Data Clean Rooms resolvem desafios de identidade dos consumidores

À medida que os marketers e marcas lutam para encontrar novas soluções identitárias após o fim dos cookies de terceiros, um conjunto de tecnologias sobressai da multidão: a Data Clean Room. Estes ambientes digitais – também conhecidos como plataformas de colaboração de dados – permitem aos marketers comparar conjuntos de dados sem ter de arriscar a partilha de dados dos consumidores.

O CEO da InfoSum, Brian Lesser, falou recentemente com Ari Paparo, fundador e CEO da Marketecture Media, sobre como um número crescente de marcas estão à procura de tecnologias Data Clean Room que lhes permitam incorporar eficazmente os seus dados de clientes. A entrevista destacou como os Data Clean Rooms estão a ajudar as empresas a afastarem-se dos tradicionais processos de agregação de dados centralizados e a adotarem tecnologias que descentralizam a informação do público, permitindo uma melhor análise e proteção da privacidade.

"Há uma forma tentada e verdadeira de normalizar os dados, que é principalmente encontrar uma identidade comum e misturar os dados numa base de dados de terceiros", disse Lesser. "Mas agora a indústria mudou-nos para data clean rooms."

Os Data Clean Rooms estão a ajudar os marketers a avaliar e a compreender os seus dados de clientes, permitindo aos marketers desenvolverem estratégias de marketing mais precisas e centradas no cliente. Estes ambientes neutros permitem uma análise mais eficiente dos dados de CRM e da exposição a anúncios. Além disso, os Data Clean Rooms estão a ajudar as marcas a recolher dados de primeiro consumidor e a realizar análises aprofundadas protegendo a identidade do público.

No entanto, muitas soluções de colaboração de dados criam vistas isoladas devido a limitações específicas do canal do fornecedor. De acordo com Lesser, as marcas são muitas vezes obrigadas a trabalhar com vários parceiros para dissecar estes dados do público. Ao abrigo deste modelo, um parceiro fornece a informação de identidade e outro oferece a solução de embarque, recolhendo os dados, anonimizando-os e enviando-os para análise.

"Todo este processo é moroso, ineficaz e cada vez mais repleto de questões de privacidade e segurança", diz.

Para complicar ainda mais as questões de resolução de identidade, as salas tradicionais de limpeza de dados são normalmente construídas com bases de dados centralizadas. Isto requer que cada titular de dados carrete os dados pessoais para um ambiente de terceiros, o que levanta questões de privacidade significativas para os consumidores. Os anunciantes devem adotar soluções descentralizadas de Data Clean Room, como Infosum ou Optable, que licenciam os partidos que usam tecnologias de data bunker para resolver estes problemas. Os anunciantes carregam os dados de CRM nestes segmentos isolados e depois sentam-se à medida que a informação é transformada de linhas individuais de dados do cliente para modelos matemáticos descritivos que são protegidos da engenharia inversa num ficheiro de cliente.

Este tipo de soluções descentralizadas ajudam a proteger a privacidade dos consumidores e a colmatar fontes de dados e identidades dos consumidores.

"A ponte pode ser qualquer coisa. Estes sistemas de colaboração de dados reconhecerão onde há sobreposição. Se esses dois conjuntos de dados tiverem endereços de e-mail em comum, o sistema irá dizer-lhe que a maior sobreposição entre eles é o e-mail. Pode ser qualquer descritor dos dados, e pode ser online e offline."

Como as tecnologias de resolução de identidade podem melhorar as capacidades das Data Clean Rooms

As marcas já se basearam principalmente em tecnologias de resolução de identidade para combinar clientes em vários conjuntos de dados, mas à medida que os marketers continuam a inclinar-se para dados de primeira parte, muitos estão a descobrir que estas tecnologias funcionam melhor quando combinadas com a Data Clean Room.

Ao avaliar soluções de identidade suportadas para trabalhar com a Data Clean Room, os marketers experientes estão a tomar nota das suas capacidades de taxa de correspondência , ou seja, a percentagem de registos de consumidores que podem corresponder a outro conjunto de dados. Estas métricas ajudam a destacar a eficácia das tecnologias de identidade na resolução de identidades num ambiente de Data Clean Room. Os marketers também devem olhar para características como o nível de precisão de identidade, a precisão dos jogos e o alcance dos utilizadores que você está a direcionar.

Entretanto, novos quadros da Data Clean Room estão a permitir uma maior transparência, flexibilidade e análise descentralizada dos dados para permitir uma correspondência e medição de dados mais eficazes. Ainda assim, quando os dados são muito diferentes, Lesser diz que é melhor trabalhar com soluções de identidade, especialmente se a tecnologia Data Clean Room permitir uma colaboração eficaz de dados.

"A colaboração de dados funciona bem quando esses conjuntos de dados têm algo em comum", disse. "Não funciona tão bem quando esses conjuntos de dados não têm nada em comum. É aí que podemos recorrer a um fornecedor de identidade para colmatar essa lacuna."

Fonte: Digiday