Data Clean Rooms: was sie leisten und wo ihre Grenzen liegen

Was ein Data Clean Room ist

Zwei Parteien haben Daten über dieselben Menschen und dürfen sie einander trotzdem nicht zeigen. Google weiß, wer eine Anzeige gesehen hat. Du weißt, wer bestellt hat. Beide Seiten hätten gern die Antwort auf Fragen, die nur aus der Kombination entstehen, aber keine Seite gibt ihre Rohdaten heraus. Ein Data Clean Room ist die Umgebung, die diesen Abgleich technisch möglich macht, ohne dass jemand die Daten der Gegenseite einsehen kann.

Praktisch sieht das so aus: Du lädst deine Daten in eine abgeschottete Umgebung, der Betreiber hält seine dagegen, und die Auswertung läuft dort drinnen, meist als SQL-Abfrage. Was herauskommt, sind aggregierte Zahlen, und auch die erst ab einer Mindestzahl an Nutzern pro Ergebniszeile. Wenn nur drei Personen in eine Auswertung fallen, gibt der Raum das Ergebnis nicht heraus, weil sich daraus einzelne Menschen zurückrechnen ließen.

Technisch steckt dahinter eine Datenbank, auf die beide Seiten nur über einen kontrollierten Kanal zugreifen, plus die Regel, die zu kleine Ergebnisse blockiert. Der Unterschied zu einer klassischen Datenlieferung liegt darin, was du bekommst: keine Nutzerlisten und keinen Export auf Personenebene, sondern die Antwort auf deine Frage.

Zurück zum Überblick: Cookieless Tracking, der Leitfaden. Im Glossar: Data Clean Room, Walled Garden.

Warum das Thema jetzt hochkommt

Solange Third-Party-Cookies funktionierten, brauchte kaum jemand einen Clean Room. Die Zuordnung zwischen Anzeigenkontakt und Kauf lief über fremde Cookies, und die Plattformen lieferten ihre Zahlen einfach ins Reporting. Mit dem Rückbau dieser Cookies durch Safari, Firefox und schrittweise auch Chrome fällt dieser Weg weg, und die Plattformen suchen nach einer Form, in der sie Auskunft geben können, ohne Nutzerdaten herauszugeben.

Dazu kommt der Aufstieg von Retail Media. Händler mit eigener Reichweite verkaufen Werbeplätze und sitzen dabei auf Kaufdaten, die für Marken sehr interessant sind. Herausgeben können sie diese Daten nicht, also bieten sie Auswertungen in einer geschützten Umgebung an. Der Clean Room ist damit auch ein Geschäftsmodell: Er erlaubt es, Datenwert zu verkaufen, ohne die Daten selbst abzugeben.

Für dich als Shop heißt das vor allem eines: Der Begriff wird dir zunehmend von Plattformen und Agenturen angetragen, oft als Antwort auf Messprobleme, die er gar nicht löst. Es lohnt sich deshalb, vorher zu sortieren, welche Frage du eigentlich beantworten willst.

Warum die alten Cookies wegfallen: First-Party- vs. Third-Party-Cookies. Was das an Conversions kostet: Datenverlust im Tracking.

Die drei Umgebungen, die praktisch vorkommen

Im DACH-E-Commerce begegnen dir realistisch drei Varianten. Zwei davon gehören einer Plattform, die dritte ist eine neutrale Infrastruktur.

Google Ads Data Hub

Ads Data Hub ist Googles Clean Room. Die Auswertung läuft als SQL-Abfrage in BigQuery gegen Googles Kampagnendaten aus Google Ads, Display & Video 360 und YouTube. Deine eigenen Daten liegen dabei in deinem BigQuery-Projekt und werden gegen die Google-Seite gejoint, etwa Bestellungen gegen Anzeigenkontakte. Zurück bekommst du aggregierte Ergebnisse, keine Nutzerlisten. Der Zugang läuft über den Google-Ads-Account, in der Praxis oft über die betreuende Agentur.

Amazon Marketing Cloud

Die Amazon Marketing Cloud arbeitet nach demselben Muster für das Amazon-Universum. Du schreibst SQL gegen die Ereignisse deiner Amazon-Kampagnen, also Impressionen, Klicks und Käufe bei Amazon. Eigene Daten lassen sich hochladen und dagegen auswerten. AMC ist an ein aktives Amazon-Ads-Konto gebunden und für Marken interessant, die dort einen relevanten Teil ihres Umsatzes machen.

Snowflake-basierte Räume

Die dritte Variante gehört keiner Werbeplattform. Wenn beide Seiten ihre Daten ohnehin in Snowflake liegen haben, lässt sich dort ein Clean Room aufsetzen, in dem jede Seite ihren Teil bereitstellt und nur definierte Auswertungen erlaubt sind. Das ist der übliche Weg, wenn zwei Unternehmen ohne Plattform in der Mitte zusammenarbeiten wollen, etwa eine Marke und ein Händler. Der Aufwand liegt dabei bei euch beiden, nicht bei einem Betreiber.

Wie eine Plattform Daten einschließt: Walled Garden im Glossar.

Was ein Clean Room kann und was nicht

Stark ist ein Clean Room bei Fragen, die sich innerhalb einer Plattform beantworten lassen. Wie viele Menschen haben meine YouTube- und meine Display-Kampagne beide gesehen, wie viele nur eine von beiden? Ab welcher Kontaktfrequenz bringt eine weitere Auslieferung nichts mehr? Für solche Reichweiten- und Überschneidungsfragen braucht es den Zugriff auf Ereignisdaten, den es außerhalb der Plattform nicht gibt.

Die Grenze liegt an der Wand des jeweiligen Gartens. In Ads Data Hub liegen Google-Daten, in der Amazon Marketing Cloud Amazon-Daten. Was dazwischen passiert, sieht keiner der beiden Räume: der Affiliate-Link, über den der Kunde drei Tage später kam, der Newsletter, der Preisvergleich, der Gutscheincode. Genau diese Wege gehören aber zu jeder Bestellung dazu.

Warum daraus keine Attribution wird

Attribution beantwortet die Frage, welcher Kanal welchen Anteil an einer Bestellung hat. Dafür müssen alle Touchpoints einer Journey an einer Stelle zusammenliegen. Ein Clean Room liefert dir stattdessen die Sicht einer Partei auf ihren eigenen Ausschnitt, und zwar in Aggregaten. Wenn du zwei Clean Rooms nutzt, hast du zwei Ausschnitte, aber keine gemeinsame Journey. Beide Anbieter rechnen dir ihren eigenen Beitrag vor, und die Summe liegt über der Zahl deiner tatsächlichen Bestellungen.

Der zweite praktische Punkt ist die Mindestgröße. Weil kleine Ergebniszeilen blockiert werden, taugen Clean Rooms nicht für den langen Schwanz. Die Frage, was eine einzelne kleine Kampagne oder ein einzelner Publisher gebracht hat, fällt oft unter die Schwelle und bleibt unbeantwortet.

Was Attribution über alle Kanäle leistet: Multi-Touch Attribution, der Leitfaden. Warum Kanäle sich denselben Verkauf gutschreiben: Affiliate-Deduplizierung.

Clean Room und eigene Datenbasis

Die Gegenüberstellung Clean Room oder eigene Datenbasis ist die falsche Frage, weil beide unterschiedliche Dinge beantworten. Der Clean Room beantwortet Fragen über die Nutzer einer fremden Plattform. Deine eigene Datenbasis beantwortet Fragen über deine Kunden und über alles, was auf deiner Seite passiert.

Die Reihenfolge ist trotzdem eindeutig. Ohne eigene Datenbasis hast du nichts, was du in einen Clean Room einbringen könntest. Jede der oben beschriebenen Umgebungen setzt voraus, dass du deine Bestellungen sauber erfasst, dass Kanäle korrekt zugeordnet sind und dass du eine Rechtsgrundlage für die Verarbeitung hast. Wer den Clean Room angeht, bevor das steht, kauft sich ein Werkzeug für Daten, die er noch nicht hat.

In der Praxis lösen sich die meisten Messprobleme eine Etage tiefer. Fehlende Conversions durch Consent-Ablehnung, gekürzte Cookies in Safari, doppelt gezählte Bestellungen zwischen Affiliate und Paid Search: das alles passiert vor der Tür des Clean Rooms und bleibt dort auch bestehen, wenn du einen betreibst.

Die eigene Erfassung als Fundament: Server-Side Tracking. Was fehlende Einwilligung kostet: Der Consent-Gap.

Wann sich der Aufwand lohnt

In einem Clean Room arbeitet jemand: Abfragen schreiben, Ergebnisse einordnen, Rückfragen stellen. Einschalten lässt er sich nicht. Damit hängt die Entscheidung an drei Voraussetzungen: genug Volumen in einer einzelnen Plattform, damit Ergebnisse über der Mindestgröße landen; jemand im Team oder in der Agentur, der SQL schreibt; und eine Frage, die sich anders nicht beantworten lässt.

Fehlt eine dieser Voraussetzungen, ist die Antwort meistens nein. Bei kleinen und mittleren Shops fällt ein erheblicher Teil der interessanten Auswertungen unter die Aggregationsschwelle, und der laufende Aufwand für Abfragen und Interpretation steht in keinem Verhältnis zum Ergebnis. Sinnvoller ist es dann, zuerst die eigene Messung in Ordnung zu bringen.

Sinnvoll wird es bei Marken mit hohem Budget in einem Walled Garden, bei Retail-Media-Kooperationen, in denen der Partner ohnehin nur so Auskunft gibt, und bei Multi-Brand-Häusern, die Überschneidungen zwischen ihren eigenen Marken verstehen wollen. In diesen Fällen beantwortet der Clean Room Fragen, für die es sonst schlicht keine Datenquelle gibt.

Wie es um deine eigene Datenbasis steht, zeigt dir das kostenlose Website-Audit.