Fünf Kanäle, drei E-Mail-Adressen —
eine Kundin, erkannt.
Die Kundin, die heute als Gast kauft, ist dieselbe, die vor drei Wochen per App bestellt hat — und dieselbe, die über Amazon ihr erstes Paket erhalten hat. Fünf verschiedene Identitäten im System. Tilores führt sie in Echtzeit zur einheitlichen 360°-Sicht zusammen — und erkennt gleichzeitig, wenn mehrere Konten hinter derselben Adresse Promo-Codes ausnutzen.
Fünf Kanäle — fünf Fremde, eine Kundin
Jeder Kanal kennt nur seinen eigenen Ausschnitt. Das vollständige Bild entsteht nie — weder für Support, noch für Personalisierung, noch für die Betrugsabwehr.
Kanal-Silos
Gast-Checkout, App, Loyalty-Karte und Marketplace-Konto führen eigene Datensätze. Dieselbe Kundin hat vier „fremde" Identitäten. Retargeting, Personalisierung und Support treffen die falsche oder keine Person.
Promo-Missbrauch & Fake-Accounts
Rabattcodes werden unter Alias-Konten — unterschiedliche E-Mails, dieselbe Lieferadresse oder dasselbe Gerät — mehrfach eingelöst. Die Verbindung zwischen den Konten sieht kein einzelner Kanal.
Schlechte Retourenprognose
Ohne vollständige Kaufhistorie über alle Kanäle schätzen Retourenmodelle an falschen Werten. Kosten für Rücksendungen und Inkasso steigen unnötig — weil der Kontext fehlt.
Support ohne Kontext
Der Serviceagent sieht nur den aktuellen Kanal. Die Kaufhistorie über Amazon, App und Loyalty bleibt verborgen — und der Kunde erklärt sein Problem zum dritten Mal.
Fünf Kanäle, eine Kundin — und der Betrugscluster dahinter
Eine Abfrage über eine beliebige Kennung — E-Mail, Telefon, Adresse, Loyalty-Nummer — liefert die aufgelöste Kundin mit ihrer vollständigen kanalübergreifenden Historie. Gleichzeitig werden Konten, die dieselbe Adresse oder dasselbe Gerät teilen, als Suchanker sichtbar — ohne Haushaltsmitglieder irrtümlich zusammenzuführen.
Fünf Touchpoints — Gast-Checkout, Amazon, App, Loyalty und Marktplatz-Retoure — ergeben ein belastbares 360°-Kundenprofil. Maskierte eBay-/Otto-E-Mails werden automatisch als Merkmale ausgeschlossen. Der Suchanker über die geteilte Adresse macht drei Alias-Konten sichtbar — ohne Haushaltsmitglieder zusammenzuführen.
Nie der falsche Kunde — und alles belegbar
Kunden-Identitätsauflösung darf nie raten. Jede Zusammenführung ist eine benannte Regel über zwei geteilte Merkmale — prüfbar, nicht geschätzt.
Konsistenzregeln
Ein widersprüchliches Geburtsdatum oder eine abweichende IBAN sperrt eine Zusammenführung hart — selbst bei sonst identischen Daten. Zwei verschiedene Personen bleiben getrennt und werden zur Prüfung markiert, nicht stillschweigend verschmolzen.
Belegbare Verknüpfung
Jede Zusammenführung ist als Kante mit der ausgelösten Regel protokolliert — lückenlos nachvollziehbar, welches geteilte Merkmal zwei Kanaldatensätze verbindet. Kein Black-Box-Score — prüfbar für Compliance und Revision.
Zwei Merkmale, nie eins
Eine Zusammenführung verlangt zwei starke Merkmale. Adresse und Geräte-ID dienen als Suchanker — sie machen Cluster sichtbar, führen aber nie zusammen. So kollidiert kein Haushaltsmitglied mit einem fremden Profil.
DSGVO & souverän
Datensparsame Auflösung in Ihrer Infrastruktur, vollständig protokolliert. Einzelne Datensätze löschen — die Kundenidentität setzt sich automatisch neu zusammen. Konzipiert für DSGVO — Recht auf Löschung und Auskunft vollständig erfüllbar.
In Ihrer Infrastruktur. Unter Ihrer Kontrolle.
Tilores löst gezielt die kanalübergreifende Kunden-Identitätsauflösung. Deutsch, souverän, in Ihren bestehenden Stack integriert — ohne monatelanges Projekt.
Souverän by design
Deutsches Unternehmen (Berlin). Betrieb in Ihrem eigenen AWS-Konto/VPC oder souveräner Cloud (DE/EU). Kundendaten verlassen Ihren Perimeter nie und gehen nie an Tilores — kein US-Zugriff, kein CLOUD-Act-/FISA-Risiko. DSGVO.
Ergänzung, kein Großprojekt
Gezielt für die kanalübergreifende Identitätsauflösung — keine Ablösung Ihres CRM oder Shop-Systems. API-first, Echtzeit-Auflösung am Checkout, kein 12-Monats-Integrationsprojekt.
Fügt sich in Ihren Stack
Auflösungsschicht zwischen Ihren Kanal-Datenpunkten und CRM, Personalisierung, Support und Betrugsabwehr. Der Entity Stream übergibt aufgelöste Kundenprofile ohne Polling an Ihre Downstream-Systeme.
Kein Vendor-Lock-in
Offene API, Ihre Infrastruktur, Ihre Daten. Sie behalten Kontrolle und Ausstiegsfähigkeit — keine proprietäre Falle.
Risikofrei evaluieren — an Ihren eigenen Kundendaten
Keine Folien. Eine konkrete, messbare Auflösung an einem Datensatz, der Ihren Kanaldaten entspricht.
Schema-Mapping · 30 Minuten
Wir sichten Ihre Kanal-Datenschemata (Checkout, App, CRM, Marktplatz) und konfigurieren gemeinsam die Normalisierungs- und Matching-Regeln — ohne Vorab-Integration.
Live-Demo auf Ihrem Schema · 60 Minuten
Auflösung an einem synthetischen Datensatz Ihrer Struktur, in Echtzeit — Kundenprofil, Betrugscluster und die Konsistenz-Sperre. Sie sehen das Ergebnis an Ihren eigenen Feldern.
2-wöchiger Parallelbetrieb · optional
Tilores nimmt parallel dieselben Kundendaten auf wie Ihr bestehendes System. Sie vergleichen die aufgelösten Profile direkt — kein Cutover, kein Risiko.
Sehen Sie die vollständige Kundin — bevor der Checkout endet
Wir zeigen die Auflösung in einer 60-minütigen Demo an einem Datensatz Ihrer Struktur — in Ihrer Infrastruktur, mit echten Ergebnissen: eine Kundin, ihre kanalübergreifende Historie, und die Cluster, die Promo-Missbrauch sichtbar machen.
Oder erreichen Sie uns unter sales@tilotech.io
Häufige Fragen
Ersetzt Tilores unser CRM oder Marketing-Tool? +
Nein. Tilores ist eine leichtgewichtige Ergänzung — gezielt für die kanalübergreifende Kunden-Identitätsauflösung. API-first, in Wochen produktiv, in Ihrer eigenen Infrastruktur. Es ersetzt kein CRM, sondern liefert die belastbare, aufgelöste Kundenidentität, auf der Ihr CRM, Ihre Personalisierungs-Engine und Ihr Support aufsetzen — über den Entity Stream ohne Polling.
Wie erkennt Tilores Fake-Accounts und Promo-Missbrauch? +
Tilores löst Konten nicht nur über direkte Merkmale auf, sondern macht auch indirekte Verbindungen sichtbar: Mehrere Konten teilen dieselbe Lieferadresse, Geräte-ID oder Telefonnummer? Tilores liefert diese Verbindungen als Suchanker — sie führen nie zusammen (verschiedene Personen am gleichen Haushalt), aber sie machen das Cluster sichtbar, das den Missbrauch erst möglich macht.
Wie gehen Sie mit maskierten Marktplatz-E-Mails um? +
Plattformen wie eBay oder Otto leiten Kunden-E-Mails über Proxy-Adressen weiter — diese Adressen sind als Merkmale wertlos. Tilores erkennt solche Muster und schließt sie automatisch aus der Zusammenführung aus. Die Auflösung erfolgt stattdessen über normalisierte Adresse, Telefon und Name.
Läuft die Erkennung in Echtzeit am Checkout? +
Ja. Die Aufnahme ist synchron — Tilores liefert die aufgelöste Kundenidentität im selben API-Aufruf zurück, in der Regel in unter 500 ms. So kennen Sie den Kunden, bevor der Checkout abgeschlossen ist. Vorab lässt sich auch prüfen, ob eine neue E-Mail zu einem bekannten Kunden gehört, ohne die Daten zu speichern.
Wie aufwendig ist die Integration? +
Gering. Tilores passt sich über die API an Ihre Datenschemata an und wird für Sie betrieben — keine monatelange Migration, keine Ablösung bestehender Systeme. Tilores kann im Parallelbetrieb starten: Sie nehmen dieselben Daten parallel auf, vergleichen die aufgelösten Kundenidentitäten 2–4 Wochen direkt und entscheiden risikofrei.