# Vurder navnebaserte kjønnsdata i markedsføring > Behandle estimatet som et usikkert signal, tilby et nøytralt alternativ, og bruk kontrollerte tester for å avgjøre om det gir relevant verdi. Canonical HTML: https://www.genderapi.io/nb/blog/boost-your-marketing-strategy-with-name-based-gender-data Last reviewed: 2026-09-30 ## Publiseringsinformasjon Først publisert: 2025-07-16T12:00:00.000Z Sist gjennomgått: 2026-09-30T00:00:00.000Z ## Hvordan bør navnebaserte kjønnsdata brukes i markedsføring? Bruk dem bare til et tydelig og legitimt formål, og bevar usikkerheten. Lag et nøytralt alternativ, unngå stereotypier, og mål hele arbeidsflyten mot en kontrollgruppe før du tar det i bruk i større skala. ## Et estimat er ikke en bekreftet opplysning om en person Navnebasert analyse estimerer et sannsynlig resultat ut fra mønstre i tilgjengelige data, men sier ikke noe om kjønnsidentiteten personen selv har oppgitt. Samme navn brukes i mange regioner og av personer med ulike kjønnsidentiteter, så resultatet kan være ukjent eller feil. Pålitelig landkontekst kan hjelpe, men gjør ikke estimatet til et faktum om en enkeltperson. Behold ukjente resultater som de er, i stedet for å tvinge dem inn i en gruppe. Gjør konfidens og ukjente resultater tydelig synlige. ## Fire prinsipper for nyttige opplevelser ### Tilpass ut fra kontekst Prioriter preferanser og atferd kunden selv har vist; bruk utledede signaler bare når de gir relevant og målbar verdi. ### Unngå stereotypier Ikke utled produkter, interesser eller kommunikasjonsstil bare ut fra en estimert kjønnsgruppe. ### Mål trinn for trinn Ikke gå ut fra at berikede data forbedrer resultatet; sammenlign med et nyttig nøytralt alternativ. ### Ha alltid en reservevei Støtt ukjente verdier, rettelser og arbeidsflyter som ikke er avhengige av det utledede resultatet. Ikke bruk det til beslutninger med stor betydning Ikke bruk et utledet signal alene til å avgjøre vilkår, tilgang, ansettelse, kreditt, helse, pris eller andre spørsmål med vesentlige konsekvenser. ## Vurder arbeidsflyten i seks trinn ### Definer et legitimt formål Beskriv spørsmålet, målgruppen og forretningsmålet som skal testes, før du legger til en ny egenskap. ### Minimer inndataene Send bare feltene som den valgte metoden trenger, og eventuelt landkontekst når den er pålitelig. ### Bevar usikkerheten Lagre konfidens, ukjente resultater og andre nyttige signaler i stedet for å tvinge alle poster inn i en gruppe. ### Lag et nøytralt alternativ Sørg for at opplevelsen er nyttig når data mangler, konfidensen er lav eller resultatet må rettes. ### Test med en kontrollgruppe Sammenlign en avgrenset kampanje med det nøytrale alternativet, og fastsett måltall og testperiode på forhånd. ### Vurder effekt og lagringstid Kontroller både gevinster og negative virkninger, ta imot rettelser, og slett utledede data når de ikke lenger trengs. Rapporter dekning og usikkerhet sammen med resultatene. ## Mål mer enn konverteringsraten I tillegg til det valgte forretningsmålet bør du følge dekning, ukjente resultater, poster med lav konfidens, forespørsler om retting og reservasjoner. Dokumenter testperiode og utvalgsstørrelse, slik at et begrenset resultat ikke tolkes som en generell konklusjon. Resultat: Hovedmåltall fastsatt på forhånd Dekning: Andel poster med resultat og ukjente poster Kvalitet: Fordeling av konfidens og rettelser Konsekvenser: Klager, reservasjoner og negative virkninger ## Start med et lite utvalg som kan kontrolleres - [REST API Bygg et kontrollert berikelsestrinn i en applikasjon eller en datapipeline. Se dokumentasjonen →](https://www.genderapi.io/nb/api-documentation) - [Google Sheets Tilordne felt og kontroller eksempelresultater direkte i et eksisterende regneark. Les veiledningen for tillegget →](https://www.genderapi.io/nb/blog/how-to-determine-gender-in-google-sheets-using-gender-api-add-on) - [Automatisering uten kode Koble en utløser og et mål til testposter som kan gjennomgås. Les veiledningen for Zapier →](https://www.genderapi.io/nb/blog/zapier-gender-api-integration) ## Behold bare de dataene og den tilgangen som trengs Send bare verdiene som den valgte metoden trenger, begrens tilgangen til API-nøkler og resultater, og bestem hvor lenge estimerte data skal beholdes i systemene dine, og hvordan de kan rettes ved behov. Ifølge den publiserte [personvernerklæringen](https://www.genderapi.io/nb/privacy-policy) behandles inndata i vellykkede forespørsler om navn, brukernavn, e-post og andre forespørsler for å returnere resultatet, og de lagres ikke som gjenbrukbare forespørselsposter. Forespørsler som ikke gjelder e-post, og som ikke gir noe kjønnsresultat, kan lagres i opptil 12 måneder for å forbedre GenderAPI; e-postforespørsler er utelukket fra dette forbedringsdatasettet. Opplastede Excel- og CSV-filer planlegges fjernet fra aktive systemer innen fem dager, og slettede data kan bli liggende i tilgangsbegrensede rullerende sikkerhetskopier i opptil 15 dager til. Server-, autentiserings- og sikkerhetslogger følger egne lagringsperioder som er beskrevet i erklæringen. Rettighetene til innsyn, til å protestere og til sletting er beskrevet i [GDPR-personverninformasjonen](https://www.genderapi.io/nb/gdpr-compliance). Tillatelser, kjørelogger og lagringsinnstillinger i CRM-systemet, regnearket og automatiseringstjenesten du kobler til, er atskilt fra innstillingene hos GenderAPI. Ikke gå ut fra at API-versjonen eller resultatfeltene i et tillegg er de samme som i V2. Les data.confidence fra V2 sammen med confidence_kind og source; en KI-verdi og en andel i datasettet er ikke det samme. Rapporter data.result_status: unknown, JSON-verdien null og behandlingsfeil hver for seg. Se [Svarfelt i V2](https://www.genderapi.io/nb/docs/v2/responses), [Metode for vurdering av nøyaktighet](https://www.genderapi.io/nb/accuracy-methodology) og [Datakilder](https://www.genderapi.io/nb/data-provenance). ## Spørsmål om navnebaserte data i markedsføring ### Hva er navnebaserte kjønnsdata? Det er et signal som estimeres ut fra mønstre knyttet til et navn, noen ganger sammen med landkontekst. Det er ikke en bekreftet identitet og heller ikke kjønnsidentiteten personen selv har oppgitt. ### Forbedrer et estimert kjønn markedsføringen automatisk? Nei. Resultatet avhenger av målgruppe, budskap, kanal, datakvalitet og testdesign. Behold en nøytral kontrollgruppe, og mål hele arbeidsflyten. ### Bør produktanbefalinger baseres bare på et estimert kjønn? Nei. Det kan forsterke stereotypier og gi irrelevante opplevelser. Prioriter preferanser kunden selv har oppgitt, og interesser du har observert, når det er mulig. ### Hvorfor bør konfidens og ukjente resultater beholdes? De gjør dekningen og usikkerheten synlig, gjør det mulig å bruke egne regler ved lav konfidens og hindrer misvisende rapportering. Ikke tving ukjente resultater inn i en gruppe. ### Hvilken implementeringsmetode bør jeg velge? REST API passer for arbeidsflyter i applikasjoner, regneark passer for data som skal gjennomgås, og integrasjoner uten kode passer for arbeidsflyter med utløsere og handlinger. ### Når bør signalet ikke brukes? Ikke bruk det som grunnlag for beslutninger om ansettelse, kreditt, helse, prising, tilgang eller andre beslutninger med stor betydning for en person. ### Hvilke data fra disse forespørslene lagrer GenderAPI? Ifølge den publiserte personvernerklæringen lagres inndata i vellykkede forespørsler ikke som gjenbrukbare forespørselsposter. Forespørsler som ikke gjelder e-post, og som ikke gir noe kjønnsresultat, kan lagres i opptil 12 måneder for å forbedre GenderAPI. Opplastede Excel- og CSV-filer planlegges fjernet fra aktive systemer innen fem dager og kan bli liggende i tilgangsbegrensede sikkerhetskopier i opptil 15 dager til.