicht nicht mehr ohne Tags vorstellen. Tags waren zum wichtigsten, ja zum einzigen Weg geworden, der Brotkrumenspur des Nutzerverhaltens über Seiten und Sites hinweg zu folgen.
Cookies und Tags waren zur allgemein anerkannten Wahrheit geworden. Als Browser und Gesetzgeber begannen, die darüber erhobenen Daten einzuschränken, standen Marketingteams ratlos da und suchten nach alternativen Technologien, die dasselbe leisteten. Sie suchten nach einer Evolution, wo sie in Wahrheit eine Revolution brauchten. Oder besser gesagt: eine Resolution.
Die Resolution wird nicht im Fernsehen übertragen
Betrachten Sie zwei gedankliche Modelle für den Aufbau eines Datenprofils einer Person. Das erste nennen wir „strukturiert", das zweite „unstrukturiert".
Die strukturierte Sicht ist jene, die sowohl im Cookie- als auch im Tag-Manager-Paradigma vorherrscht. Sie fragt, was Ihre verschiedenen Tracking-Daten verbindet, und erwartet, dass diese Datenstücke einheitlichen, wiederholbaren Formaten folgen: hier eine E-Mail-Adresse, dort eine IP-Adresse, vielleicht ein Vorname plus Nachname oder eine Telefonnummer.
Das sind alles gute Datenpunkte. Und wenn Sie über alle gesammelten Datensätze hinweg ein gemeinsames, eindeutig identifizierendes Merkmal haben – etwa eine E-Mail-Adresse –, ist das eine recht gute Grundlage, um diese Datensätze zu verknüpfen und anzunehmen, dass sie zur selben Person gehören. Damit das reibungslos funktioniert, muss dieses Schlüsselmerkmal aber genau so aussehen, wie Sie es erwarten, und genau dort stehen, wo Sie es erwarten. Eine unvollständige E-Mail-Adresse oder eine merkwürdig formatierte Postleitzahl bringt das Verfahren aus dem Tritt.
Und das Problem ist: Auf diese Weise schreiben Sie eine Menge Daten ab.
Denn Menschen können mehr als eine E-Mail-Adresse haben; sie schreiben ihre Namen mitunter unterschiedlich; und was sie auf ihren privaten Geräten tun, kann völlig anders aussehen als das, was sie auf ihren Arbeitsgeräten tun.
Der strukturierte, auf Einheitlichkeit setzende Ansatz kann also zu einem Teilprofil führen, das vollständiger wirkt, als es ist. Außerdem heißt es ein wenig, mit Kanonen auf Spatzen zu schießen, denn es braucht enorme Rechenleistung, um endlose Gigabyte an Datensätzen zu durchforsten.
Der zweite Ansatz ist weniger strukturiert – und das mit Absicht. Er baut auf dem strukturierten Ansatz auf und ergänzt ihn um weitere Datenbestände, die normalerweise nicht für den Aufbau eines detaillierten Kundenprofils genutzt werden: Intelligente Software schätzt dabei ab, wie wahrscheinlich es ist, dass zwei Datensätze zusammengehören.
Welche anderen Datenbestände? Geodaten zum Beispiel – und die sind außergewöhnlich nützlich. Denn zu wissen, wo eine Interaktion stattfindet, legt einen reichhaltigen Informationshintergrund hinter einen Kundenkontaktpunkt.
Dieser alternative Ansatz – das Universum relevanter Daten zu erweitern, auch wenn diese Daten tendenziell unsauberer und weniger strukturiert sind – ist der, den wir bei Tilores verfolgen. Er heißt Entity Resolution.
Wie uneinheitliche Daten zu einheitlichen Ergebnissen führen
Um den Nutzen von Entity Resolution zu verstehen, denken Sie an die Verwirrung in den meisten Tracking-Daten. Der PC im Arbeitszimmer steckt voller Tracking-Informationen … doch für Marketingteams sind sie weitgehend wertlos, weil diese Daten eine fünfköpfige Familie repräsentieren, die ihn nutzt – jedes Mitglied mit ganz eigenen Gewohnheiten.
In dieser Datenmasse nach durchgängigen Verbindungen zu suchen (etwa nach der gemeinsam genutzten IP-Adresse) wird Ihnen zwar reichlich Informationen liefern … und diese werden mit ziemlicher Sicherheit nutzlos sein.
Nehmen wir an, die Zielgruppe, die Sie aufbauen, gewinnt vierzehn Frauen namens Jones hinzu. Klassische Marketingteams wären vielleicht hocherfreut, ihre Interessentenliste um 14 Einträge erweitert zu haben. Aber sind es wirklich so viele Personen? Da ist eine E Jones. Eine E P Jones. Eine Ellen Jones. Und ein paar Ellies. In Wahrheit sind sie alle dieselbe Person.
Der Entity-Resolution-Ansatz – diese Daten auf intelligente Weise mit anderen Daten abzugleichen – kann die echte Ellen aus dem Gemenge herausschütteln.
Vielleicht teilen sich acht dieser Einträge einen geografischen Standort. Oder sechs besuchen dieselbe Website. Oder zwei haben denselben Geburtstag. Indem man prüft, was für und was gegen die Annahme spricht, dass alle 14 dieselbe Person sind, lässt sich die einzelne Entität – Frau Ellen-Paige Jones aus West Valley City, UT – mit hoher Sicherheit auflösen.
Ja, ein uneinheitlicher, „unstrukturierter" Ansatz bringt mehr Zwischentöne mit sich. Nicht jede Frage hat eine strikte Richtig/Falsch- oder Ja/Nein-Antwort. Es gibt Grautöne. Aber mit dem richtigen Vorgehen lassen sich diese Grautöne kritisch nach ihrem Konfidenzniveau bewerten.
Das ist Entity Resolution. Und sie eignet sich ideal für Cookieless Marketing. Denn während diese Datenbestände ins Web wandern, bietet Entity Resolution eine ideale Möglichkeit, die Daten zu sichten und zu sortieren, ohne dass es rechnerisch teuer wird.
(Wächst der Datenbestand, steigt der Rechenaufwand bei Entity-Resolution-Verfahren linear – nicht exponentiell. Das heißt: Eine Entität aufzulösen kostet jedes Mal denselben Aufwand. Und das heißt: Sie können es in Echtzeit tun, was für sich genommen schon ein enormer Vorteil ist.)
Deshalb sind wir bei Tilores überzeugt, dass Entity Resolution – und nicht eine Weiterentwicklung der Tag-Management-Software – die beste Wahl für Marketingteams ist, die im großen Maßstab Sinn aus mehrdeutigen Tracking-Daten ziehen wollen.
Entity Resolution erlaubt Ihnen, Kundenprofile mit hoher Sicherheit aufzubauen – in Echtzeit und selbstreinigend. Und die Verlagerung der Tracking-Daten auf die Serverseite, wo sie mit anderen Datenbeständen verglichen und kontrastiert werden können, ist eine enorme Chance, Ihre Kunden noch besser kennenzulernen.
FAZIT: Entity Resolution macht Cookieless zur Chance
Das Web hat in seiner kurzen Geschichte unzählige Paradigmenwechsel erlebt. Wir halten den Übergang zu serverseitigen Tracking-Daten für einen weiteren – aber noch machen ihn zu wenige Marketingteams richtig.
Cookieless-Tracking-Daten sind ein nahezu perfektes Szenario für Entity Resolution – und weil sie proportional skaliert, bleiben Performance und Wirtschaftlichkeit erhalten, auch wenn Ihre Kundenliste von Tausenden auf Millionen wächst.
Falls Sie das interessiert: Sprechen Sie mit uns.
Die kurze Antwort
Eine Customer Data Platform ist das System, mit dem ein Marketingteam Kundendaten sammelt, segmentiert, aktiviert und misst. Identity Resolution ist die Fähigkeit, zu entscheiden, ob mehrere Datensätze, Events oder Identifikatoren zum selben Kunden oder Konto gehören.
Der ursprüngliche Artikel argumentiert, dass Cookieless Marketing einen Denkwechsel braucht und nicht bloß einen Ersatz für Tags und Cookies. Entity Resolution liefert genau diesen Wechsel: Sie vergleicht uneinheitliche Signale, wägt unterstützende und widersprechende Hinweise gegeneinander ab und erzeugt einen aufgelösten Kundenkontext, den andere Systeme nutzen können.
Worin unterscheidet sich Identity Resolution von einer CDP?
Eine CDP wird üblicherweise danach bewertet, wie gut sie Kundendaten sammelt, Zielgruppen bildet, Destinations synchronisiert und die Marketing-Aktivierung unterstützt. Identity Resolution wird danach bewertet, wie präzise sie unsaubere Datensätze verknüpft und wie viel Quellkontext sie bewahrt, damit Teams dem Ergebnis vertrauen können.
Dieser Unterschied ist wichtig, denn eine CDP kann nur das Kundenprofil aktivieren, das sie erhält. Erscheint dieselbe Person unter mehreren E-Mail-Adressen, Geräten, Namen oder Konten, entscheidet die Identitätsschicht darüber, ob das Profil überhaupt brauchbar ist – noch bevor die Kampagnenlogik beginnt.
Warum Cookieless Marketing das Identitätsproblem verändert
Der Ausgangsartikel beschreibt die Abkehr von den Annahmen der Cookie- und Tag-Manager-Welt als Weg von einheitlichen Identifikatoren hin zu unsaubereren Kundenspuren. In diesem Umfeld besteht die Herausforderung nicht nur darin, mehr Daten zu sammeln, sondern zu entscheiden, welche Datenpunkte zusammengehören.
Entity Resolution passt zu diesem Problem, weil sie strukturierte und weniger strukturierte Signale vergleichen, unterstützende Hinweise bewerten und vermeiden kann, jede exakte Feldabweichung als Grund zu behandeln, nützlichen Kontext zu verwerfen.
Wo Tilores in einen Marketing-Data-Stack passt
Tilores fügt sich als Entity-Resolution-Schicht neben bestehende Marketing-, CRM-, Analytics-, Warehouse- oder CDP-Systeme ein. Der Kundenkontext wird beim Ingest aufgelöst und zusammengeführt; nachgelagerte Systeme fragen anschließend genau den aufgelösten Kontext ab, den sie brauchen.
Das gibt Teams eine sauberere Identitätsbasis, ohne dass jedes Zielsystem seine eigene Matching-Logik implementieren muss. Und es trennt die Entscheidung über die Kampagnenaktivierung von der technischen Arbeit des Verknüpfens von Datensätzen.
Was sollten Marketingteams zuerst prüfen?
Eine belastbare Evaluierung sollte sowohl Datensätze enthalten, die leicht fälschlich zusammengeführt werden, als auch solche, die leicht übersehen werden: Familien, die sich Geräte teilen, doppelte E-Mail-Adressen, mehrere berufliche und private Adressen, geänderte Namen und ähnliche Kunden, die getrennt bleiben müssen.
Ziel ist der Nachweis, dass die Identitätsschicht den Kundenkontext für den realen Marketingprozess verbessert und dabei Quellenherkunft, Prüfpfade und Datenschutzkontrollen für die Organisation sichtbar hält.
Häufig gestellte Fragen
- Was ist der Unterschied zwischen einer Customer Data Platform und Identity Resolution?
- Eine Customer Data Platform sammelt und aktiviert Kundendaten für Marketing- und Kundenprozesse. Identity Resolution verknüpft Datensätze, Identifikatoren und Events, die zum selben Kunden oder Konto gehören, damit diese Werkzeuge mit einem saubereren Profil arbeiten können.
- Ersetzt Identity Resolution eine CDP?
- In der Regel nein. Identity Resolution verbessert den Kundenkontext, den eine CDP, ein CRM, ein Analytics-Werkzeug oder eine Aktivierungsplattform nutzen kann. Zielgruppenverwaltung, Destinations, Kampagnenbetrieb und die dazugehörigen Marketingprozesse bleiben Aufgabe der CDP.
- Wie hilft Entity Resolution beim Cookieless Marketing?
- Sie hilft Marketingteams, First-Party- und serverseitige Daten zu verbinden, wenn kein stabiler Tracking-Identifikator verfügbar ist. Statt sich allein auf exakte Übereinstimmungen zu stützen, vergleicht Entity Resolution mehrere Signale und baut daraus einen aufgelösten Kundenkontext.
- Sollte Identity Resolution beim Ingest oder zur Abfragezeit stattfinden?
- In der Terminologie von Tilores finden Auflösung und Zusammenführung beim Ingest statt. Zur Abfragezeit rufen Marketing-, Analytics- oder Kundensysteme den aufgelösten Kontext ab und nutzen ihn, statt das Matching von Grund auf neu zu erledigen.
- Welche Daten sollten Marketingteams testen, bevor sie Identity Resolution einführen?
- Sie sollten echte First-Party- und serverseitige Datensätze testen, darunter E-Mail-Varianten, Namensvarianten, Standortsignale, Geräte- oder Kontofelder, doppelte Kontakte, Mehrdeutigkeiten auf Haushaltsebene und Datensätze, die getrennt bleiben müssen.
Testen Sie Tilores mit Ihren eigenen Daten
Wählen Sie den nächsten Schritt, der zu Ihrem Evaluierungsstand passt.
Sehen Sie, was aufgelöste Entitätsdaten für Ihr Unternehmen — und Ihre KI — leisten.