Es gibt bereits einige Alternativen, mit denen die Analyse-Lücke geschlossen werden kann. Wichtig dabei ist: Alle Lösungen sind nicht von heute auf morgen in die aktuelle Daten- und Prozesslandschaft eines Unternehmens integriert. Es muss eine neue Datengrundlage geschaffen werden, bisherige Reports und KPIs überdacht und neu analysiert werden. Das alles braucht Zeit – noch ist sie vorhanden. Cassini unterstützt Sie übrigens nicht nur bei der Auswahl einer passenden Alternative, sondern begleitet Sie auch auf dem Weg der Umsetzung.
Darüber hinaus gibt er bereits einige weit verbreitete Alternativen zur Cookie-Technologie. Hier die wichtigsten:
Übermittlung technischer Profile (Device Fingerprint Tracking)
Dies ist eine Tracking-Methode, bei der Informationen über die Geräte der User gesammelt werden. Hierbei können technische Merkmale wie installierte Updates, verwendete Hardware und Schriftarten wie Google-Fonts ein genaues Profil einer Person liefern. Im Vergleich zu Cookies werden bei dieser Methode keine Daten lokal beim User gespeichert, was eine Blockierung oder Löschung unmöglich macht. Selbst das Surfen im privaten Modus oder mit einem Adblocker kann diese Methode nicht einschränken. Allerdings haben gängige Browser-Anbieter auf diese Tracking-Methode reagiert und erlauben die Übertragung technischer Profile durch unterschiedliche Einstellungen nur eingeschränkt. Diese Form des Cookieless-Trackings ist jedoch nicht präzise. Es ist zu beachten, dass User dieser Methode beim Besuch einer Webseite aktiv zustimmen oder sie ablehnen müssen (Einwilligungspflicht).
Die Grafik zeigt typische Informationen, die Teil des digitalen Fingerabdrucks sein können.
Kohorten-Targeting
Die Methode des Kohorten-Targetings wird von verschiedenen Plattformen, wie beispielsweise Facebook genutzt. Dabei werden User anhand ihrer Browserdaten in unterschiedliche Gruppen – den Kohorten – eingeteilt. In der Regel besteht eine Gruppe aus mehreren tausend Menschen, was jedoch keineswegs bedeutet, dass dieses Tracking ungenau ist. Vielmehr kann anhand der Kohorte, zu der eine Person gehört, ein recht präzises Bild von ihr gezeichnet werden. Um eine möglichst genaue Abbildung zu erreichen, bedarf es jedoch einer enormen Menge an Datensätzen, um eine Person in viele unterschiedliche Kohorten einordnen zu können.
Klassische Segmente basieren auf gemeinsamen Merkmalen wie Alter, Geschlecht oder Verhaltensweisen, mit dem Ziel, den Markt in Gruppen mit ähnlichen Bedürfnissen oder Interessen aufzuteilen, um Marketing-Strategien gezielter und effektiver zu gestalten. Klassische Segmente sind meist statisch und ändern sich nicht im Laufe der Zeit.
Kohorten-Segmente hingegen basieren auf gemeinsamen Erfahrungen, Ereignissen oder Zeitpunkten. Kohorten-Segmente sind nützlich, um Veränderungen in der Einstellung oder im Verhalten einer Zielgruppe im Laufe der Zeit zu verfolgen und zu analysieren. In der folgenden Grafik wird der Unterschied zur klassischen Segmentbildung näher erläutert.
Tracking über die User-ID
Diese Art des Targetings ist insbesondere für Webseiten von Interesse, die einen Login-Bereich anbieten. Durch das Verfolgen von Aktivitäten, die einer ID zugeordnet werden können, können das Verhalten einer Person sehr genau ausgewertet und geräteübergreifend verfolgt werden (sog. Cross-Device-Tracking). Somit können sehr detaillierte Profile erstellt werden. Jedoch ist hierfür eine Anmeldung der User sowie deren Zustimmung zum Tracking notwendig.
ID Graph Tracking
Eine weitere, weit verbreitete Trackingmethode ist das ID-Graph Tracking, auch bekannt als deterministic and probabilistic matching. Hierbei werden alle Informationen gesammelt, die User freiwillig während des Surfens hinterlassen, wie zum Beispiel ihre E-Mail-Adresse, Anschrift oder Telefonnummer in Formularfeldern. Diese Daten werden unter einer zufällig generierten ID gespeichert und bilden so ein Profil unter einem Pseudonym. Im Laufe der Zeit wird dieses Profil durch weitere Informationen wie Browserdaten angereichert, die ohne Cookies erhoben werden.
Wenn die Person das Internet über ein anderes Gerät nutzt, wird das neu entstehende Profil mit bereits virtuell bestehenden Profilen abgeglichen. Durch die Anwendung von künstlicher Intelligenz und Algorithmen können zusammengehörende (Deterministic Matches) oder vergleichbare (Probabilistic Matches) Profile erkannt und zusammengeführt werden. Auf diese Weise können User zuverlässig identifiziert und Profile erweitert werden.
Es ist jedoch zu beachten, dass für diese Art von Tracking eine Einwilligung des Users erforderlich ist, da personenbezogene Daten verarbeitet werden.
Cookieless-Cookies
Eine weitere Möglichkeit, um das Userverhalten ohne den Einsatz von Cookies zu erfassen, sind die sogenannten eTags, auch bekannt als "Cookieless Cookies". Diese werden im Cache des jeweiligen Browsers abgelegt und dienen dazu, jedem User eine eindeutige ID zuzuweisen. Die Zuweisung erfolgt nur, wenn der User kein eTag besitzt und die ID wird anschließend im Cache gespeichert.
Am Markt gibt es bereits Anbieter, die sich mit dem Tracking ohne Cookies beschäftigen und einen möglichst nahtlosen Übergang in das neue Cookieless-Zeitalter unterstützten möchten. Hierbei ist beispielsweise die Entwicklung einer First Party-Datenstrategie ein zentraler Punkt, um sich auf die neuen Technologien vorzubereiten.