# Anvendelser af GenderAPI og ansvarlig måling > Se praktiske scenarier for databerigelse, og mål resultaterne med en kontrolgruppe, overvågning af dækningen og vurdering af usikkerheden. Canonical HTML: https://www.genderapi.io/da/blog/succeshistorier-virksomheder-der-trives-takket-vaere-integrationen-af-genderapi-io Last reviewed: 2026-09-29 ## Udgivelsesoplysninger Først udgivet: 2024-06-10T12:00:00.000Z Senest gennemgået: 2026-09-29T00:00:00.000Z ## Hvordan vurderer man et projekt med databerigelse via GenderAPI? Fastlæg formål og effektmål på forhånd, brug en neutral gruppe, bevar konfidensen og de ukendte resultater, og mål både effekten og de mulige skadelige konsekvenser. ## Et illustrativt scenarie er ikke en verificeret kundecase Den ældre artikel knyttede præcise procentsatser til anonyme eksempler fra e-handel, sundhed, mode og finans. Uden kunde, kilde, stikprøvestørrelse, periode og metode kan de tal ikke verificeres uafhængigt, og derfor gengives de ikke her som faktiske resultater. Vi erstatter dem heller ikke med andre kunder, logoer, målinger eller udtalelser: Scenarierne i denne guide er hypoteser, der skal testes, ikke dokumenterede resultater. Krav til en kundecase, der kan offentliggøres En kunde, der har givet tilladelse eller er korrekt anonymiseret, udgangsværdi, stikprøvestørrelse, måleperiode, metode, målt resultat og tydelige begrænsninger. ## Fire arbejdsgange, der skal afprøves med omtanke ### Budskaber i e-handelsforløbet Berig de relevante poster, hold usikre resultater adskilt fra de øvrige, og sammenlign en kontrolleret personalisering med en neutral oplevelse. ### Målgruppeanalyse Undersøg samlede mønstre, og rapportér dækning, ukendte resultater og begrænsninger i stikprøven. ### Forberedelse af CRM-data Tilføj normaliserede felter og understøttende værdier, så teamet kan kontrollere posterne, før de bruges. ### Kampagneeksperimenter Test, om et klart afgrænset budskab forbedrer et mål, der er fastlagt på forhånd, uden at behandle estimatet som identitet. ## Prioritér nyttige og neutrale oplevelser Et resultat, der er udledt af navnet, er ikke det køn, en person identificerer sig med. Oplevelsen skal forblive nyttig, når resultatet mangler eller er forkert: Tilbyd et neutralt alternativ, undgå stereotyper, træf ikke beslutninger med stor betydning på grundlag af det udledte køn, og gør det muligt at rette vigtige oplysninger gennem passende kontroller hos den dataansvarlige. Mål arbejdsgangen, ikke antagelserne om mennesker. ## Vurdér resultatet i fire trin ### Definér beslutningen først Dokumentér, hvorfor signalet er nødvendigt, hvem der må bruge det, og hvilke anvendelser der er forbudt. ### Bevar en kontrolgruppe Sammenlign det berigede forløb med en neutral oplevelse i stedet for at tilskrive enhver ændring et enkelt felt. ### Mål dækning og usikkerhed Rapportér ukendte, tvetydige og usikre resultater sammen med det valgte forretningsmål. ### Vurdér konsekvenserne Se efter negative virkninger, misvisende personalisering og forskelle mellem regioner eller sprog. ## REST API, regneark eller automatisering uden kode - [REST API Integrér strukturerede resultater i en applikation eller en datapipeline. Læs dokumentationen →](https://www.genderapi.io/da/api-documentation) - [Google Sheets Test en lille stikprøve i et eksisterende regneark. Læs guiden →](https://www.genderapi.io/da/blog/hvordan-bestemmes-koen-i-google-sheets-med-gender-api-add-on) - [Automatisering uden kode Forbind trigger, berigelse og en kontrolleret destination. Læs guiden til Zapier →](https://www.genderapi.io/da/blog/zapier-gender-api-integration) ## Begræns data og adgang til det strengt nødvendige Tilknyt kun de input, som det dokumenterede formål kræver, begræns adgangen til API-nøgler og resultater, og fastlæg, hvornår udledte felter skal revurderes eller slettes. Ifølge den offentliggjorte [privatlivspolitik](https://www.genderapi.io/da/privacy-policy) gemmes navne, brugernavne, e-mailadresser og andre input til vellykkede forespørgsler ikke som genanvendelige forespørgselsposter. Forespørgsler, der ikke vedrører e-mails, og som ikke giver et kønsresultat, kan opbevares i op til 12 måneder for at forbedre GenderAPI; e-mailforespørgsler indgår ikke i dette datasæt. Uploadede Excel- og CSV-filer er planlagt til fjernelse fra aktive systemer inden for fem dage, og fjernede data kan forblive i løbende overskrevne, adgangsbegrænsede sikkerhedskopier i op til 15 dage mere. For server-, godkendelses- og sikkerhedslogfiler gælder egne opbevaringsperioder, som er beskrevet i politikken. Retten til indsigt, indsigelse og sletning er forklaret i [oplysningerne om privatliv efter GDPR](https://www.genderapi.io/da/gdpr-compliance). Tilladelser, kørselslogfiler og indstillinger for opbevaring i hvert tilknyttet CRM, regneark eller automatiseringstjeneste er uafhængige af GenderAPI's indstillinger. Gå ikke ud fra, at API-versionen og resultatfelterne i en tilføjelse svarer til V2. Fortolk data.confidence fra V2 sammen med confidence_kind og source; en AI-score er ikke det samme som en andel i datasættet. Rapportér resultater med data.result_status: unknown, JSON-null-værdier og driftsfejl hver for sig. Se [svarfelterne i V2](https://www.genderapi.io/da/docs/v2/responses), [metoden til vurdering af nøjagtighed](https://www.genderapi.io/da/accuracy-methodology) og [datakilderne](https://www.genderapi.io/da/data-provenance). ## Spørgsmål om anvendelser og måling ### Var procentsatserne i den ældre artikel verificerede kundecases? Nej. Den tidligere version angav hverken kunder, kilder, stikprøvestørrelser eller metode; derfor præsenterer den nuværende version ikke de procentsatser som dokumentation og erstatter dem heller ikke med andre tal. ### Hvad skal en kundecase, der kan offentliggøres, indeholde? Kundens tilladelse, en udgangsværdi, stikprøvens størrelse, måleperioden, metoden, det målte resultat og tydeligt angivne begrænsninger. ### Hvordan måler man en arbejdsgang til databerigelse? Fastlæg målet på forhånd, bevar en neutral gruppe, dokumentér dækning og usikkerhed, og undgå automatisk at tilskrive resultatet en enkelt variabel. ### Svarer det forudsagte køn til en persons identitet? Nej. Det er en sandsynlighedsbaseret slutning ud fra navnet, ikke det køn, personen identificerer sig med. Det kan være forkert eller upassende og bør hverken bruges som bekræftet identitet eller som grundlag for beslutninger med stor betydning. ### Skal ukendte resultater fjernes? Nej. Bevar ukendte resultater og resultater med lav konfidens som sådan: Deres andel er en del af datadækningen og datakvaliteten og bør rapporteres sammen med effektmålene. ### Hvilke data bør en arbejdsgang til databerigelse gemme? Gem kun de felter, der er nødvendige for det dokumenterede formål, og fastlæg regler for sletning. Ifølge den offentliggjorte privatlivspolitik gemmes input til vellykkede forespørgsler ikke som genanvendelige poster; forespørgsler, der ikke vedrører e-mails, og som ikke giver et resultat, kan opbevares i op til 12 måneder for at forbedre GenderAPI, og uploadede Excel- og CSV-filer fjernes fra aktive systemer inden for fem dage og kan forblive i adgangsbegrænsede sikkerhedskopier i op til 15 dage mere. Kontrollér også logfiler og opbevaringsregler for hver tilknyttet tjeneste. ### Hvor finder jeg implementeringsguiderne? I REST-dokumentationen eller i guiderne til Google Sheets, Shopify og automatisering uden kode, som der linkes til fra denne side.