Next Advertising Era: Data Clean Room

Condividere dati tra i diversi attori del mondo del advertising (Publisher, advertiser, ad tech) stanno guadagnando quote di mercato e sempre più startup si affacciano sul mercato

Una delle funzionalità dei 3rdparty cookie meno conosciuta era la loro capacità di condividere dati tra diversi attori del mercato: un Ad Exchange permette alla domanda (gli advertiser) di incontrare l’offerta (i publisher) di spazi pubblicitari e audience. Il tramonto dei 3rdparty cookie non permetterà più questa condivisione facile e onnipresente.
Per questo motivo sta prendendo forma un nuovo mercato e dopo quasi un anno dal primo articolo di dataMesh sulla Data Clean Room ritengo importante rianalizzarle per capire come il mercato si sta evolvendo.

Che cos’é una Data Clean Room?

Una Data Clean Rtoom è un ambiente fisico o virtuale in cui due o più parti possono collaborare su un set di dati senza condividere informazioni sensibili. Questo può essere utile per scopi come la ricerca, lo sviluppo di prodotti o la risoluzione di problemi.

In una data clean room, le informazioni sono divise in sezioni. Ogni sezione è accessibile esclusivamente a determinati utenti. Così facendo, si previene che qualcuno possa vedere o usare i dati di altri per fini non permessi.

Per impostare una data clean room, ci sono diverse strategie che si possono adottare. Una strategia frequente è l'uso di un software di virtualizzazione dei dati, che crea viste isolate e sicure dei dati, impedendo così che entrino in contatto. Un'altra tecnica implica un processo più controllato e diretto, dove i dati vengono condivisi tra le parti interessate in modo sicuro.

Le data clean room offrono diversi vantaggi, tra cui:

• Migliore privacy e sicurezza: Le data clean room aiutano a proteggere i dati sensibili da accessi non autorizzati.

• Maggiore collaborazione: Le data clean room consentono a parti con interessi contrastanti di collaborare su un set di dati senza condividere informazioni sensibili.

• Migliore accuratezza: Le data clean room possono aiutare a ridurre il rischio di errori umani.

Le data clean room sono uno strumento importante per la collaborazione su dati sensibili. Possono essere utilizzate in una varietà di settori, tra cui la ricerca medica, la finanza e la difesa.

Ecco alcuni esempi di come vengono utilizzate le data clean room:

• Due aziende che sviluppano un nuovo prodotto possono utilizzare una data clean room per condividere dati relativi test di prodotto senza rivelare i propri segreti commerciali.

• Una società di marketing può utilizzare una data clean room per collaborare con un'agenzia di pubblicità per sviluppare una nuova campagna.

• Un ospedale può utilizzare una data clean room per condividere dati di pazienti con ricercatori senza rivelare le informazioni di identificazione personale dei pazienti.

Nella definizione generica di Data Clean Room si nasconde anche il punto debole più forte: è un’ambiente di ricerca, non ha funzionalità out of the box. Possiamo immaginarla come un database con tante tabelle quante sono le aziende coinvolte, ogni attore coinvolto può analizzare le singole righe solo nella tabella di cui è proprietario, mentre può accedere alle altre tabelle solo per avere dati aggregati. Una Data Clean Room necessità di un team in grado di utilizzarla e con precisi obiettivi che traggano vantaggio dalle caratteristiche dello strumento, altrimenti è una costosa scatola vuota: qualunque dato è inutile senza un obiettivo di business.

Quali sono i principali utilizzi di una Data Clean room in ambito Marketing/Advertising?

• Ottimizzazione del targeting: Le Data Clean Room forniscono uno strumento efficace per identificare e associare gli utenti all'interno di vari insiemi di dati. Questo processo consente alle imprese di sviluppare segmenti di pubblico più precisi. Di conseguenza, si realizza un targeting pubblicitario più accurato che può significativamente incrementare il ritorno sull'investimento (ROI)

• Valutazione dell'efficacia delle campagne: L'impiego delle Data Clean Room consente di quantificare con precisione l'effetto delle iniziative di marketing. L’analisi fornisce alle aziende dati cruciali per ottimizzare le strategie pubblicitarie, migliorando le performance delle campagne e accrescendo il ritorno sull'investimento

• Personalizzazione delle strategie promozionali: Le Data Clean Room offrono la possibilità di creare strategie di targeting su misura per le marketing personas di un’azienda. Questo aiuta il business a connettersi meglio con il pubblico desiderato, veicolando messaggi che risuonano di più con i loro interessi. Il risultato? Maggiore coinvolgimento e un aumento nelle conversioni.

Quale trends si stanno affermando sul mercato?

Sul mercato ho individuato tre tipologie di Data Clean Room:

Walled Garden

• Accesso ai dati limitato: Queste data clean room sono tipicamente di proprietà e gestite da un'unica azienda, come Google o Amazon. Gli inserzionisti possono accedere solo ai dati di quella società ed unirli con i propri, il che può limitare la loro capacità di ottenere un quadro completo del proprio pubblico.

• Facilità d'uso: Le data clean room walled garden sono tipicamente facili da usare, in quanto sono progettate per scopi specifico. Questo può renderle un'opzione valida per gli inserzionisti che sono nuovi alle data clean room.

• Flessibilità limitata: Le data clean room walled garden non sono flessibili come altri tipi di data clean room, in quanto sono progettate per business case specifici e può essere a volte complicato se non impossibile sviluppare business case diversi. Avendo funzionalità limitate sono perfette per gli inserzionisti alle prime armi. Sono lo strumento per iniziare ad esplorare le possibilità di una data Clean Room prima di avventurarsi nel crearne una per la propria azienda.

Cloud

• Accesso ai dati più ampio: Le data clean room cloud non sono di proprietà di una singola azienda, quindi gli inserzionisti possono accedere ai dati da più fonti. Questo può dare loro un quadro più completo del proprio pubblico.

• Maggiore flessibilità: Le data clean room cloud sono più flessibili delle data clean room walled garden, in quanto possono essere utilizzate per una varietà di scopi. Questo può renderle un'opzione valida per gli inserzionisti che devono eseguire analisi più complesse.

• Più complesse: Le data clean room cloud possono essere più complesse da utilizzare rispetto alle data clean room walled garden, in quanto non sono progettate per uno scopo specifico. Questo può renderle un'opzione migliore per gli inserzionisti che hanno più esperienza con le data clean room.

Specializzate

• Usi specifici: Le data clean room specializzate sono progettate per usi specifici, come la misurazione dell'efficacia delle campagne pubblicitarie. Questo può renderle un'opzione valida per gli inserzionisti che devono eseguire tipi di analisi molto specifici.

• Più costose: Le data clean room specializzate possono essere più costose di altri tipi di data clean room, in quanto sono progettate per usi specifici e presentano tool ed interfacce pronte all’uso che in realtà nel computo finale potrebbero rivelarsi un investimento meno costoso di una Data Clean Room cloud dove tutto deve essere sviluppato ad hoc

• Più difficili da usare: Le data clean room specializzate possono essere più difficili da usare rispetto ad altri tipi di data clean room, in quanto è necessario entrare nella filosofia di costruzione della specifica soluzione adottata. Questo può renderle un'opzione migliore per gli inserzionisti che hanno molta esperienza.

Le principali Walled Garden Data Clean Room:

• Google Ads Data Hub: la prima vera data clean room per marketing, permette di compiere analisi nello spazio cookie delle piattaforme di advertising di Google: Google Ads, Google Display & Video 360, permette di conseguenza di accedere allo spazio cooke di Google search, YouTube, Display Network di Google.

• Amazon Marketing Cloud: Come ADH permette di accedere alla spazio di advertising di Amazon

• Walmart Connect: sviluppata sulla tecnologia di Snowflake ha sicuramente il vantaggio di includere il comportamento sia online che offline dei clienti di Walmart, un unico al momento sul mercato

• Disney’s clean room solution: anch’essa sviluppata su SnowFlake, ma resa accessibile a tutti attraverso la piattaforma di Habu permette di accedere ai dati dell’ecosistema digitale di Disney, quindi no parchi, no hotel, no crociere, ecc.

• NBC One Platform: la data clean room di NBC (proprietaria di brand come CNBC, DreamWork, Universal Television. Anche essa sviluppata su tecnologia Snowflake.

Le principali Cloud Data Clean Room

• Snowflake: è il leader indiscusso del mercato. La sua tecnologia cloud è nata per rendere l’interoperabilità dei dati possibile e Le data Clean Room sono una normale estensione

• Google Big Query Data Clean Room l’ultima arrivata sul mercato utilizza il brand e la semplicità di utilizzo di BigQuery e l’integrazione con Google Ads Data hub come selling point

• AWS Data Clean Room AWS è l’infrastruttura cloud più utilizzata sul mercato e vanta un’integrazione con Amazon marketing cloud che la rende una soluzione privilegiata per gli commerce

Le principali Data Clean Room Specializzate

• Infosum: forse il prodotto più maturo essendo sul mercato da diversi anni. Si concentra sulla business case della data collaboration: condividere dati tra aziende diverse per analisi e targeting

• Liveramp Safe Heaven: nata con fini di misurazione, campo storico di LiveRamp, oggi aggiunge ai possibili business case anche il targeting. Fa leva sul marketplace di data al fine della data collaboration

• Habu: forse la startup disruptive entrata sul mercato che fa della data collaboration il suo selling point più forte

• AppFlyer: ha inserito nella sua suite anche una soluzione di data CleanRoom indirizzata in modo particolare al misurare le performance delle campagne di advertising ed alla loro ottimizzazione.

• Pyte: startup che ci concentra sulla data collaboration usando il loro prodotto secure match che garantisce più sicurezza rispetto all’hashinge che lavora onpremise

• Samoha: si differenzia nell’integrazione nocode con altre data clean room come Google Ads, AWS Marketing Cloud, The Trade Desk

Conclusioni

Le data clean Room sono uno strumento fantastico, ma devono essere utilizzate per progetti specifici. Se utilizzate la Google Marketing Suite partite da Google Ads Data Hub per unire i first party data dell’azienda con lo spazio cookie di Google con l’obiettivo di migliorare la misurazione delle campagne e creare segmenti di pubblico più performanti usando le informazioni che Google vi fornisce anche relative alle impressions delle vostre campagne.
Se utilizzate Amazon Marketing, partite da Amazon marketing cloud per attivare gli stessi business case di Google Ads Data Hub.
Quando si ha dimistichezza con quel prodotto di può pensare ad utilizzare altro. In questo ci possono aiutare le Clean room specializzate come Infosum e Habe che hanno tra le loro features anche il collegamento ai walled garden.

Ma prima di tutto è necessario pensare ai business case che si vogliono applicare e definire quali siano le KPI che ne determinano il successo ed pianificare come misurare queste KPI, se non siete in grado di compiere questo primo passo una Data Clean Room non è per voi.
Di seguito 4 possibili business case

Business Case per una Data Clean room

1. Misurazione dell'efficacia delle campagne pubblicitarie cross-media

Problema: Un'azienda vuole misurare l'efficacia di una campagna pubblicitaria multicanale, ma i dati sono sparpagliati su diverse piattaforme (TV, social media, display, ecc.), ognuna con il proprio set di dati utente.

Soluzione con Data Clean Room: L'azienda può collaborare con le varie piattaforme utilizzando una data clean room che permette di aggregare i dati di performance senza rivelare identità individuali o dati sensibili. Così facendo, l'azienda può avere una visione olistica dell'impatto della campagna e capire quali canali e quali messaggi hanno avuto più successo, ottimizzando quindi gli investimenti futuri.

2. Ottimizzazione del targeting di pubblico

Problema: Un marchio di moda vuole targetizzare i clienti che hanno mostrato interesse per prodotti simili online, ma non vuole violare le normative sulla privacy.

Soluzione con Data Clean Room: Utilizzando una data clean room, il marchio può collaborare con i partner di e-commerce e altri dettaglianti per identificare i modelli di acquisto senza accedere a dati personali specifici. Questo consente di creare profili di pubblico basati su interessi e comportamenti anonimizzati e di affinare le strategie di targeting per campagne future.

3. Collaborazione tra marchi senza condivisione di dati sensibili

Problema: Due aziende complementari, ad esempio un'azienda di bevande energetiche e una di snack salutari, vogliono collaborare in una campagna congiunta per targetizzare lo stesso tipo di consumatori.

Soluzione con Data Clean Room: Entrambe le aziende possono condividere i loro set di dati in una data clean room per identificare sovrapposizioni nel pubblico e sinergie potenziali senza rivelare informazioni sensibili sull'altro. Questo permette di sviluppare una campagna congiunta altamente mirata, ottimizzando le risorse di marketing e aumentando le conversioni.

4. Valutazione post-acquisizione di nuovi clienti

Problema: Una società di servizi finanziari vuole comprendere il percorso dei clienti dopo una campagna di acquisizione per valutare la qualità e il valore a lungo termine dei nuovi clienti acquisiti.

Soluzione con Data Clean Room: La società può utilizzare una data clean room per tracciare l'interazione dei clienti con la campagna e il loro comportamento successivo senza violare la privacy. Attraverso l'analisi aggregata e anonima, è possibile ottenere insight sulla retention dei clienti, sulla loro vita utile prevista e sull'impatto a lungo termine delle campagne di acquisizione.

In tutte queste situazioni, le data clean room forniscono un modo per le aziende di collaborare e sfruttare i dati per il marketing senza compromettere la sicurezza o la privacy dei dati degli utenti. Con l'evoluzione delle tecnologie e delle normative, l'adozione delle data clean room è probabile che cresca come soluzione preferita per la condivisione e l'analisi dei dati in ambito marketing e oltre.

---

Le puntate precedenti della Next Advertising Era:

• Google Privacy Sandbox: Google Topic API

• Google Privacy Sandbox: Protected Audience API

• Google Privacy Sandbox: Attribution Reporting API

• Apple SKAdNetwork & Private Click Measurement

• Alternative ID

• IAB Seller Defined Audience

• Curation Platform

---

Letture consigliate:

Be Data Literate di Jordan Morrow che sta guidando le mie ultime scelte professionali

Present Beyond Measure: Design, Visualize, and Deliver Data Stories That Inspire Action di Lea Pica appena uscito e sta migliorando il mio racconto dei dati

IAB Tech Lab Identity Solution il draft della guida dello IAB per capire gli alternative ID

Marketing in the messy middle documento di Google per orientarci nel Messy Middle la visione di Mountain View di come riassumere il processo decisionale dell’utente.

Data Clean Rooms: Guidance and Recommended Practices Version 1.0: proposta dello IAB US per creare uno standard relativo alle Data Clean Room, in quanto oggi non c’è interoperabilità tra vendor.