+100 XP

Cookieless & Data Clean Rooms: Anwendung in der Praxis

Ein Advertiser, ein Retail Media Network, ein Room, eine Entscheidung. Unilever steckt rund 8 Milliarden Euro pro Jahr in Brand- und Marketinginvestitionen, und ein wachsender Anteil davon landet bei Amazon: Sponsored Products, Sponsored Brands und Amazon DSP hinter Marken wie Dove, Persil und Hellmann's. Die Frage, die daraus folgt, ist unspektakulär und teuer, wenn man sie falsch beantwortet. Wenn ein Shopper eine Flasche Dove kauft, nachdem ihm innerhalb von zwei Wochen vier verschiedene Amazon-Placements ausgeliefert wurden: Welches dieser Placements verdient den nächsten Euro? Diese Lektion begleitet ein solches Messprogramm in der Amazon Marketing Cloud (AMC), dem Clean Room von Amazon Ads, von der Formulierung der Frage bis zur Budgetentscheidung, die daraus entstand. Die hier beschriebenen Mechanismen, Schwellenwerte und Einschränkungen sind real. Die Ergebniszahlen sind illustrative runde Werte, weil kein Advertiser dieser Größe seine Queries veröffentlicht. Und der Interessenkonflikt gehört von Anfang an dazu: Der Room wird von dem Unternehmen gebaut und betrieben, das die Media verkauft, die dort gemessen wird.

KERNKONZEPT: EINE FRAGE FORMULIEREN, DIE DER ROOM BEANTWORTEN KANN

AMC hält pseudonymisierte Event-Level-Daten Ihrer eigenen Amazon-Kampagnen (Impressions, Clicks, Amazon-Conversions) plus die First-Party-Signale, die Sie hochladen, innerhalb der No-Raw-Records-Logik, die die Grundlagenlektion beschreibt. Die eigentliche Arbeit in dieser Phase ist nicht die Technologie. Es geht darum, die Grenze um das zu ziehen, was gefragt werden kann.

Vier Grenzen entscheiden darüber, welche Fragen sich lohnen:

  • Die Historie reicht etwa ein Jahr zurück. Ein Zwölf-Monats-Saisonvergleich ist möglich, ein Drei-Jahres-Trend nicht, es sei denn, Sie haben die Aggregate laufend selbst exportiert.
  • Outputs sind aggregiert, mit einer Untergrenze. Eine Ergebniszeile, die auf weniger als etwa hundert Usern basiert, kommt leer zurück. Kleine Kohorten, Nische-SKUs und kurze Testfenster verschwinden.
  • Sie sehen Ihre eigenen Kampagnen. Wettbewerbsspendings, Wettbewerbsumsätze und Kategorieanteile sind nicht im Room.
  • Conversions sind Amazon-Conversions. Ein Kauf im Supermarkt, auf Ihrer D2C-Seite oder bei einem anderen Händler existiert hier nicht.

Innerhalb dieser Wände ist „wie war unser Amazon-ROAS im letzten Quartal" eine Frage, die der Room beantwortet, und die Antwort wird wertlos sein, weil Platform-ROAS dem Placement zugeschrieben wird, das dem Click am nächsten lag. Die entscheidungsfähige Version ist enger: Wenn ein relevanter Anteil der Käufe, die Branded Search zugerechnet werden, vorher schon über Upper-Funnel-Display erreicht wurde, wie viel Branded-Search-Budget sollte ins Prospecting wandern, und was müssten wir sehen, um es zu verschieben?

Schreiben Sie die zweite Frage auf, bevor Sie die erste Query laufen lassen. Ein vorab festgelegter Schwellenwert („wir verschieben Budget, wenn der Overlap 50 % überschreitet und die Frequency-Kurve unter acht Impressions abflacht") ist die einzige Verteidigung gegen einen Room, der bereitwillig ein Chart produziert, das den Plan des letzten Quartals stützt.

SCHRITT FÜR SCHRITT DURCH DAS PROGRAMM

1. BENENNEN SIE DEN ENTSCHEIDER, NICHT NUR DEN ANALYSTEN

Die Umverteilung betrifft das Search-Budget, an dem ein Agenturteam oft vergütet wird. Setzen Sie Brand Lead und E-Commerce Lead auf die Entscheidung, lassen Sie die Agentur bei der Umsetzung, und legen Sie vorab fest, welches Ergebnis welche Handlung auslöst. Programme, die diesen Schritt überspringen, produzieren ein Deck und keine Budgetbewegung.

2. LADEN SIE DIE FIRST-PARTY-DATEI HOCH UND AKZEPTIEREN SIE DANN, WIE WENIG SIE BEITRÄGT

Ein CPG-Unternehmen kann gehashte E-Mail- und Adressdaten in AMC pushen und gegen Amazon-Shopper matchen, mit derselben Resolution-Logik, die die CDP-Grundlagenlektion behandelt. Die unangenehme Rechnung: Das opt-in-basierte CRM einer globalen Haushaltsmarke deckt in einem Markt oft nur einen niedrigen einstelligen Anteil der Käufer des Händlers in dieser Kategorie ab. Konsumgüterhersteller verkaufen über den Handel, sie hatten die Kaufbeziehung also nie. Das Signal, das den Room nützlich macht, gehört Amazon, nicht Ihnen.

Das verändert, worüber Sie verhandeln. Sie sind der kleinere Datenhalter, handeln Sie also Query-Flexibilität, längere Zeitfenster und Zugang zu Path-Level-Templates aus, statt anzunehmen, Ihre Datei verschaffe Ihnen Verhandlungsmacht.

3. REKONSTRUIEREN SIE DEN PATH, NICHT DEN ATTRIBUTIONSREPORT

Standard-Reporting bei Amazon schreibt Käufe innerhalb eines 14-Tage-Fensters der Anzeige zu, die geklickt wurde. Path-Analyse im Room dedupliziert das: für jeden Käufer die vollständige, geordnete Sequenz der Placements, denen er ausgesetzt war, mit Unique Reach pro Placement und dem Overlap zwischen ihnen. Der Output, auf den es ankommt, ist kein Ranking von Kanälen. Es ist der Anteil der „Search-attribuierten" Käufe, bei denen Display vorher da war.

4. ZEICHNEN SIE DIE FREQUENCY-KURVE, BEVOR SIE ÜBER KANÄLE STREITEN

Gruppieren Sie erreichte Haushalte nach Impression-Anzahl über vierzehn Tage und plotten Sie die Kaufrate pro Bucket. Sie suchen die Stelle, an der die Kurve abflacht, und wie viel Delivery jenseits dieses Punkts liegt. Behandeln Sie es als korrelativ: Heavy Buyer der Kategorie sehen mehr Anzeigen, weil sie mehr browsen, die Kurve sagt Ihnen also, wo Sie ein Cap testen sollten, nicht wo das Optimum liegt.

5. SPIELEN SIE EIN AUDIENCE ZURÜCK AUS, NICHT NUR EIN CHART

AMC-Audiences lassen sich in Amazon DSP und Sponsored Ads aktivieren, und genau das trennt ein Messprogramm von einem Forschungsprojekt. Zwei Builds rechnen sich schnell: Subscribe-&-Save-Abonnenten derselben SKU aus dem Prospecting ausschließen und kürzliche Käufer eines Produkts mit langem Wiederkaufzyklus ausschließen. Kein Planungszyklus nötig.

How Data Clean Rooms Work

Watch on YouTube

WAS DIE QUERIES ZURÜCKGABEN UND WAS NICHT

BEFUND 1: DER OVERLAP, DER DIE ROAS-STORY AUFGEFRESSEN HAT

Illustrative Zahlen, reale Struktur. Rund sechs von zehn Käufen, die Branded Sponsored Products zugerechnet wurden, kamen von Shoppern, denen in den zwei Wochen davor bereits DSP-Display ausgeliefert wurde, und eine große Mehrheit dieser Käufer hatte die Marke vorher schon gekauft. Branded Search wies im Platform-Interface den besten berichteten ROAS aus und saß dabei nachgelagert zu Nachfrage, die anderswo erzeugt wurde, und zu Gewohnheit, die Jahre früher entstand. Nichts davon beweist, dass Branded Search wertlos ist: Es verteidigt das Regal gegen Conquesting der Wettbewerber, was der Room nicht sehen kann. Was es erledigt, ist das Argument, Branded Search verdiene den marginalen Euro, weil seine ROAS-Zahl die höchste ist.

BEFUND 2: DIE FREQUENCY-OBERGRENZE

Die Kaufrate stieg stetig bis etwa sechs Impressions pro Haushalt und Zwei-Wochen-Zeitraum und flachte dann ab. Gleichzeitig lag ein Fünftel der ausgelieferten Impressions oberhalb dieses Punkts. Das ist der günstigste Befund in jedem Retail-Media-Clean-Room-Programm und der, der am häufigsten liegen gelassen wird, weil das Handeln darauf das Impression-Volumen reduziert, das die Agentur als Reach berichtet.

BEFUND 3: DIE QUERY, DIE NICHTS ZURÜCKGAB

Das Team wollte eine Einschätzung zu einer neuen Variante, die zwei Monate vorher gelauncht worden war. Die Kohorte der erreichten Käufer lag unter der Aggregationsgrenze und die Zeilen kamen unterdrückt zurück. Das Fenster auf ein Quartal zu erweitern half nicht, weil die SKU kein Quartal lang existiert hatte. Der Workaround war, die Variante mit ihrer Parent-Range zu gruppieren und auf Pack-Level zu lesen, was eine andere und weniger nützliche Frage beantwortet.

Das ist ein struktureller Bias, den Sie Ihrem Finanzchef gegenüber laut benennen sollten: Ein Clean Room misst Ihre größten Marken gut und Ihre neuesten, kleinsten schlecht, also genau umgekehrt zu der Stelle, an der Messung die meisten Entscheidungen verändern würde. Innovationslaunches brauchen weiterhin Paneldaten, Geo-Tests oder ein Holdout, weil der Room nicht über sie sprechen wird.

DIE UMVERTEILUNG UND DAS GUARDRAIL

Die Entscheidung, die daraus entstand: einen definierten Anteil des Branded-Search-Budgets (illustrativ: 15 %) in DSP-Prospecting verschieben, ein Frequency Cap entsprechend der Kurve setzen, zwei Märkte zum Vergleich unverändert lassen und das Quartal an den Gesamtkategorieumsätzen statt an platform-berichteten Conversions messen.

Die Folge zweiter Ordnung gehört auf dieselbe Folie. Amazon kann Ihnen nur sagen, dass die Amazon-Umsätze sich bewegt haben. Für ein Portfolio in Unilever-Größe, das über Lebensmittelhandel, Discount und E-Commerce zu unterschiedlichen Margen verkauft, ist ein Lift bei Amazon, der von Shoppern kommt, die sonst im Supermarkt gekauft hätten, kein Wachstum, und kann schlechter sein als Stagnation, sobald Handelskonditionen und Fulfilment-Kosten mitgerechnet werden. Der Room hat keinen Blick auf diesen Trade-off, also muss das kommerzielle Team ihn liefern.

Google Ads Data Hub Tutorial

Watch on YouTube

Wissenscheck

1. Was ist der grundlegende Zweck eines Data Clean Rooms?

2. Warum zerstört das Blockieren von Third-Party-Cookies das siteübergreifende Audience-Tracking?

3. Warum gilt laut Lektion der Besitz von First-Party-Daten als das Asset, das den Cookie ersetzt?

MEHRFACHAUSWAHL

4. Wählen Sie ALLE Aussagen, die Identity Resolution in einer Cookieless-Umgebung korrekt beschreiben.

Wählen Sie alle richtigen Antworten aus.

MEHRFACHAUSWAHL

5. Wählen Sie ALLE Fähigkeiten, die verloren gehen oder eingeschränkt werden, wenn ein Browser Third-Party-Cookies blockiert.

Wählen Sie alle richtigen Antworten aus.

ACTION ITEMS FÜR DEN CMO

  • Legen Sie die Entscheidungsregel schriftlich fest, bevor die erste Query läuft: den Schwellenwert, den Budgetbetrag, der bei Überschreitung verschoben wird, und wer unterschreibt. Ein Room ohne vorab festgelegte Entscheidung produziert Quartalslektüre.
  • Finanzieren Sie die Person, nicht die Lizenz. Standard-AMC-Zugang kostet Advertiser keine separate Gebühr, die echten Kosten sind ein SQL-fähiger Analyst, der den Mediaplan versteht. Ein namentlicher Owner schlägt eine Rotation von Agenturanfragen.
  • Exportieren Sie aggregierte Outputs monatlich in Ihr eigenes Warehouse. Die Retention im Room reicht etwa ein Jahr, eine mehrjährige Baseline existiert also nur, wenn Sie sie bewusst aufgebaut haben, und sie ist das einzige Asset, das einen Wechsel des Handelspartners überlebt.
  • Validieren Sie einen Clean-Room-Befund pro Jahr außerhalb des Networks, mit einem Geo-Holdout oder einem Matched-Market-Test. Budgetieren Sie das als Messung, nicht als Kampagne.

HÄUFIGE FEHLER, DIE ERGEBNISSE ZERSTÖREN

  • Path-Analyse Incrementality nennen. Overlap sagt Ihnen, wer vor dem Kauf erreicht wurde. Er sagt Ihnen nicht, wer sowieso gekauft hätte. Der ehrliche Satz im Board-Deck lautet „Branded Search ist Display nachgelagert", nicht „Display hat den Kauf ausgelöst".
  • Dem Verkäufer die einzige Anzeigetafel überlassen. Amazon betreibt den Room, verkauft das Inventar und definiert die Conversion. Das macht die Outputs nicht falsch, und die Event-Level-Details sind tatsächlich besser als das, was das offene Web bietet. Es bedeutet aber, dass ein nicht auditiertes Ergebnis nie die einzige Grundlage für eine neunstellige Allokation sein sollte.
  • An der Kante des Rooms optimieren. Jede Metrik, die es darin gibt, ist eine Amazon-Metrik, also wird ein Team, das an diesen Metriken gemessen wird, weiter Geld zu Amazon verschieben, unabhängig von der Gesamtperformance der Kategorie. Legen Sie das Erfolgsmaß außerhalb des Rooms fest, bevor das Programm startet.
  • Reads auf SKU-Level planen, die die Aggregationsgrenze unterdrücken wird. Prüfen Sie erwartete Kohortengrößen gegen den Schwellenwert in der Design-Phase; das nach drei Wochen Query-Schreiben herauszufinden, verschwendet den einzigen Analysten, den Sie haben.
  • Eine Studie durchführen statt eine Pipeline aufbauen. Die Overlap- und Frequency-Befunde verschieben sich, wenn sich Creative, Wettbewerb und Kategorienachfrage verändern. Eine monatlich neu laufende Query ist zehnmal so viel wert wie eine Einmalanalyse mit Folientitel.

ZENTRALE ERKENNTNISSE

  • Formulieren Sie die Frage als Budgetentscheidung mit angehängtem Schwellenwert und lassen Sie dann die Query laufen. Diese Reihenfolge umzudrehen macht aus einem Clean Room eine teure Bestätigungsmaschine.
  • In einem Retail-Media-Room hält der Händler fast das gesamte nützliche Signal. Das eigene CRM eines CPG-Unternehmens deckt typischerweise einen kleinen Bruchteil der Kategoriekäufer des Händlers ab, verhandeln Sie also über Query-Flexibilität, statt anzunehmen, Ihre Datei verschaffe Ihnen Verhandlungsmacht.
  • Der wiederkehrende Befund: Branded Search ist Display und bestehender Gewohnheit nachgelagert, und der berichtete ROAS schmeichelt ihm. Der wiederkehrende Quick Win: ein Frequency Cap dort, wo die Kaufkurve abflacht.
  • Aggregationsgrenzen und rund ein Jahr gespeicherte Historie bedeuten, dass kleine SKUs, neue Launches und lange Trends unsichtbar sind. Planen Sie dafür Paneldaten, Geo-Tests oder Holdouts, und exportieren Sie Ihre Aggregate monatlich.
  • Ein Lift innerhalb der Mauern eines Händlers ist kein Lift in der Nachfrage. Für einen Multi-Channel-CPG muss die Umverteilungsentscheidung die Margenfolge des Volumenverschiebens zwischen Handelskanälen einbeziehen, und die wird kein Clean Room für Sie aufzeigen.

Ressourcen

Was Sie aus dieser Lektion umsetzen

Diese Maßnahmen sind im Playbook der Rolle zusammengefasst.

  • Innerhalb von 90 Tagen ein Clean-Room-Pilotprojekt mit einem Retail-Partner starten
  • Einen dedizierten Analysten benennen, der Clean-Room-Queries und Activation verantwortet
  • Rechtliche Prüfung und Consent-Review parallel zum technischen Setup des Clean Room starten
Vollständiges Action Playbook ansehen

Verwandte Artikel

Aktuelle Blogartikel, die auf dieser Lektion aufbauen.