Die Plattform für Personalisierung und nachhaltiges Wachstum.

1st Party Daten sind selbst erhobene Daten auf den eigenen Plattformen und im Austausch mit Interessenten und Kunden. Zum Beispiel aus der Web-Analyse oder dem Produkt-Feed.

3rd Party Daten hingegen werden von einer dritten Partei (gegen Bezahlung) zur Verfügung gestellt. Die Datenerfassung von 3rd Party Daten passiert oft auf der eigenen Plattform per Einbindung eines Tracking-Pixels.

Cookieless bedeutet wörtlich „ohne Cookies“. ODOSCOPE benötigt keine Cookies oder eine Cookie-Erkennung, um nutzerspezifische Personalisierungen in Echtzeit anzuzeigen. ODOSCOPE funktioniert sofort auch für unbekannte und neue Nutzer.

Im Martech-Sektor wird der Begriff jedoch häufig verwendet, um Technologien zu bewerben, die nur 1st Party Cookies anstelle von 3rd Party Cookies verwenden. Diese Lösungen basieren jedoch immer noch auf Cookies.
‍
ODOSCOPE setzt lediglich einen Session Cookie, um einen Besuch (Visit) im Falle einer Wiederkehr in der jeweiligen A/B-Testgruppe (ODOSCOPE vs. Kontrollgruppe) zu belassen. Das Ausspielen jeglicher Personalisierungen ist davon unabhängig. Personenbezogene Daten werden nicht erfasst.

Eine Look-alike-Audience bezieht sich auf Gruppen ähnlicher Nutzer, die anhand der Datenpunkte und des aktuellen Nutzerverhaltens aus einer Datenbasis dynamisch ermittelt werden. Eine Look-alike-Audiences soll statistisch wahrscheinliche Aussagen über die Interessen und das Verhalten des aktuellen Nutzers treffen, sodass personalisierte Inhalte auf der Grundlage einer individuellen Look-alike-Audience bereitgestellt werden können.

Im Gegensatz zu dynamisch identifizierten Look-alike Audiences gibt es vordefinierte Nutzersegmente, in welche die User je nach Verhalten eingeteilt werden und zu welchen bestimmte regelbasierte Ausspielungen ebenfalls vordefiniert sind.

Personalisierung ist der Begriff für die individuelle Ansprache und Präsentation von Inhalten, Produkten oder Botschaften an einzelne Nutzer und Kunden. ODOSCOPE versteht Personalisierung als individuell, dynamisch und flexibel. Daher verzichtet ODOSCOPE auf Regelwerke und vordefinierte Segmente, die nicht individuell sind, sondern alle Nutzer im jeweilige Segment exakt gleich behandeln.

Der stärkste Hebel für Uplifts im E-Commerce ist die Suchergebnis- oder Produktliste wie bspw. auf den Kategorie-Übersichtsseiten. Hier erscheinen in der Regel sehr viele Produkte - oft über viele Seiten. Benutzer lassen sich von diesen Produktlisten oder Kategorieseiten inspirieren. Es ist daher wichtig, relevante Produkte prominent auf einer Kategorieseite anzuzeigen, da sonst der Nutzer den Online-Shop schon nach wenigen Sekunden wieder verlässt.
‍
Die Kunden von ODOSCOPE erzielen Umsatz- und Kaufsteigerungen von mehr als 10%, indem sie personalisierte Produktlisten anzeigen, die nach individueller Relevanz sortiert sind. Und oft mehr als 20% auf mobilen Endgeräten. Hier ist die prominente Anzeige der relevantesten Produkte auf den kleinen Displays noch wichtiger.

Datenaktivierung steht für die aktive Nutzung von Datenpunkten, um eine (Personalisierungs-)Entscheidung wie eine bestimmte Auswahl, Sortierung von Produkten, Nachrichten, Bildern, Suchergebnissen, Empfehlungen usw. nach individueller Relevanz zu treffen. ODOSCOPE arbeitet mit Datenaktivierung in Echtzeit, die sich flexibel und dynamisch mit jedem Klick an die aktuelle Situation des Nutzers anpasst.

Ein Data Lakehouse ist eine zentrale Plattform für unterschiedliche Datenquellen und deren Metadaten. Im Gegensatz zu einem herkömmlichen Data Warehouse (DWH), das für SQL-Abfragen und herkömmliche Analysen konzipiert ist, werden Daten direkt in das Data Lakehouse importiert, ohne dass ein potenziell fehleranfälliger und zeitaufwändiger ETL-Prozess (Extrahieren, Transformieren, Laden) erforderlich ist.
‍
Ein Data Lakehouse kann sehr große Mengen strukturierter, halbstrukturierter und unstrukturierter Daten im selben System speichern, was Machine Learning-Anwendungen ermöglicht und Daten-Teams effizienter macht. Denn Daten müssen nicht mehr über mehrere Systeme hinweg abgefragt und verknüpft werden.

Situationalisierung bezieht sich auf die aktuelle Situation eines Online-Nutzers. Es ist sehr entscheidend, ob jemand während der Hauptverkehrszeit in der U-Bahn auf seinem Handy surft, tagsüber während der Arbeit seinen Desktop-PC nutzt oder an einem Sonntagabend zu Hause mit seinem Tablet auf dem Sofa im Internet "unterwegs" ist. Jede Situation ist anders. Das gilt auch für das Nutzer- und Kundenverhalten. Wie unterschiedlich dieses Verhalten ist und ob es sich eher nach Tageszeit, Gerätetyp, Geografie oder vielen anderen Datenpunkten und Kombinationen davon unterscheidet, ist in den historischen Daten des Shops enthalten und wird für jeden Nutzer und dessen Klicks durch Echtzeit-Analysen bestimmt.