Data Clean Room (adattiszta tér)
Hogyan működik?
- Feltöltés: mindkét fél a saját first-party adatát viszi be, jellemzően hashelt e-mail-címmel vagy telefonszámmal azonosítva.
- Párosítás: a rendszer a közös azonosítók alapján összekapcsolja a rekordokat, de az egyedi sorokat egyik fél sem kapja meg.
- Szabályozott lekérdezés: csak előre engedélyezett elemzés futtatható, és az eredmény csak akkor jön ki, ha egy csoport elég nagy (a küszöböt a platform határozza meg).
- Kimenet: összesített szám, például hány hirdetést látott ember vásárolt később a boltban, vagy egy célzásra használható szegmens a platformon belül.
Ismert példák: a Google Ads Data Hub, az Amazon Marketing Cloud, és az adatplatformok, mint a Snowflake vagy a LiveRamp clean room szolgáltatásai. A nagy kiskereskedők retail media hálózatai is gyakran ilyen környezetben adnak mérést a hirdető márkáknak.
Mire jó a marketingben?
- Offline hatás mérése: a hirdetést látók közül hányan vásároltak a fizikai boltban.
- Inkrementalitás: a hirdetést látott és nem látott csoport vásárlásainak összevetése.
- Közönség-átfedés: két partnercég (például egy bank és egy webshop) megnézi, mennyi a közös ügyfelük, egy co-marketing akció előtt.
- Elérési frekvencia több csatornán: hányszor látta ugyanaz az ember a hirdetést különböző felületeken.
Magyar számpélda: megéri-e?
Tegyük fel, egy hazai élelmiszermárka egy országos kiskereskedő hálózatán hirdet negyedévente 6 000 000 Ft-ért, és tudni szeretné, hoz-e ez bolti forgalmat. A clean room elemzés eredménye:
| Csoport | Ügyfelek | Vásárolt a márkából | Arány |
|---|---|---|---|
| Látta a hirdetést | 180 000 | 9 900 | 5,5% |
| Kontrollcsoport | 180 000 | 8 100 | 4,5% |
A különbség 1 800 többletvásárló. Ha egy többletvásárló a negyedévben átlagosan 1 200 Ft fedezetet hoz, az 2 160 000 Ft többletfedezet a 6 000 000 Ft-os költésre: a hirdetés ebben a formában nem térül meg, a célzást vagy a keretet kell változtatni. Egy pusztán kattintás-alapú riport ezt nem mutatta volna meg. Kis cégnél viszont az ilyen elemzéshez kevés az adat: néhány ezer ügyfélnél a csoportméret-küszöb miatt sok kérdésre nem jön válasz.
Gyakori hibák
- Jogalap nélküli feltöltés: a clean room nem pótolja a GDPR szerinti jogalapot és tájékoztatást. A feltöltött adatra is kell.
- Rossz azonosító-minőség: elírt, régi e-mail-címekkel alacsony a párosítási arány, és torz az eredmény.
- Kontrollcsoport nélküli elemzés: az átfedés önmagában nem bizonyít hatást.
- Túl korai beruházás: amíg a saját mérésed sem teljes, a clean room drága és keveset ad.
Kinek érdemes foglalkoznia vele?
A data clean room jellemzően nagyobb hirdetőknek való: akiknek több tízezres vagy annál nagyobb ügyfélbázisuk van, jelentős összeget költenek egy-egy platformon vagy kiskereskedő hálózatán, és offline vagy hosszabb távú hatást akarnak mérni. A legtöbb kkv számára ma fontosabb, hogy a saját alapmérése rendben legyen: működő konverziókövetés, Consent Mode, egységes ügyfél-adatbázis.
Ha mégis felmerül, egy jó első kérdés a partner felé: milyen elemzéseket enged a clean room, mekkora a minimális csoportméret, és ki fér hozzá az eredményekhez? Kérj egy próbaelemzést egy már lezárt kampányon, mielőtt új költést kötnél hozzá. Az adatvédelmi tisztviselővel vagy jogásszal is egyeztesd előre, milyen jogalapon és milyen tájékoztatás mellett töltöd fel az ügyféladatot. Így kiderül, megéri-e a ráfordítást, mielőtt hosszú távú szerződés születne.