Das Signal verstehen
Eine Vorhersage ist keine verifizierte Identität
Die Analyse liefert ein wahrscheinliches Ergebnis auf Grundlage von Trends in den verfügbaren Daten; sie zeigt nicht das Geschlecht, mit dem sich eine Person identifiziert. Dieselben Vornamen kommen in verschiedenen Regionen und bei Menschen mit unterschiedlichen Identitäten vor, und das Ergebnis kann unbekannt oder falsch sein. Ein verlässlicher Länderkontext kann helfen, macht die Vorhersage aber nicht zu einer Tatsache über die Person. Bewahren Sie unbekannte Ergebnisse, statt sie zu erzwingen.
Verantwortungsvolle Personalisierung
Vier Grundsätze für nützliche Erfahrungen
Mit Kontext personalisieren
Setzen Sie auf angegebene Präferenzen und beobachtetes Verhalten; nutzen Sie die Vorhersage nur, wenn sie einen angemessenen und messbaren Mehrwert bringt.
Stereotype vermeiden
Leiten Sie Produkte, Interessen oder Kommunikationsstil nicht aus einer vorhergesagten Kategorie ab.
Schrittweise messen
Vergleichen Sie den angereicherten Ablauf mit einer neutralen Erfahrung; setzen Sie keine automatische Verbesserung voraus.
Einen Ausweg lassen
Akzeptieren Sie unbekannte Werte, bieten Sie Möglichkeiten zur Korrektur von Daten und Wege, die nicht von der Vorhersage abhängen.
Implementierungsprozess
Den Ablauf in sechs Schritten bewerten
- 01
Berechtigten Zweck festlegen
Dokumentieren Sie die zu beantwortende Frage, die Zielgruppe und die Geschäftskennzahl, bevor Sie ein Feld hinzufügen.
- 02
Eingaben begrenzen
Senden Sie nur das unterstützte Feld und, falls nötig, einen verlässlichen Länderkontext für den gewählten Ablauf.
- 03
Unsicherheit bewahren
Speichern Sie Konfidenz, unbekannte Ergebnisse und andere nützliche Signale, statt jedem Datensatz eine Kategorie aufzuzwingen.
- 04
Neutrale Alternative bieten
Erhalten Sie eine nützliche Erfahrung, wenn ein Wert fehlt, unsicher ist oder sich als falsch erweist.
- 05
Kontrollierten Test durchführen
Vergleichen Sie eine begrenzte Variante mit einer neutralen Kontrollgruppe und legen Sie Kennzahl und Zeitraum vorab fest.
- 06
Auswirkungen und Aufbewahrung bewerten
Prüfen Sie Wirksamkeit und mögliche Schäden, nehmen Sie Korrekturen vor und löschen Sie abgeleitete Daten, sobald sie nicht mehr benötigt werden.
Messung
Mehr als die Conversion verfolgen
Verfolgen Sie neben der Geschäftskennzahl auch Abdeckung, unbekannte Ergebnisse, niedrige Konfidenz, Korrekturen und Abmeldesignale. Dokumentieren Sie Zeitraum und Stichprobe, damit das Ergebnis nicht als allgemeingültige Aussage erscheint.
- Wirksamkeit
- Vorab festgelegte Hauptkennzahl
- Abdeckung
- Verarbeitete und unbekannte Datensätze
- Qualität
- Verteilung der Konfidenz und Korrekturen
- Auswirkungen
- Beschwerden, Abmeldungen und schädliche Ergebnisse
Implementierung wählen
Mit einer kleinen, überprüfbaren Stichprobe beginnen
Datenschutz und Aufbewahrung
Daten und Zugriff auf das Nötigste beschränken
Senden Sie nur den Wert, den die gewählte Methode benötigt, beschränken Sie den Zugriff auf API-Schlüssel und Ergebnisse und legen Sie fest, wie lange Sie abgeleitete Daten in Ihrem eigenen System aufbewahren und wie sie korrigiert werden können, wenn das wichtig ist. Nach der veröffentlichten Datenschutzerklärung werden Namen, Benutzernamen, E-Mail-Adressen und andere Eingaben erfolgreicher Anfragen nicht als wiederverwendbare Abfragedatensätze gespeichert. Anfragen ohne E-Mail-Adresse, für die kein Geschlechtsergebnis ermittelt wurde, können bis zu 12 Monate zur Verbesserung von GenderAPI gespeichert werden; E-Mail-Anfragen sind von diesem Datensatz ausgenommen.
Hochgeladene Excel- und CSV-Dateien werden innerhalb von fünf Tagen zur Entfernung aus den aktiven Systemen eingeplant, und entfernte Daten können bis zu 15 weitere Tage in fortlaufend überschriebenen, zugriffsbeschränkten Sicherungskopien verbleiben. Für Server-, Authentifizierungs- und Sicherheitsprotokolle gelten eigene, in der Richtlinie beschriebene Speicherfristen. Die Rechte auf Auskunft, Widerspruch und Löschung erläutern die Datenschutzinformationen nach der DSGVO.
Häufige Fragen
Fragen zu namensbasierten Daten im Marketing
Was sind namensbasierte Geschlechtsdaten?
Probabilistische Signale, die aus mit einem Vornamen verbundenen Trends abgeleitet werden, teilweise mit Länderkontext. Sie sind weder eine verifizierte Identität der Person noch das Geschlecht, mit dem sich die Person identifiziert.
Verbessert die Vorhersage automatisch das Marketing?
Nein. Das hängt von Zielgruppe, Botschaft, Kanal, Datenqualität und Experiment ab. Verwenden Sie eine neutrale Kontrollgruppe und messen Sie den gesamten Ablauf.
Sollte ich Produkte allein auf Grundlage des vorhergesagten Geschlechts empfehlen?
Nein. Das kann Stereotype verfestigen und unpassende Erfahrungen erzeugen. Setzen Sie auf ausdrücklich angegebene Präferenzen und beobachtete Interessen.
Warum sollte man Konfidenz und unbekannte Ergebnisse bewahren?
Sie zeigen Abdeckung und Unsicherheit, ermöglichen eigene Regeln bei niedriger Konfidenz und verhindern irreführende Berichte. Verwandeln Sie unbekannte Ergebnisse nicht in eine erzwungene Kategorie.
Welche Integrationsmethode sollte ich wählen?
Die REST API für Anwendungen und Datenpipelines, Tabellenwerkzeuge für Datenbestände, die geprüft werden müssen, und No-Code-Automatisierung für Abläufe nach dem Muster Auslöser und Aktion.
In welchen Fällen sollte dieses Signal nicht verwendet werden?
Es sollte keine Grundlage für individuelle Entscheidungen zu Beschäftigung, Kredit, Gesundheit, Preisen, Zugang oder andere Entscheidungen mit großer Tragweite sein.
Welche Daten aus diesen Anfragen speichert GenderAPI?
Nach der veröffentlichten Datenschutzerklärung werden die Eingaben erfolgreicher Anfragen nicht als wiederverwendbare Datensätze gespeichert. Anfragen ohne E-Mail-Adresse, für die kein Ergebnis ermittelt wurde, können bis zu 12 Monate zur Verbesserung von GenderAPI gespeichert werden, und hochgeladene Excel- und CSV-Dateien werden innerhalb von fünf Tagen aus den aktiven Systemen entfernt und können bis zu 15 weitere Tage in zugriffsbeschränkten Sicherungskopien verbleiben.