Nutzerdaten erweitern dank machine learning

Das nutzerbasierte Targeting zielt darauf ab, einem User im Verlauf seiner Reise durchs Netz laufend auf ihn zugeschnittene Werbung auszuspielen. Nutzerbasierte Daten dienen als Basis, um den einzelnen User soziodemographischen Gruppen zuzuordnen oder nach anderen Merkmalen zu kategorisieren. Solche Datenquellen liefern allerdings oft Datensätze, die an einigen Stellen Lücken aufweisen. Um diese Wissenslücken bezüglich eines Nutzers zu schliessen, kann man sich des Machine Learnings bedienen.

WAS IST MACHINE LEARNING?

Machine Learning ist ein Bereich der Künstlichen Intelligenz. Ein neuronales Netzwerk erkennt aufgrund von einem Dateninput Muster in der Datenstruktur und entwickelt selbstständig Regeln, nach denen es bei weiteren Inputdaten Aussagen über den Output machen kann. Ein Beispiel: Bei einem Dateninput über Häuser mit unterschiedlicher Zimmeranzahl und den dazugehörigen Häuserpreisen, soll das neuronale Netzwerk bei weiteren Infos, die lediglich die Zimmeranzahl betrifft, die dazugehörigen Preise abschätzen. Es gibt drei Arten, wie ein Netzwerk solche Muster erkennt und daraus Schlüsse zieht:

Das eben genannte Beispiel des vorausgesagten Hauspreises lässt sich dem Supervised Learning zuordnen. Das zeichnet sich dadurch aus, dass ein Trainings-Datensatz in einem ersten Schritt dazu genutzt wird, die Zusammenhänge zwischen den gegebenen Inputs und Outputs zu erkennen und daraus Regeln zu schliessen. Diese können bei einem zweiten Schritt auf weitere Inputdaten angewendet werden, um passende Outputs auszuwerten. Das Unsupervised Learning kommt hingegen ohne ein Training-Dataset aus. Hier erkennt das neuronale Netzwerk Datenstrukturen und kann daraufhin Datenobjekte, die Ähnlichkeiten aufweisen gruppieren. Beim Reinforcement Learning lernt das Netzwerk bestimmte Regeln aufgrund von laufenden Feedbacks auf neuen Input. So lassen sich z.B. selbststeuernde Autos entwickeln, die aufgrund vergangener Rückmeldung zu bestimmten Bedingungen in der Umwelt auf diese in der Zukunft korrekt reagieren können.

Infografik zu Machine Learning Nutzderatenerweiterung

Infografik zu Machine Learning Nutzerdatenerweiterung

Und wozu das Ganze?

Machine Learning ist kein komplett neuer Begriff. Dieser Bereich der Artificial Intelligence wird schon seit Jahrzehnten erforscht und kann dank Hochleistungsrechnern seit den 90ern in verschiedensten Lebensbereichen genutzt werden. Im Online Marketing findet Machine Learning unter anderem beim nutzerbasierten Targeting Anwendung: 1PlusX erweitert als Data Management Plattform mittels Machine Learning ihre Daten. Die anonymisierten Datenobjekte der einzelnen Nutzer werden auf ihre Struktur untersucht. User, die ähnliche Merkmale aufweisen (wie das Alter, Geschlecht etc.) geraten somit in dieselben Gruppe. Auch Medieninhalte können so kategorisiert werden und lassen sich z.B. je nach thematischer Ähnlichkeit einordnen. So ergibt sich für ein bestimmtes Thema, wie „Sport“ ebenfalls ein eine Ansammlung von Artikeln, die sich thematisch mit Sport befassen. Nun fallen gewisse Nutzer-Cluster nahe auf diesen thematischen Cluster, was bedeutet, dass diese Nutzer affin sind für das Thema „Sport“. Das Problem ist allerdings, dass die Inputdaten über die User oftmals lückenhaft sind. Diese Datenobjekte würden sich dann in unserem Clusterbeispiel nicht richtig einordnen lassen und müssten ausgeschlossen werden. Durch Machine Learning kann man allerdings diese Lücken schliessen und daher die Genauigkeit des Targetings, als auch die Reichweite aufrechterhalten.

Datenerweiterung dank Machine Learning völlig unproblematisch?

Basierend auf dem Input-Datensatz werden wie oben beschriebenen Cluster gebildet. Aufgrund der Relationen zwischen den Clustern kann das Netzwerk nun bei einem fehlenden Datenpunkt auf das Wissen über die vollständigen Punkte zurückgreifen und eine Voraussage darüber machen, welche Eigenschaft dieser Datenpunkt tragen müsste. So wird der Datensatz komplettiert und es können reichweitenstarke und zielgruppengenaue Kampagnen ausgespielt werden.
Das ganze Verfahren basiert allerdings auf personenbezogenen Daten. Könnten diese im Bezug zur DSGVO nicht zu Komplikationen führen? „Nein, die Erweiterung von nutzerbasierten Daten durch Machine Learning ist gut mit der DSGVO vereinbar“, sagt Roger Gatti, Head of Product bei 1Plusx. „Wir stellen ja als Data Management Platform in der Rolle des Processors für die Goldbach Gruppe die DSGVO-konforme Verarbeitung der über die DMP prozessierten Daten sicher.“ Mit den Neuerungen der DSGVO besteht für den Nutzer das Recht auf Einsicht in seine Daten. Da die Goldbach Group hier die Rolle des Controllers einnimmt, liegt bei ihr diese Pflicht zur Auskunft. „Wir bieten dafür für Goldbach die 1plusX Hosted Privacy Policy an,“ so Roger Gatti, „Über die kann ein Nutzer einen opt-out, einen Data Access Request und einen Data Deletion Request anstossen.“
Machine Learning ist also ein Teil der künstlichen Intelligenz, der sich mit den wachsenden technologischen Möglichkeiten immer weiter entwickelt und Anwendung in vielen verschiedenen Lebensbereichen findet. Mit der Europäischen Grundverordnung zu Datenschutz soll dennoch weiter auf die Sicherheit der Daten geachtet und mehr Datensouveränität an den User zurückgegeben werden.
Welche weiteren die DSGVO auf die Werbebranche hat können Sie in unserem Fachgespräch (an dem auch Roger Gatti von 1PlusX teilnimmt) erfahren.

Autorin: Desirée Kaufmann
Referenten: Roger Gatti (Head of Product, 1PlusX) & Marcel Oedi (Head of Business Development, 1PlusX)

Nutzerdaten erweitern dank machine learning

WAS IST MACHINE LEARNING?

Und wozu das Ganze?

Datenerweiterung dank Machine Learning völlig unproblematisch?

Präsentation zum Download