Der Einfluss digitaler Rechtsakte auf Strategien zur Zielgruppenansprache

Heute besteht die Notwendigkeit, neue Ansätze zur Zielgruppenbildung zu verfolgen, die erheblich von den Strategien der vergangenen Jahre abweichen. Diese Notwendigkeit ist in regulatorischen Änderungen begründet, insbesondere in der Einführung des Digital Markets Act, einer von der Europäischen Kommission initiierten Verordnung, die am 6. März 2024 in Kraft getreten ist.

Der DMA ist nicht direkt mit Methoden zur Zielgruppenbildung verknüpft, beeinflusst diese jedoch. In den folgenden Abschnitten werden wir sehen, wie.

Der DMA zielt einerseits darauf ab, die Privatsphäre der Nutzer zu schützen, und andererseits darauf, einen faireren und gleichberechtigteren Wettbewerb auf den digitalen Märkten zu gewährleisten.

Eine der relevantesten Neuerungen, die der DMA einführt, betrifft die Figur der Gatekeeper: Wächter, die den Zugang zu digitalen Funktionalitäten regulieren und spezifische Anforderungen erfüllen müssen, um als solche eingestuft zu werden. Zu den Kriterien gehören: eine signifikante Größe mit Einnahmen von über 7 Milliarden Euro in den letzten drei Jahren; umfassender Zugang zu Nutzerdaten; und eine solide Marktposition.

Die derzeit als Gatekeeper identifizierten Unternehmen sind: Alphabet (Googles Holdinggesellschaft), Amazon, Apple, ByteDance (die Holdinggesellschaft, die TikTok kontrolliert), Meta und Microsoft. Diese sechs Giganten verwalten insgesamt 22 „Core Platform Services“, die verschiedene Sektoren abdecken: Marktplätze, soziale Netzwerke, Online-Werbedienste, Betriebssysteme, Suchmaschinen und Browser.

Für den DMA liegt die Bedeutung der Gatekeeper in ihrer Fähigkeit, die Marktdynamik erheblich zu beeinflussen, da ihre Kontrolle über bestimmte Plattformen den Zugang für kleinere Wettbewerber einschränken kann. Um diesem Trend entgegenzuwirken und ein faireres Marktumfeld zu fördern, müssen Gatekeeper bestimmte Verpflichtungen erfüllen, nämlich:

• Eine größere Offenheit auf ihren Plattformen gewährleisten. Wenn ein Nutzer beispielsweise über Google auf Chrome nach einem bestimmten Ort sucht, muss er Ergebnisse erhalten können, die nicht nur Google Maps, sondern auch ähnliche Dienste anderer Unternehmen umfassen, um Eintrittsbarrieren für potenzielle Wettbewerber zu reduzieren;
• Die explizite Zustimmung der Nutzer einholen, bevor deren Daten verwendet werden. Die Verantwortung für die Erhebung und Verarbeitung von Daten liegt nicht mehr allein bei den Unternehmen; Gatekeeper müssen sicherstellen, dass auch Drittanbieter-Plattformen im Einklang mit der von den Nutzern erteilten Zustimmung agieren.

Google hat im Hinblick auf die Einhaltung des DMA angekündigt, dass es ab 2024 unerlässlich sein wird, eine explizite Zustimmung einzuholen, bevor Daten an Plattformen gesendet werden. Zu diesem Zweck hat Google begonnen, Technologien zur Einwilligungsverwaltung zu verbessern und zu aktualisieren, die, obwohl bereits vor 2024 entwickelt, für die Einhaltung der neuen Vorschriften entscheidend geworden sind: Dies ist der Fall beim Consent Mode.

Consent Mode: Was er ist und wie er funktioniert

Der Consent Mode ist eine im September 2020 eingeführte Technologie, deren Einführung nicht zwingend, aber dringend empfohlen wurde. Mit dem Inkrafttreten des Digital Markets Act hat er jedoch neue Bedeutungen und Anforderungen erhalten.

Der Consent Mode ermöglicht das Senden von cookieless-Signalen an Google, d. h. ohne den Einsatz von Cookie-basierten Technologien, für Nutzer, die ihre Zustimmung nicht erteilt haben. Dies führt sowohl zu beobachteten als auch zu modellierten Conversions. Im zweiten Fall modelliert Google zustimmungsfreie und anonymisierte Daten durch die Anwendung von Machine-Learning-Techniken, um die Anzahl der Nutzer zu schätzen, die tatsächlich eine Conversion abgeschlossen haben.

Die Schlüsselparameter, die die Struktur des Consent Mode unterstützen, sind „ad_storage“, das die Speicherung von werbebezogenen Informationen verwaltet, und „analytics_storage“, das Informationen zur Datenanalyse handhabt.

Diese Parameter zeigen an, ob der Nutzer der Verfolgung zu Marketingzwecken zugestimmt hat oder nicht. Wenn der Nutzer die Erlaubnis erteilt, lautet der Wert „granted“; andernfalls lautet er „denied“.

Im Jahr 2024 wurden mit der Einführung des DMA zwei weitere werbebezogene Parameter eingeführt:

• „ad_user_data“, das die Zustimmung für Nutzerdaten in der Werbung regelt;
• „ad_personalisation“, das die Zustimmung für personalisierte Werbung regelt.

Diese beiden Parameter können nicht von „ad_storage“ getrennt werden, da sie als dessen Untermenge betrachtet werden. Ihre Implementierung hat erhebliche Auswirkungen auf das Tag-Management sowie die Erstellung und Bereitstellung von Zielgruppen für Plattformen. Wenn ein Nutzer seine Zustimmung erteilt, funktionieren Tags normal und aktivieren First-Party-Tracking-Cookies, die vom cookieless-Kontext unberührt bleiben. Dies ermöglicht ein effektives Tracking: Die erzielten Conversions sind die tatsächlich von den Werbemessplattformen beobachteten. Wenn andererseits die Zustimmung verweigert wird, werden Tags aktiviert, die keine Cookies speichern und lediglich Signale senden, die den Status der verweigerten Zustimmung anzeigen. Im Falle einer Conversion wird ein Signal gesendet, das anonyme Informationen sammelt, z. B. über die vom Nutzer verwendete Technologie, jedoch ohne weitere granulare Details. Was Analytics betrifft, werden Signale bezüglich besuchter Seiten und aufgezeichneter Ereignisse gesendet, ebenfalls ohne Cookies. Diese Daten werden dann von Google modelliert, um den Plattformen eine Schätzung zu liefern, die, obwohl nicht vollständig präzise, den tatsächlichen Conversion-Raten der Plattformen nahekommt. Eine Nicht-Implementierung des Consent Mode führt zu:

• Der schrittweisen Deaktivierung von Remarketing-Zielgruppen, da Google die Übermittlung von Daten über Nutzer, die den Consent Mode nicht aktiviert haben, einstellen wird;
• Der Schwierigkeit, effektive Marketingstrategien auf Basis von Lookalike Audiences aufzubauen, die für Demand-Generation-Kampagnen unerlässlich sind;
• Der Unfähigkeit, dynamische Remarketing-Kampagnen durchzuführen, aufgrund fehlender Daten und Signale;
• Der Ungenauigkeit bei der Berechnung von Conversions, da es nicht möglich ist, die Conversions aller Nutzer zu modellieren, die keine Zustimmung erteilt haben.

Es gibt zwei Möglichkeiten, den Consent Mode zu implementieren:

• Basis-Implementierung: Tags werden erst aktiviert, wenn der Nutzer explizit seine Zustimmung zu Cookies erteilt. Wenn der Nutzer eine Website besucht und seine Zustimmung gibt, werden Tags erst dann eingesetzt, wenn klar ist, ob er getrackt werden möchte. Sobald die Zustimmung eingeholt wurde, beginnt das Tracking mit zusätzlichen Informationen zum Consent Mode, wodurch die Daten von Nutzern, die keine Zustimmung gegeben haben, modelliert oder die beobachteten Daten derjenigen, die zugestimmt haben, verwendet werden können.
• Erweiterte Implementierung: Alle Google-Tags werden unabhängig von der Nutzerzustimmung aktiviert, da der Consent Mode die gesendeten Pings und Informationen moduliert. Ein Vorteil des erweiterten Ansatzes ist, dass die Modellierung nicht nur auf Conversions in Google Ads beschränkt ist, sondern sich auch auf das Nutzerverhalten in Google Analytics erstreckt, einschließlich der Modellierung der Verkehrsdaten von Nutzern, die keine Zustimmung erteilt haben. Eine solche auf maschinellem Lernen basierende Modellierungsarbeit erfordert ein erhebliches Datenvolumen, mindestens 700 Anzeigenklicks über 7 aufeinanderfolgende Tage pro Domain oder Land, damit Google die Daten effektiv modellieren und nützliche Informationen für eine korrekte Wahrnehmung von Conversions, Sitzungen und Traffic liefern kann.

Lösungen für die Herausforderungen durch digitale Rechtsakte

Vor diesem Hintergrund ist es für Unternehmen entscheidend geworden, effektive Strategien zu identifizieren und umzusetzen, die nicht nur den aktuellen Vorschriften entsprechen, sondern es ihnen auch ermöglichen, in diesem neuen, offeneren und wettbewerbsintensiveren Marktumfeld zu profitieren.

Dynamische Zustimmung mit dem Modern Data Stack

Der Prozess der Verwaltung von Nutzerzustimmungen wurde durch strenge Vorschriften wie die DSGVO vorangetrieben, die obligatorische Cookie-Banner einführte. Diese Vorschriften haben oft zu umfassenden Diskussionen und Überlegungen bei Datenschutzbeauftragten (DSB) und Rechtsabteilungen von Unternehmen geführt, was die Notwendigkeit mit sich brachte, die rechtliche Compliance mit den geschäftlichen Auswirkungen in Einklang zu bringen. In einigen Fällen umfasste dies Kosten-Nutzen-Bewertungen, die dazu führten, dass einige Unternehmen das Risiko eingingen, die Vorschriften zur Cookie- und Einwilligungsverwaltung nicht vollständig einzuhalten.

Derzeit ist das Ignorieren der Zustimmungseinholung gleichbedeutend mit dem Verzicht auf digitale Werbung. Es ist daher entscheidend, konform zu sein und zu verstehen, wie Zustimmungen, die auf unterschiedliche Weise in verschiedenen Kontexten ausgedrückt werden, gehandhabt werden. Zum Beispiel im Fall von Nutzern, die Marketing- und Messzustimmung über eine Kundenkarte erteilen, aber die Zustimmung auf der Unternehmenswebsite verweigern.

Dies ist die Herausforderung für moderne Unternehmen: dynamisch und resilient zu sein, insbesondere für diejenigen, die sowohl in der physischen als auch in der digitalen Welt mit unterschiedlichen Nutzerinteraktionspunkten agieren.

Eine Lösung besteht darin, das Datenmanagement in einem zentralen Cloud Data Warehouse zu bündeln. Dieser Ansatz ermöglicht es, Transaktions- und Verhaltensdaten zu sammeln und mit Zustimmungsdaten zu integrieren, wodurch eine Plattform entsteht, die stets auf dem neuesten Stand der Nutzerzustimmung ist und angemessen reagieren kann.

Ein einziger, zentralisierter Punkt für die Einwilligungsverwaltung versetzt das Unternehmen in eine vorteilhafte Position hinsichtlich der durch die digitalen Rechtsakte auferlegten Verpflichtungen.

Fokus auf First-Party-Zielgruppen

Die digitalen Rechtsakte beeinflussten den Prozess der Verknüpfung von Diensten großer digitaler Akteure, wodurch es unmöglich wurde, Nutzerverhalten zwischen verschiedenen Eigenschaften ohne explizite Nutzerzustimmung zu verknüpfen.

Die Entkopplung führt nicht zwangsläufig zu einer Verschlechterung der Zielgruppen, aber es ist unter Analysten und digitalen Plattformen selbst weithin anerkannt, dass die Qualität interner Zielgruppen, wie sie beispielsweise innerhalb von YouTube oder sogenannte „Life Events“-Zielgruppen gesammelt werden könnten, abnehmen wird. Dieses Phänomen wird durch das Auslaufen von Drittanbieter-Cookies noch verstärkt.

Um qualitativ hochwertige Zielgruppen zu erhalten, ist es unerlässlich, die Zustimmung der Nutzer einzuholen und First-Party-Zielgruppen zu erstellen. Bei der Online-Suche nach Best Practices für digitale Rechtsakte und wie auf die Entkopplung reagiert werden kann, findet man First-Party-Zielgruppen unter den ersten Strategien. Google hat beispielsweise zahlreiche Webinare zu diesem Thema organisiert.

Um First-Party-Zielgruppen effektiv aufzubauen, ist neben der Zustimmung ein robuster Datenaggregationspunkt entscheidend. Darüber hinaus spielen KI-Algorithmen eine Schlüsselrolle in diesem Prozess, indem sie die dynamische Anreicherung und Segmentierung der Kundenbasis ermöglichen. Ein Beispiel ist der RFM-Algorithmus zur Identifizierung der wichtigsten Kunden. Oder spezifische Algorithmen zur Analyse von Nutzerinteressen. Diese Daten können, sobald sie angereichert und modelliert sind, dann verwendet werden, um „Seed Audiences“ zu bilden, die als Grundlage für Lookalike-Kampagnen dienen.

In der Vergangenheit gab es einige Verwirrung bezüglich Lookalike-Kampagnen aufgrund von Googles Entscheidung, „ähnliche Zielgruppen“ einzustellen. Tatsächlich wurden diese durch einen neuen Satz von Algorithmen ersetzt, die Ähnlichkeiten auf unterschiedliche Weise nutzen.

Die Bytek Prediction Platform nutzt künstliche Intelligenz und First-Party-Daten, um Nutzer zu clustern und klar definierte Zielgruppen zu erstellen, die kontinuierlich an Werbeplattformen gesendet werden können, um sie optimal in Kampagnen einzusetzen.

Customer Match

Customer Matching ist eine Methode, die es Unternehmen ermöglicht, First-Party-Daten, wie eine gehashte E-Mail-Adresse, zur Identifizierung von Nutzern zu verwenden und diese an Werbeplattformen wie Google, Meta oder TikTok zu senden. Diese prüfen dann, ob die gehashte E-Mail-Adresse in ihren Systemen vorhanden ist, ohne die spezifische Identität des Einzelnen preiszugeben, um die Privatsphäre zu wahren. Wird die E-Mail erkannt, ermöglichen sie Unternehmen, Retargeting-Kampagnen durchzuführen.

Diese Technik wurde als wegweisende Strategie für digitales Marketing angesehen, da sie den Einsatz von Drittanbieter-Cookies vermeidet und von einer direkten 1:1-Beziehung zwischen Plattformen und Nutzern profitiert. Wie wir jedoch gesehen haben, hat die Einführung des DMA neue Herausforderungen mit sich gebracht: Google und andere Plattformen benötigen eine explizite Zustimmung, um personalisierte Werbung über Customer Match anzuzeigen.

Um Customer Match zu implementieren, verlangt die Plattform, wenn man sich entscheidet, Daten über eine CSV-Datei an Google zu übertragen, dass Werbetreibende bestätigen, dass sie eine spezifische Zustimmung zur Personalisierung von Anzeigen haben. Dies erfordert eine doppelte Bestätigung über ein Banner. Die Verantwortung für die Einhaltung liegt daher bei den Werbetreibenden. Wenn die Daten hingegen über APIs übertragen werden, muss die Zustimmung zur Anzeigenanpassung für jeden Nutzer spezifisch angegeben werden, wobei zu vermerken ist, ob und für welche Arten von Daten der Nutzer seine Zustimmung erteilt hat.

Es ist daher notwendig, die Handhabung der Zustimmung selbst zu überdenken. Durch den Einsatz von Tools wie BigQuery zur Zentralisierung von Daten können Zielgruppen dynamisch entsprechend den Änderungen der Nutzerzustimmung aktualisiert werden. Ohne diese spezifischen Zustimmungsdaten in Google wird die entsprechende Datenzeile von der Plattform ignoriert.

Conversion Push

Dieser Aspekt erhält oft nicht die Aufmerksamkeit, die er verdient: Um die Verwaltung des Consent Mode zu optimieren, ist es unerlässlich, auch an der Consent Management Platform zu arbeiten. Eine unzureichende Konfiguration dieser Elemente kann nicht nur Auswirkungen auf die Zielgruppe, sondern auch auf die Conversions selbst haben. In einem Kontext, in dem Werbekampagnen zunehmend von künstlicher Intelligenz gesteuert werden und von Conversions für die Pflege und das Training von Algorithmen abhängen, kann eine schlechte Kampagnenleistung direkt auf ein suboptimales Einwilligungsmanagement zurückgeführt werden.

Google hat zwei Lösungen eingeführt, um diesen Herausforderungen zu begegnen. Die erste, die wir bereits gesehen haben, ist der Consent Mode, der Conversions an Fälle anpasst, in denen keine Nutzerzustimmung vorliegt. Die zweite Lösung ist Enhanced Conversion, eine Technologie, die es ermöglicht, ein Conversion-Signal zu senden, selbst wenn der Nutzer nicht über traditionelle Pixel verfolgt wird, indem persönliche Daten genutzt werden. Diese Technologie kann über APIs implementiert werden, wodurch Betreiber Daten, die in ihrem Cloud Data Warehouse gesammelt wurden, wie die E-Mail-Adresse des Nutzers, das Conversion-Datum und den Transaktionswert, nutzen können, um diese Informationen an Werbeplattformen zu übermitteln. Da Nutzer oft verschiedene Dienste mit derselben E-Mail-Adresse nutzen, können Plattformen die Anzeige einer Werbung mit einer spezifischen Conversion verknüpfen und so der entsprechenden Werbekampagne die Gutschrift zuweisen.

Dieser Attributionsprozess, einst vorherrschend in Branchen wie der Automobilindustrie – wo der Kauf Monate nach dem ersten Kontakt, nach einer Probefahrt, erfolgen kann – wird heute für alle Arten von Unternehmen als unerlässlich angesehen. Ohne diese Praxis könnte eine erhebliche Anzahl von Conversions verloren gehen. Die Modellierung von Conversions allein durch den Consent Mode ist möglicherweise nicht effektiv genug.