Criteo Shopper Graph – AdTech erklärt

Ali Hanyaloglu erklärt den Criteo Shopper Graph.

Was ist der Criteo Shopper Graph?

Der Criteo Shopper Graph umfasst den weltweit größten offenen Käuferdatenbestand. Er basiert auf mehr als 120 Signalen zum Kaufinteresse und 35 Milliarden Surf- und Transaktions-Ereignissen pro Tag, die von 72 % aller Onlineshopper weltweit stammen. Der Shopper Graph repräsentiert also eine gigantische Menge von detaillierten Käuferdaten. Aktiviert über das leistungsstarke Machine Learning der Criteo AI Engine, ermöglicht der Criteo Shopper Graph optimale Performance für Retailer und Brands.

Also, wie arbeitet der Criteo Shopper Graph?

Der Criteo Shopper Graph ist in drei Datenkollektiven organisiert: im Identity Graph, in der Interest Map und in Messbarkeitsdaten.

Die Criteo IDs in unserem Identity Graph sind mit mehr als 3 Milliarden Cookie-IDs, mobilen Device-IDs, gehashten E-Mails und CRM-IDs verknüpft. Jede Criteo ID wird durch die Criteo AI Engine separat interpretiert. Das erlaubt einen vereinheitlichten, ganzheitlichen Blick auf den einzelnen Käufer. 

Wenn eine Käuferin wie zum Beispiel Diane stöbert oder etwas kauft, übergibt ein Criteo Event Tracker, z.B. OneTag oder das App Events SDK, sicher ihre Cookie oder Mobile Device-ID sowie ihre gehashte E-Mail oder CRM-ID – zusammen mit zahlreichen anderen Parametern wie Preisen, Website-Typ, Event-Typ und Produkt-ID.

Bevor unser System die bereits mit MD5 gehashte E-Mail speichert, wird sie ein zweites Mal mittels SHA256 gehasht – einem Standardalgorithmus unserer Branche, der gleichzeitig als Verschlüsselungsschritt dient.

Über die Cookie oder Mobile Device-ID – oder eine doppelt gehashte und verschlüsselte E-Mail bzw. eine CRM-ID – wird die Käuferin mit unserem Graph gematcht.

Wenn Diane etwas im stationären Handel kauft, erhalten wir über unseren Offline-Sales-Feed, über unsere API oder eine andere Form der Partner-Integration eine gehashte E-Mail oder CRM-ID. Wie auch bei einer Online-Transaktion wird die E-Mail vor der Speicherung ein zweites Mal gehasht und so gleichzeitig verschlüsselt. Dann können wir die Käuferin mit unserem Graph matchen.

Was passiert nun, wenn eine Käuferin wie Diane eine Publisher-Website besucht? Unser Publisher Tag übergibt ihre Cookie ID, mit der wir Diane mit unserem Graph matchen können.

Wenn Diane hingegen eine Publisher App nutzt, sammeln die SDKs des Publishers entweder ihren „Apple Identifier for Advertisers“ oder ihre Google Werbe-ID. Diese werden über Gebotsanforderungen an die Criteo-Server übergeben und dazu genutzt, die Käuferin mit unserem Graph zu matchen.

In jedem Fall ordnen wir der Käuferin nach ihrem Matching eine Criteo ID zu.

Zur Ergänzung unserer deterministischen Basis arbeiten wir zudem mit vertrauenswürdigen Partnern für Cross-Device Daten zusammen. Um Sicherheit und Datenschutz sicherzustellen, sammeln wir ausschließlich pseudonymisierte Daten. So können Einzelpersonen nicht anhand ihrer personenbezogenen Daten identifiziert werden.

Wir sorgen mit strikten Maßnahmen dafür, dass alle E-Mail-Adressen vor ihrer Speicherung in unseren Systemen doppelt gehasht und verschlüsselt werden. Über unsere Datenbereinigung entfernen wir alle IDs, die älter als 90 Tage sind oder von einem Käufer stammen, der sein Einverständnis zurückgezogen bzw. nicht gegeben hat. Leistungsstarke Techniken zur Pseudonymisierung helfen uns dabei, die Identität der Käufer zu schützen und gleichzeitig eine hohe Datengenauigkeit sicherzustellen.

Alle neuen Verknüpfungen zwischen Cookie- bzw. Mobile Device-IDs und doppelt gehashten E-Mails oder CRM-IDs werden dem Graph hinzugefügt, sofern sie unser Datenbereinigungsprotokoll erfüllen. Dieser Prozess säubert den Graph von irrelevanten oder verdächtigen Links. Nach der Datenbereinigung gruppieren wir IDs und assoziieren die Verknüpfungen mit einer neuen oder bereits bestehenden Criteo ID.

Das Beste an der Teilnahme am Identity Graph: Ihr erhaltet sicheren Zugang zu den deterministisch gematchten Criteo IDs eurer Kunden – und zwar ohne zusätzliche Kosten. Criteo IDs können in verschiedenen Marketing- und Erfolgsmessungsmaßnahmen genutzt werden, um die Omnichannel Journey eurer Kunden nachzuvollziehen.

Wie erhaltet ihr Zugang? Es gibt drei Wege, diese Daten in Echtzeit zu streamen. Erstens: über OneTag zu eurem First-Party Cookie oder zum externen Tracking-Pixel eurer Marketingpartner. Zweitens: über die Impression oder Click-Tracking URL einer Criteo Ad. Oder drittens: durch den Aufruf der Identity Graph Service API.

Betrachten wir nun einmal die Interest Map, die die Surf- und Transaktionsmuster der Käufer mit standardisierten Identifikatoren für Produkte, Kategorien und Brands verknüpft.

Criteo verfügt über vertiefte Einsicht in das Interesse der Käufer für Produkte aus eurem Sortiment – gespeist durch die Analyse von mehr als 120 Signalen zum Kaufinteresse, die wir erfassen, während die Käufer surfen und shoppen. Ihr profitiert von privaten Daten zum Kaufinteresse, die von eurer eigenen Website oder aus eurer eigenen App stammen. Darüber hinaus gibt es noch den großen Pool geteilter Daten zum Kaufinteresse, die von allen Retailern stammen, die sich zur Teilnahme bereiterklärt haben. Diese Retailer tragen anonym einen Teil des aggregierten Käuferdatenbestands von Criteo bei, der beinah 75 % der weltweiten Onlineshopper erfasst.

Wenn eine Käuferin wie Diane auf eurer Website oder in eurer App stöbert bzw. etwas kauft, triggert das einen Criteo Event Tracker – zum Beispiel OneTag oder App Events SDK. Dieser Tracker gibt über zahlreiche Parameter Informationen zu Surf- oder Transaktionsaktivitäten an uns weiter. Auf Basis dieser Daten generieren wir weitere Variablen, zum Beispiel die Preise der angesehenen bzw. gekauften Produkte oder die Anzahl der angesehenen Produkte in einer bestimmten Kategorie. So kann die Criteo AI Engine Zielgruppen besser auf Basis eurer Kampagnenziele ansprechen.

Betrachten wir jetzt einmal, wie Criteo das Käuferinteresse über die teilnehmenden Retailer hinweg analysiert.

Retailer und Brands stellen uns zahllose Produktkataloge zur Verfügung, doch Produkte werden oft inkonsistent identifiziert – und die Kataloge enthalten nicht immer Informationen zu Brands oder Kategorien.

Wie können wir also über alle an der Interest Map teilnehmenden Retailer hinweg sicherstellen, an welchen Produkten, Kategorien und Brands unsere Käuferin Diane interessiert ist – ausgehend von ihrem bisherigen Surf- und Kaufverhalten?

Ein blaues Kleid könnte im Produktkatalog des einen Retailers die ID 12321340 haben. Im Katalog eines anderen Händlers ist das exakt gleiche Kleid der gleichen Größe, Farbe und Passform vielleicht unter der ID 394234 verzeichnet – ohne Klassifizierung von Kategorie oder Brand.

Um Produkte über die zahllosen Produktkataloge von Retailern und Brands hinweg konsistent zu interpretieren, nutzen wir zunächst einmal den Universal Catalog, um Kategorie- und Brand-IDs zu standardisieren.

Universal Catalog ist der Name der proprietären Machine Learning Technologie von Criteo, die in der Lage ist, Ähnlichkeiten zwischen dem Produktkatalog eines Retailers und dem Criteo Trainingsset zu erkennen. Das Trainingsset umfasst Produkte, die bereits identifiziert und mit einer globalen SKU versehen sind.

Universal Catalog weist dann jedem Produkt eine eindeutige globale SKU zu. Dazu nutzt es die Global Trade Item Number (GTIN) des Produkts. GTIN ist ein De-Facto-Standard zur Produktidentifizierung.

Sollte die GTIN eines Produkts nicht verfügbar sein, nutzt der Universal Catalog Ähnlichkeiten zwischen dem Produktkatalog eines Retailers und Produkten in unserem Trainingsset. Dies führen wir für alle Produkte eines teilnehmenden Retailers durch.

Doch was bedeutet das? Nun, dank der Tatsache, dass der Universal Catalog ein integraler Bestandteil der Interest Map ist, wissen wir jetzt, dass die beiden blauen Kleider zur gleichen Kategorie gehören – und dass es sich dabei um das exakt gleiche Produkt handelt. Daher erhalten beide Produkte die gleiche globale SKU.

Und da Diane sich in der Vergangenheit bereits die gleichen Produkte, Kategorien und Brands auf den Websites unterschiedlicher Retailer angesehen hat, wissen wir: Sie interessiert sich für blaue Kleider.

Und während wir zwar Dianes Kaufinteresse auf Basis der Daten von vielen tausend teilnehmenden Retailern verstehen können, enthält oder nutzt die Interest Map dennoch keine Informationen, über die sich die Namen oder Account IDs dieser Retailer identifizieren lassen.

Messbarkeitsdaten machen die Sales von durch Brands bezahlte Kampagnen über Retailer hinweg in der Criteo Sponsored Products Exchange nachvollziehbar.

Die Criteo AI Engine nutzt Messbarkeitsdaten, um Gebote anhand von attribuierten On- bzw. Offline-Sales zu optimieren. Messbarkeitsdaten helfen Brands zudem, den Einfluss ihrer Kampagnen auf die On- und Offline-Sales der unterschiedlichen Retailer zu bestimmen – und zwar auf SKU-, Platzierungs- und Zielgruppenebene.