Å finne mønstre og lage prognoser er en stor del av måten bedrifter bruker data for å generere inntekt gjennom annonsering. Du har kanskje hørt om brukersegmentering og profilering, men hva betyr dette for den enkelte og deres personlige data?
Segmentering og profilering
La oss ta en titt på et oppdiktet eksempel på hva segmentering eller profilering er. Vår eksempel-bruker Kari har en Schibsted-konto, og har fortalt oss at hun er 24 år og bor i Oslo. For Kari er det greit at hennes data blir brukt til å vise henne relevante annonser på Schibsteds nettsteder.

Etterhvert som Kari leser Aftenposten, kikker gjennom rubrikkannonsene på FINN og klikker på ulike lenker på disse Schibsted-nettstedene, begynner dataprofilen hennes å ta form: Hun liker å vandre, reise til varme steder og gå på tur med hunden. Hun synes det er behagelig enkelt å handle på nett, og klikker av og til på annonser med tilbud hun synes ser gode ut.

Vi kan kombinere informasjonen Kari har gitt oss (alder, kjønn og byen hun bor i) med innsikt fra atferdsmønstret hennes, for å inkludere henne i et brukersegment som består av unge, fysisk aktive kvinner som bor i Oslo og liker online shopping.

Når vi viser Kari en annonse for fjellstøvler på salg, og hun klikker på den, forstår vi at vi har vist henne en relevant annonse. Om hun overser all sminke-reklame, fordi hun ikke bruker sminke, har vi lært at ikke alle kvinner i Karis segment vil se den type annonser. På denne måten forstår vi segmentene stadig bedre.

Data lookalikes
La oss nå se på et annet eksempel for noe som kalles datamodeller. Peter er en mann midt i 30-årene som bor i Stockholm og er en skikkelig «foodie» (matelsker). Han er veldig glad i å gå på nye restauranter og leter alltid etter måter han kan forbedre kjøkkenet hjemme. Han skygger unna sosiale medier og er skeptisk til bruk av data, så han prøver å unngå å logge inn på nettsteder, men aksepterer informasjonskapsler på sider han vil bruke.

Når Peter bare leser nyheter på Aftonbladet eller sjekker Blocket for nye kjøkkenredskap, vet vi ikke så mye om ham. Men etterhvert som han klikker seg rundt, leser artikler, taster inn søkeord og klikker på annonser, får vi data som hjelper oss forstå hva slags innhold han kunne interessere seg for. Selv om vi ikke vet kjønn eller eksakt alder, kan vi sammenligne aktiviteten hans med lignende dataprofiler. Hans atferdsmønster kan derfor gi oss hint om hvilket segment han kan passe inn i.

Det er ganske tydelig at Peter liker innhold om mat, så han blir matchet med annonser for restauranter i Stockholm og lokale kjøkkenbutikker som har salg. Vi vet ikke akkurat hvor gammel han er, men de artiklene han leser i Aftonbladet matcher med andre menn i 30- og 40-årene, så vi kan matche ham med de annonsene vi vet denne gruppen pleier å engasjere seg i.

Noen ord om datasikkerhet
Dine personlige data er trygge hos oss. Når du leser eksemplene ovenfor, kan det kanskje føles som noen sitter foran en skjerm og betrakter hvert digitale skritt Kari og Peter tar. Men når vi sier at vi matcher Kari eller Peter med en annonse, er det snakk om automatiserte prosesser.
Vi tar ansvaret med å lagre og håndtere data veldig alvorlig. Vi jobber tett med andre kolleger, eksperter på datasikkerhet og lovgivere for å hele tiden vurdere våre sikkerhetstiltak og -rutiner, for å forsikre oss om at vår databehandling møter brukernes behov og er i tråd med loven.
Mer detaljer om hvor lenge vi lagrer data og hvilke tiltak det enkelte Schibsted-nettstedet eller applikasjon foretar, kan du lese i personvern-avsnittet for den enkelte tjenesten.
