Was ist Identity Resolution in der Mode?
Der Prozess, Daten aus verschiedenen Quellen und von verschiedenen Geräten demselben Kunden zuzuordnen und daraus ein einheitliches Profil zu erstellen.
Kurz erklärt
Identity Resolution ist der Prozess, zu erkennen, dass Datensätze aus verschiedenen Kanälen, Geräten und Systemen zur selben Person gehören, und sie zu einem Kundenprofil zusammenzuführen. Modehändler verknüpfen damit Online-, Filial-, App- und Loyalitätsdaten für Personalisierung, Analysen und Service.
Wie funktioniert das in der Praxis?
Systeme nutzen deterministisches Matching auf Basis exakter Kennungen wie E-Mail-Adressen, Kundennummern oder Loyalty-IDs und teilweise probabilistisches Matching, das wahrscheinliche Übereinstimmungen aus Signalen wie Name, Adresse oder Gerät schätzt. Meldet sich eine Kundin online an und zeigt später in der Filiale ihre Kundenkarte, werden beide Datensätze verknüpft. Das Ergebnis wird in einer CDP oder einem Kundenstamm gespeichert, mit Regeln dafür, wie widersprüchliche Daten aufgelöst werden.
Warum ist das für Modeunternehmen wichtig?
Ohne Identity Resolution kann eine einzige treue Kundin wie mehrere Gelegenheitskunden aussehen. Das verzerrt Kennzahlen wie Customer Lifetime Value und Kundenbindung und führt zu irrelevantem Marketing, etwa zur Bewerbung bereits gekaufter Artikel. Einheitliche Profile erleichtern zudem die Beantwortung von Auskunfts- oder Löschanfragen, weil sich alle Datensätze einer Person finden lassen. Im B2B ordnet ein ähnlicher Prozess Händler-Accounts, Filialen und Einkäufer systemübergreifend zu.
Wie verändert KI das Thema?
Machine Learning verbessert das probabilistische Matching, indem es lernt, welche Signalkombinationen zuverlässig auf dieselbe Person hinweisen. KI hilft auch, Namen und Adressen vor dem Abgleich zu bereinigen und zu standardisieren. Da Drittanbieter-Kennungen an Bedeutung verlieren, wird eine präzise Zuordnung von First-Party-Daten für Werbung und Messung wichtiger.
Typische Stolperfallen
- Zwei verschiedene Personen durch schwache Matching-Regeln zu einem Profil zusammenführen.
- Daten auf eine Weise kombinieren, der Kunden nicht zugestimmt haben.
- Fehlende Filialdaten, weil Kunden an der Kasse nicht identifiziert werden.
- Kein Prozess, um falsche Zuordnungen zu korrigieren, sobald sie entdeckt werden.
Häufige Fragen
Was ist der Unterschied zwischen deterministischer und probabilistischer Identity Resolution?
Deterministisches Matching verknüpft Datensätze über exakt übereinstimmende Kennungen, etwa dieselbe E-Mail-Adresse. Probabilistisches Matching schätzt anhand ähnlicher Signale, ob Datensätze zusammengehören. Es deckt mehr Fälle ab, ist aber weniger sicher.
Warum ist Identity Resolution für die Personalisierung wichtig?
Personalisierung setzt voraus, die gesamte Historie eines Kunden zu kennen. Werden alle seine Interaktionen verknüpft, entsteht ein genaueres Bild seiner Vorlieben, Grössen und Käufe über alle Kanäle hinweg.