Спасибо!

Давайте поговорим начистоту о Data Clean Room

Автор: Einav Mor-Samuels
data clean rooms

Если вы маркетолог, то вы наверняка слышали такой термин как «Data Clean Room».

Что это за странная среда для очистки данных, о которой все говорят?

Некоторые по праву называют Data Clean Room (DCR) «Швейцарией данных», потому что она предлагает нейтральное и безопасное пространство для совместного использования пользовательских сырых данных. В среде DCR две стороны могут безопасно обмениваться данными и анализировать их, контролируя, как, где и когда эти данные будут использоваться.

Таким образом, у брендов появляется доступ к данным в пространстве, которое соответствует нормативным требованиям и при этом сохраняет конфиденциальность пользователей. Когда данные на уровне пользователя поступают в DCR, агрегированные данные на выходе становятся когортой — группой из смешанных аудиторий.

Чтобы подготовить вас к 2022 году, мы собираемся отправиться в путешествие по густым лесам неизвестности и глубоким озерам данных в этой серии из трех блог-постов на тему DCR, прочитав которые вы будете знать все о том, что из себя представляет эта среда, как она работает, зачем она нужна маркетологам и как она повлияет на измерения кампаний в ближайшие годы.

Давайте начнем с предыстории.

Это эволюция!

Эволюция Data clean room

DCR как инфраструктурная концепция на самом деле существует уже несколько лет.

Не Google придумали этот термин, но они были первыми, кто вывел на рынок решение DCR во время запуска Ads Data Hub в 2017 году. Цель состояла в том, чтобы создать безопасную и конфиденциальную среду для обогащения сырых данных (из CRM, CDP, журналов событий и т.д.) данными на уровне пользователя из экосистемы Google. После чего их можно было бы использовать для кампаний в Google.

Всего через месяц Facebook объявил о своем собственном DCR-решении для обмена данными со своими клиентами. Совпадение? Не думаем!

Началом эпохи конфиденциальности пользователей можно считать 2018 год, когда в силу вступили такие законы, как GDPR и Apple Intelligent Tracking Prevention 2.0.

Следом, в 2019 году, Amazon запустили платформу DCR под названием Amazon Marketing Cloud. CCPA был реализован в начале 2020 года, а в апреле 2020 года вся экосистема мобильных приложений ахнула, когда Apple представили новый механизм разрешения на отслеживание в iOS 14, он же ATT.

Законы о конфиденциальности пользователей и более строгие стандарты конфиденциальности данных изменили то, как рекламодатели и бренды могут собирать и обмениваться данными.

В октябре 2021 года Facebook объявил, что данные по кампаниям на уровне пользователя будут теперь отправляться не рекламодателям, а исключительно Партнерам по измерению эффективности мобильной рекламы (MMP), и другие сети скоро сделают то же самое.

На фоне уникального в своем роде фреймворка ATT Apple, решения Facebook о данных на уровне пользователя и предстоящего отказа Google от сторонних cookie-файлов в 2023 году, масштаб и широта обмена данными становятся все более ограниченными, что делает измерение и оптимизацию кампаний более сложными, чем когда-либо.

Сейчас бренды пытаются изо всех сил найти новые способы получения конструктивных маркетинговых инсайтов с соблюдением конфиденциальности.

В 2019 году компания Disney начала сотрудничать с Target, а Unilever объединили усилия с Facebook, Google и Twitter для создания режима кросс-канального измерения, ITV стали партнерами Infosum в 2020 году, а в 2021 году TransUnion объединили данные с BlockGraph.

Благодаря чему возникло сотрудничество в области данных? Конечно же, благодаря Data Clean Room.

Что же такое Data Clean Room?

С помощью DCR маркетологи могут пожинать плоды комбинированных наборов данных, соблюдая при этом правила конфиденциальности. Личная информация (PII) или данные с ограничением атрибуции отдельных пользователей не раскрываются никому из участников, а значит невозможно определить пользователей с уникальными идентификаторами.

Персональные данные и данные на уровне пользователя обрабатываются таким образом, чтобы использовать их для различных целей измерения:  создаются анонимные данные, которые затем можно сопоставлять и объединять с данными из разных источников.

В большинстве случаев продуктом DCR является аналитика на агрегированном уровне, например: пользователям (во множественном числе!), которые выполнили действие X, следует предложить Y. При этом вывод на уровне пользователя осуществляется при полном согласии всех вовлеченных сторон.

Но главное, почему DCR является надежной платформой – это то, что доступ, наличие и использование данных согласовываются всеми сторонами DCR, а управление данными обеспечивается доверенным поставщиком DCR.

Этот фреймворк гарантирует, что одна сторона не может получить доступ к данным другой, что согласуется с главным правилом — данные на уровне отдельных лиц не могут передаваться между разными компаниями без согласия.

Допустим, бренд хочет поделиться инсайтами с Target. Для этого каждая сторона должна поместить свои данные на уровне пользователя в DCR, чтобы увидеть, что другая сторона уже знает об общих аудиториях, например, охват и частота, перекрытие аудитории, межплатформенное планирование и распространение, покупательское поведение и демография.

DCR также можно использовать в качестве промежуточного инструмента для измерения эффективности кампании. Вместо того чтобы строить догадки об аудитории, бренды могут фактически заглянуть в собственные данные Amazon или Google, при этом полностью соблюдая конфиденциальность.

Взамен рекламодатели могут получить агрегированные выходные данные без индивидуальных идентификаторов, включая сегментацию и похожие аудитории, которыми затем можно поделиться с паблишером, DSP или рекламной сетью для оптимизации кампании. Кроме того, если вы являетесь розничным продавцом с рекламной сетью, бренды смогут использовать это при покупке рекламы.

Как работает Data Clean Room?

Как работает Data Clean Room?

Функционирование DCR состоит из четырех частей:

1 – Импорт данных

Сначала собственные данные рекламодателя (из CRM, сайта/приложения, атрибуции и т.д.) или данные от сотрудничающих сторон (т.е. бренды, партнеры, рекламные сети, паблишеры) перенаправляются в DCR.

2 – Подключение и обогащение

Затем наборы данных сопоставляются на уровне пользователя и дополняют друг друга с помощью таких инструментов, как стороннее обогащение данных.

3 – Аналитика

На этом этапе анализируются данные:

  • Пересечения или перекрытия
  • Измерение и атрибуция
  • Оценка склонности

4 – Маркетинговые приложения

В самом конце пути DCR с помощью агрегированных данных маркетологи могут:

  • Создавать более релевантные аудитории
  • Оптимизировать клиентский опыт и A/B-тестирование
  • Выполнять межплатформенное планирование и атрибуцию
  • Измерять охват и частоту
  • Анализировать кампании более углубленно
архитектура Data Clean Room?

При работе с DCR такие идентификаторы, как электронная почта, адрес, имя или мобильный идентификатор, одинаковы как на стороне рекламодателя, так и на стороне издателя, а значит их можно сопоставить.

Если таких идентификаторов не существует, для сопоставления можно применить машинное обучение и вероятностное моделирование.

Зачем маркетологам нужна Data Clean Room?

Why do marketers need Data clean rooms?

Причина кроется во внимательном изучении темы конфиденциальности данных.

Руководствуясь правилами конфиденциальности и инициативами по защите конфиденциальности (подробнее об этом дальше), рекламодателям и паблишерам становится все сложнее собирать, хранить, анализировать и обмениваться данными.

Вторая причина — отсутствие коммерческого доверия между сторонами. Как мы знаем, передача ценных данных из первоисточника за пределы DCR рискованна как с юридической, так и с коммерческой точки зрения.

И последнее – неэффективные процессы синтеза данных, когда корреляция между отдельными наборами данных требует тяжелой работы со стороны специалистов по данным, – это дорогостоящее и трудоемкое мероприятие.

Data Clean Rooms спешат на помощь

Что касается конфиденциальности, все стороны в DCR сохраняют полный контроль над своими данными, которые полностью шифруются на протяжении всего процесса. Управление и разрешения в DCR строгие: каждая сторона определяет доступ и способы использования своих данных.

Другим важным аспектом, который решает упомянутые выше проблемы, является дифференциальная конфиденциальность, которая делает невозможным привязку конкретного показа, клика или действия к конкретному пользователю.

И последнее, но не менее важное: DCR предлагают ориентированные на конфиденциальность вычисления, запросы и агрегированные отчеты, подходящие для целевой интеграции, поэтому наборы данных можно сшивать вместе.

Типы Data Clean Rooms

Мы обсудили технологические, производственные и юридические требования, которые привели к созданию DCR. Давайте посмотрим, какие типы DCR существуют:

Огороженный сад (Walled Garden) платформы технологических гигантов

Data clean rooms: Walled gardens

Эта группа состоит из закрытых экосистем, в которых поставщик технологий имеет значительный контроль над оборудованием, приложениями и контентом.

Огороженные сады были созданы Google, Amazon и Facebook для безопасной коммерциализации своих собственных данных и сбора рекламных расходов конкурентов.

Преимущество огороженного сада заключается в обогащении набора данных из первоисточника данными на уровне событий. Его недостатки, однако, включают жесткую архитектуру, отсутствие межплатформенной активации данных (т.е. мультитач-атрибуции), отсутствие совместной работы с данными внутри компании и строгая функциональность запросов.

Мультиплатформенность или нейтральные игроки

Этот тип DCR включает в себя две подгруппы, каждая из которых имеет сильные и слабые стороны:

Многоплановые

Эти платформы преимущественно — компании старого образца, работающие в смежных отраслях, таких как маркетинговые приложения или облачное хранилище данных. Многоплановые поставщики предлагают организациям механизмы совместной работы с данными для сбора сигналов в соответствии с нормативными требованиями.

Их ограниченный доступ к данным огороженных садов сбалансирован благодаря архитектурной гибкости, а также уникальному управлению данными и уровнем анализа.

Чистые игроки

Это молодые и небольшие поставщики DCR. Несмотря на гибкость, их детализация данных из первоисточника ограничена: они часто полагаются на стороннюю инфраструктуру для импорта данных, а также предлагают узкий набор вариантов дальнейшей интеграции.

MMP

Несмотря на некоторые ограничения, которые могут быть наложены сетями с самостоятельной атрибуцией (SRN), ваш партнер по мобильным измерениям может предложить детализацию данных на уровне пользователя и по нескольким каналам, данные о конверсиях в реальном времени, лучшую в своем классе аналитику, созданную для бизнес-логики мобильных приложений, гибкие варианты интеграции и качественную агрегированную отчетность.

Чтобы выбрать наиболее подходящего вам поставщика DCR, обязательно учитывайте ваш основной канал (мобильный, приложение или интернет), размер бизнеса, маркетинговые потребности, структуру данных и внутренние ресурсы.

сравнение типов Data clean room
Оценка относительной эффективности в цепочке ценности

В каком направлении развивается рынок?

Data clean room: Market future

Сбор данных из первоисточника уже стал важной стратегической задачей, и в ближайшие годы он будет набирать обороты. Движимый этой тенденцией, растущий интерес к совместной работе с данными при сохранении конфиденциальности за пределами огороженных садов привел к увеличению числа нейтральных поставщиков DCR.

Gartner прогнозирует, что к 2023 году 80% маркетологов с медийным бюджетом более 1 миллиарда долларов перейдут на DCR.

Это хорошая новость для нашей экосистемы, испытывающей нехватку данных, поскольку чем разнообразнее будут варианты, тем проще компаниям будет выбрать наиболее подходящую платформу DCR для своих потребностей.

А чем больше компаний будет сотрудничать с регулируемыми промежуточными базами данных, такими как DCR, тем проще маркетологам будет измерять, атрибутировать и оптимизировать свои кампании.

Ключевые выводы

  • DCR — это безопасная среда, которая поддерживает прозрачное сопоставление двух и более наборов данных, устраняя технологические и юридические препятствия для многостороннего обмена данными.
  • Надежность DCR определяется тем фактом, что доступ, наличие и использование данных согласовываются всеми сторонами DCR, а управление данными обеспечивает надежный поставщик DCR.
  • Типы DCR включают огороженные сады, предоставляемые технологическими гигантами, такими как Google, Amazon и Facebook, а также многоплатформенные или нейтральные решения, которые предлагают большую гибкость в отношении архитектуры, управления данными и вариантов интеграции.
  • Каждая подгруппа разработана для удовлетворения потребностей разного рода бизнесов, поэтому у них есть свои преимущества и недостатки.
  • Растущий спрос на собственные данные рекламодателя для оценки кампаний приводит к увеличению числа поставщиков DCR. Чем больше компаний используют DCR для сотрудничества, тем проще маркетологам отслеживать, атрибутировать и оптимизировать свои кампании.

Einav Mor-Samuels

Эйнав — контент-райтер AppsFlyer с обширным опытом в цифровом маркетинге. Последние 15 лет она исследует тенденции рынка и предлагает индивидуальные решения цифровых проблем клиентов. Эйнав наполняет свой контент информацией, основанной на данных, и делает даже самые сложные темы доступными и понятными.

Готовы сделать правильный выбор?