Cookie-mentes mérés: a 4 valódi technika — nem 5, nem 10, konkrétan négy

A 'cookieless future' szlogen 2020 óta forog, és minden adtech-konferencián tucatnyi 'megoldás' van. A többségük marketing-fedés egy vékony technikára vagy egy létező rendszer átcímkézése. Nálunk négy technika maradt valódi termelésben — ezek bírják a méréshitelességi tesztet és a méretarányt. Itt a négy.

1. First-party CDP — az egyetlen ami nem kérdés

A first-party customer data platform a saját-domain események egyetlen forrása. Bejelentkezés, cikk-olvasás, hírlevél-feliratkozás, vásárlási intent — minden, amit a saját rendszerben rögzítesz, és nem kérsz hozzá külsős tracking-bekötést.

Nálunk az MX-CDP 4.8 millió aktív profilt kezel, 14 különböző signal-forrásból. A profilok 62%-a deterministic ID-vel kötött (email-hash + login), 38% probabilisztikus (session-szignálokból). Hibahatár a probabilisztikus szegmensen: 7-9% misclassification a kontroll-csoport ellen.

Mit ad: pontos audience-szegmensek saját termékhez. Mit nem ad: cross-domain conversion attribution.

2. Contextual signals — visszatértek, és jobbak mint valaha

A kontextus-targeting nem új; az új, hogy a 2026-os AI-modellek pontosabbak, mint a 2010-es kulcsszó-rendszerek voltak. Egy oldalt 12 dimenzión klasszifikálunk (lásd a brand safety cikket), és ezekre a dimenziókra hirdetőként szegmenst építünk.

Konkrét példa: egy energiaital-márka a 'sport / fitness' kontextus-szegmensre célzott, 0.72 confidence küszöbbel. Hetente 1.4 millió impresszió, CPM 420 Ft, post-impression CTR 0.31% — magasabb, mint amit a tavalyi user-szegmentált retargeting hozott (0.24%). Az ok: a kontextus relevánsabb az olvasási pillanatban, mint a múlt hét böngészés-előzménye.

Mit ad: cookie-mentes targeting tetszőleges oldalra. Mit nem ad: egyén-szintű attribuciót.

3. Server-side Conversion API — a sajátunk, nem a Facebooké

A 'Conversion API' kifejezés a Meta marketingjéből ismert, de a koncepció szélesebb: a böngésző helyett a backend-ed küldi az event-eket a hirdetési rendszereknek. Mi nem a Meta-specifikus CAPI-t használjuk default-ként — saját S2S endpoint-ot futtatunk minden DSP-és ad-network-partner felé.

A setup nem könnyű. A purchase event-et az ERP rendszer küldi, hash-elt email-lel, server-server. A timing fontos: 30 másodperces buffer, hogy a teljes order-life-cycle (visszafizetés, törlés) elkapható legyen. A duplikáció elleni védelem: idempotency key-vel.

A mérhető eredmény: a böngésző-oldali pixel 11-17% conversion-t veszít cookie-blokkolás miatt. A server-side hibahatár 0.3%. Egy 4 millió forintos performance-kampányon ez 440-680 ezer forintnyi attribuált konverzió, amit korábban 'elveszettnek' láttunk.

Mit ad: pontos, durable konverziós mérés. Mit nem ad: első-impressziós attribuciót (csak ha a click-azonosító az URL-ben utazik).

4. Deterministic ID graph — összekötve, de nem felfedve

A deterministic ID graph a saját first-party ID-jeinkat köti össze publisher- és advertiser-oldalon, anélkül hogy a tényleges email vagy telefonszám elhagyná az adott rendszert. Két SHA-256 hash + sókkal kevert (privacy-preserving record linkage).

Mi az UID2-höz hasonló konzorciális ID-vel dolgozunk négy magyar publisher-partnerrel. Lefedettség: a teljes magyar webes auditóriumunk 71%-ánál van legalább egy közös ID-pont. Frequency-cap és cross-publisher reach-mérés erre épül.

Kritikus: ez nem universal tracking. A user GDPR-konform consent-et adott a publisher-oldalon, és a hash-elés egyirányú. Az ID graph csak frekvenciát és incrementality-t számol, nem ad át profilt.

Mit ad: cross-publisher reach + frequency. Mit nem ad: granularis demografikus targeting (azt a CDP-ből vesszük).

A négy nem helyettesíti egymást

Fontos pont: ezek nem alternatívák, hanem komplementer rétegek. Egy átlagos kampányban mind a négy szerepel. A CDP az audiencia-bázis, a kontextus a real-time targeting réteg, a Conversion API a measurement gerinc, az ID graph a frequency- és attribution-fa.

A 'one-stop cookieless megoldás' szlogen rossz absztrakció. A valóság az, hogy négy technika fut párhuzamosan, és mindegyik egy konkrét hiányzó képességet tölt be a third-party-cookie utáni világban.

Amit nem tartunk valódinak

Két gyakran emlegetett 'megoldás' kimaradt szándékosan. A Google Privacy Sandbox Topics API túl alacsony jel-zaj arányt ad ahhoz, hogy targetingre érdemi legyen — a kategóriák túl tág, és frissítési ciklusa lassú. A fingerprinting technikailag létezik, de jogi és etikai szempontból nem tartjuk legitim mérésnek; a GDPR-megfelelőség kockázata aránytalanul nagy a hozzáadott pontossághoz képest.

Takeaway

A cookieless mérés nem egy termék, hanem négy különböző technika, mindegyik egy konkrét képességet pótolva. First-party CDP, kontextus-szignálok, server-side Conversion API, deterministic ID graph. Aki ötödiket kínál, valószínűleg az egyik négy átcímkézését árulja.