Az EDPB kötelező erejű határozata alapvetően korlátozza a személyes adatokon alapuló viselkedésalapú célzást Meta platformokon az EGT-ben — és ez a magyar B2B hirdetőket is közvetlenül érinti. Ha most is harmadik féltől származó adatokat töltesz fel a Meta-fiókodba, vagy CRM-listákat szinkronizálsz jogalap nélkül, jogi kockázatot vállalsz.

A legfontosabb azonnali teendők:

  • Állítsd le a nyers személyes adatok közvetlen feltöltését a Meta hirdetéskezelőbe (beleértve a hash-elt e-mail listákat is, ha nincs egyértelmű hozzájárulás vagy jogos érdek dokumentálva).
  • Vezess be szerver oldali mérést (Conversions API, azaz CAPI) a böngészőalapú pixel helyett vagy mellett.
  • Kapcsold be a Meta modellezési és kontextuális célzási lehetőségeit (Advantage+ közönségek, széles célzás first-party maggal).
  • Dokumentáld az adatkezelési jogalapot minden egyes adatfolyamhoz.

Az EDPB 2023-as sürgős kötelező határozata kimondja: a Meta nem támaszkodhat a szerződéses szükségességre vagy jogos érdekre mint jogalapra a személyes adatokon alapuló viselkedésalapú reklámozáshoz az EGT-ben. Ez nem ajánlás, hanem végrehajtható kötelezettség.

Tipikus hiba: sokan azt hiszik, hogy a hash-elés önmagában megoldja a problémát. Nem oldja meg. Ha az eredeti adat személyes adat volt, és nincs megfelelő jogalap a feldolgozáshoz, a hash-elés csak technikai lépés, nem jogi védelem.

Tartalomjegyzék

Mit mond az EDPB-döntés, és miért vonatkozik rád?

Az Európai Adatvédelmi Testület (EDPB) 2022-ben és 2023-ban sorozatos kötelező határozatokat hozott a Meta adatkezelési gyakorlatával szemben. A határozatok hatálya az egész EGT-re kiterjed, tehát Magyarország sem kivétel.

A döntések lényege három ponton ragadható meg. Először: a Meta nem hivatkozhat a felhasználóval kötött szerződésre mint jogalapra a viselkedésalapú hirdetési profilok felépítéséhez. Másodszor: a jogos érdek sem elegendő jogalap ilyen célra. Harmadszor: a hozzájárulás az egyetlen elfogadható jogalap, és annak önkéntesnek, tájékozottnak és visszavonhatónak kell lennie.

Az EDPB döntési folyamatának főbb állomásait bemutató infografika

Mit értünk „személyes adatokon alapuló célzás“ alatt Meta-kontextusban?

Ide tartozik minden olyan célzási módszer, amely egyéni szintű viselkedési adatot használ: oldalmegtekintések, kattintások, vásárlási előzmények, alkalmazáshasználat. A Custom Audience feltöltések (e-mail listák, telefonszámok), a pixel-alapú remarketing és a harmadik féltől vásárolt adatlisták mind ebbe a kategóriába esnek.

Az EDPB 2023-as sürgős határozata nyomán Norvégia ideiglenesen be is tiltotta a Meta viselkedésalapú hirdetési célzását — ez jelezte, hogy a határozatok végrehajtása valós és azonnali.

A magyarországi felügyeleti hatóság a NAIH (Nemzeti Adatvédelmi és Információszabadság Hatóság). Az EDPB iránymutatásai EU-szintűek, de a végrehajtás és az ellenőrzés a NAIH hatáskörébe tartozik. Ez azt jelenti, hogy egy magyar vállalkozás ellen a NAIH indíthat eljárást, ha Meta-kampányai nem felelnek meg a GDPR és az EDPB-határozatok követelményeinek.

Időbeli összefüggések: Az első kötelező határozat 2022 végén született, a sürgős határozat 2023 elején. A Meta azóta bevezette a „Pay or Consent“ modellt az EGT-ben, amelynek jogszerűsége szintén vizsgálat alatt áll. Magyar hirdetőknek 2024 óta kell számolniuk azzal, hogy a korábbi célzási beállítások egy része nem tartható fenn változtatás nélkül.

NAIH ügyfélszolgálati iroda – információk és tájékoztatás ügyfeleknek

Hogyan érinti ez a B2B hirdetési célzásodat Magyarországon?

A határozat nem elméleti probléma. Magyar B2B hirdetők számára a legérzékenyebb pont az, hogy a Meta B2B célzási kategóriái eleve szűkek. Az IT döntéshozók szegmense Magyarországon mindössze 4 100–4 800 főt fed le, az üzleti döntéshozók kategória pedig 1 800–2 100 főt. Ez azt jelenti, hogy ha ezeket a szegmenseket elveszíted vagy nem tudod jogszerűen használni, a kampányod közönsége töredékére zsugorodik.

Mely célzási formák kerülnek problémás területre?

  • Viselkedésalapú érdeklődési kategóriák, amelyek Meta-platformon gyűjtött adatokra épülnek.
  • Harmadik féltől vásárolt B2B adatlisták közvetlen feltöltése Custom Audience-ként.
  • Pixel-alapú remarketing, ha a felhasználó nem adott érvényes hozzájárulást a sütik kezeléséhez.
  • CRM-szinkronok, ahol az adatgyűjtés jogalapja nem dokumentált vagy nem megfelelő.

A lead-generálási kampányok közvetlen következménye: a szűkülő közönségméretek magasabb CPM-et (ezer megjelenítésre jutó költséget) és alacsonyabb skálázhatóságot hoznak. Egy 2 000 fős szegmensre épített kampány soha nem fog hatékonyan skálázódni, ha nincs mögötte modellezés vagy first-party mag.

Gyors fiók-ellenőrzési lista:

  • Nézd át az összes aktív Custom Audience-t: honnan származnak az adatok, mi a jogalap?
  • Ellenőrizd a pixel-eseményeket: van-e érvényes hozzájáruláskezelő (CMP) a weboldaladon?
  • Vizsgáld meg a partner-integrációkat: CRM-szinkron, lead-import, külső adatszolgáltató?
  • Dokumentáld, hogy melyik adatfolyamhoz milyen jogalapot alkalmazol (hozzájárulás, jogos érdek, szerződéses szükségesség).

Profi tipp: Kérj le egy teljes Custom Audience auditot a Meta hirdetéskezelőből, és minden egyes listánál jelöld meg az adatforrást és a jogalapot. Ha bármelyiknél nem tudod egyértelműen megnevezni a jogalapot, azt a listát azonnal állítsd le.

Milyen célzási megoldások működnek jogilag és hatékonyan?

A szándékalapú marketing lényege nem változott: a vásárlási folyamat korai szakaszában kell megjelenni a döntéshozók előtt. Ami változott, az az adatok forrása és feldolgozásának módja.

Elsődleges jelek, amelyek jogszerűen használhatók:

  • Saját weboldal-látogatási adatok (first-party, hozzájárulással gyűjtve).
  • CRM-adatok: meglévő ügyfelek, minősített leadek, zárt üzletek mintái.
  • E-mail interakciók: megnyitások, kattintások, letöltések.
  • Esemény-részvételek, webinárium-regisztrációk.

A tranzakciós szándékjeleket érdemes kiemelten kezelni: az „[termék] ár“, „[termék] összehasonlítás“, „legjobb [megoldás]“ típusú keresések erős vásárlási szándékot jeleznek, és ezek alapján építhető kontextuális célzás.

Modellezett megközelítések: A first-party mag (saját ügyfelek, konvertált leadek) alapján épített Lookalike vagy Advantage+ közönség jogszerű, ha a mag maga jogszerűen gyűjtött adatokból áll. Soha ne tölts fel nyers, harmadik féltől vásárolt személyes adatot közvetlenül a Meta-fiókba. A külső szándékjeleket cégen belül kell aggregálni, firmographic és technographic adatokkal kombinálni, majd modellként használni.

B2B marketinges hirdetéshez készítek jegyzeteket

Kontextuális célzás: A Meta placement-stratégiák és kreatív szegmentálás kombinációja lehetővé teszi, hogy a hirdetés tartalma és megjelenési helye alapján érj el releváns közönséget. Ez nem igényel személyes adatot, és a GDPR szempontjából is tiszta megoldás.

A kompromisszumok valósak: a modellezett közönségek általában nagyobb elérést adnak, de alacsonyabb pontossággal. A kontextuális célzás kevésbé személyre szabott, de jogilag biztonságos. A közönségszegmentálás és a külső adatforrások kombinálása segíthet a pontosság visszaállításában.

Profi tipp: Az ABX (fiók alapú élmény) megközelítésnél a külső intent jeleket soha ne töltsd fel egyéni szinten. Aggregáld cégszinten, firmographic adatokkal kombinálva, és csak modellként vagy hasonmás közönségként használd a Meta-fiókban.

Technikai beállítások és megfelelési ellenőrzőlista

Szerver oldali mérés bevezetése

A CAPI (Conversions API) bevezetése nem opcionális, ha komolyan veszed a mérhetőséget. A böngészőalapú pixel egyre kevésbé megbízható az ITP és a sütiblokkók miatt, és a személyes adatküldés kockázata is magasabb. A CAPI szerver oldalon küldi az eseményeket, így jobban kontrollálható, hogy pontosan milyen adatok kerülnek a Meta-ba.

Mit mérj szerver oldalon: leadűrlap-kitöltések, ajánlatkérések, regisztrációk, telefonhívás-indítások. Minimalizáld a küldött személyes adatokat: ha az esemény azonosítható hash-elt e-maillel, azt csak akkor küldd, ha van érvényes jogalap.

CRM-szinkronok és jogalap

A CRM-adatok feltöltése jogszerű lehet, ha az adatgyűjtés hozzájáruláson alapult, és a tájékoztató kifejezetten megemlíti a hirdetési célú felhasználást. A hash-elés önmagában nem elegendő jogalap. Minden CRM-szinkronnál dokumentálni kell az adatforrást, a gyűjtés időpontját és a jogalapot.

DPIA, tájékoztató és szerződéses elemek

Megfelelési ellenőrzőlista:

  1. Végezz adatvédelmi hatásvizsgálatot (DPIA) minden olyan adatfolyamra, ahol személyes adatot küldesz a Meta-nak.
  2. Frissítsd az adatkezelési tájékoztatót: tüntesd fel a Meta-t adatfeldolgozóként, és jelöld meg a célzási célú adatkezelés jogalapját.
  3. Köss adatfeldolgozói szerződést (DPA) a Meta-val (a Meta Business Terms tartalmazza, de ellenőrizd, hogy aláírtad-e).
  4. Vizsgáld felül a harmadik fél adatszolgáltatókkal kötött szerződéseket: ők adatkezelők vagy adatfeldolgozók?
  5. Állíts be hozzájáruláskezelő platformot (CMP) a weboldalon, és győződj meg róla, hogy a pixel csak hozzájárulás után tüzel.

Implementációs becslések

Fiókméret CAPI bevezetés CRM-integráció Jogi felülvizsgálat Teljes becsült idő
Kis fiók (havi kisebb büdzsé) 1–2 hét 1 hét 1–2 hét 3–5 hét
Közepes fiók (mérsékelt büdzsé) 2–3 hét 2–3 hét 2–3 hét 6 hét
Nagy fiók (nagy büdzsé) 3 hét 3–5 hét 3–4 hét 9 hét

Profi tipp: A CAPI bevezetésnél mindig futtasd párhuzamosan a pixellel legalább 2 hétig, hogy validálni tudd az eseményegyezést. A Meta Events Manager megmutatja, hány esemény érkezik mindkét csatornán.

Hogyan mérd a kampányhatékonyságot kevesebb személyes adattal?

A mérés nem tűnik el, csak átalakul. A Meta modellezett konverziókat jelenít meg, ha az adatok egy része hiányzik, de ezek statisztikai becslések, nem valós mérések. Ezért szükséges párhuzamos mérési réteg.

Modellezés és lift tesztek:

  • Incrementality tesztek: a Meta beépített Conversion Lift eszközével mérhető, hogy a hirdetés valóban okozott-e konverziót, nem csak jelen volt a konverzió előtt.
  • Kontroll/kezelt csoport kialakítása: a kampány futtatása előtt határozd meg a kontrollcsoportot (akik nem látják a hirdetést), és hasonlítsd össze a konverziós arányokat.
  • Statisztikai szignifikancia: kis magyar B2B szegmenseken a lift tesztek nehezebben érik el a szignifikancia küszöbét; tervezz hosszabb tesztperiódussal (legalább 4 hét).

Mit mérj first-party forrásokból:

  • CRM: lead-to-close arány, pipeline-érték kampányonként, értékesítési ciklus hossza.
  • E-mail: megnyitási és kattintási arányok szegmensenként.
  • Weboldal: munkamenet-minőség, oldalon töltött idő, visszafordulási arány céloldalanként.

Auditálási és dokumentálási szokások:

  1. Vezess mérési naplót: mikor változtattál modellen, milyen eseményt adtál hozzá vagy vettél el.
  2. Dokumentáld a CAPI és pixel közötti egyezési arányt havonta.
  3. Rögzítsd a lift tesztek eredményeit és módszertanát jogi ellenőrzésre is alkalmas formában.
  4. Negyedévente végezz teljes KPI-felülvizsgálatot, és hasonlítsd össze a modellezett és a CRM-alapú adatokat.

A kampány KPI-ok következetes definíciója különösen fontos, ha a mérési modell változik: a csapat minden tagja ugyanazt értse „konverzió“ alatt.

Konkrét B2B célzási példák Magyarországra

Három tipikus magyar B2B szituáció, és hogyan érdemes felépíteni a célzást mindegyikben.

Szegmens Célzási mag Várható közönségméret Ajánlott megközelítés
Technológiai SaaS értékesítés Saját trial-regisztrálók + CRM-ügyfelek — First-party mag + Advantage+ Lookalike + kontextuális kreatív
Ipari eszközök beszerzése Weboldal-látogatók (termékoldal) + ajánlatkérők — CAPI-esemény alapú remarketing + széles célzás iparági kreatívval
Enterprise szolgáltatói ajánlat Meglévő ügyfelek + zárt üzletek mintái — ABX-aggregált firmographic mag + Lookalike + LinkedIn keresztcélzás

Amit érdemes tudni a magyar méretekről: az IT döntéshozók és üzleti döntéshozók Meta-kategóriái Magyarországon IT döntéshozók esetén 4 100–4 800 főt, üzleti döntéshozók esetén 1 800–2 100 főt fednek le. Ezeket a szegmenseket „magként“ érdemes használni a modellezéshez, nem önálló skálázási megoldásként.

Kombinációs javaslatok:

  • First-party mag + publisher intent jelek (pl. iparági médiaoldalak olvasói) + kontextuális kreatív.
  • Ha a mag elég nagy (legalább 500–1 000 fő), Lookalike-kal skálázható.
  • A külső célzási stratégiák integrálása segíthet a firmographic szűrők pontosításában.

Ne építs kizárólag a Meta szűk B2B kategóriáira. A többlépcsős megközelítés, ahol a Meta csak az egyik csatorna, és a célzást CRM-adatok, e-mail és tartalom egészíti ki, tartósabb eredményt ad. A hosszú értékesítési ciklusokhoz különösen fontos a csatornák közötti konzisztencia.

Milyen kockázatokat kell figyelned, és hogyan maradj naprakész?

Tipikus jogi hibák

  • Személyes adatok közvetlen feltöltése jogalap dokumentálása nélkül.
  • Elégtelen adatkezelési tájékoztató: a Meta mint adatfeldolgozó nincs megemlítve.
  • Hiányos DPIA: nem végeztek hatásvizsgálatot a CAPI-adatfolyamra.
  • Hiányos szerződéses felelősségmegosztás a külső adatszolgáltatókkal.
  • Hozzájáruláskezelő hiánya vagy helytelen beállítása a weboldalon.

Technikai figyelmeztető jelek

  • A CAPI-adatáramban anomáliák: eseményszám hirtelen csökken, egyezési arány 60% alá esik.
  • Hash-elt adatok visszafejtésének kockázata: ha a hash-elési módszer gyenge (pl. nem sózott SHA-256), az adatok visszafejthetők.
  • Aggregálási küszöbértékek átlépése: ha a Meta kis szegmensekre bont le adatokat, az egyéni szintű következtetés lehetővé válik.

A NAIH és az EDPB folyamatosan frissíti az iránymutatásait. A legbiztosabb módszer a naprakész maradásra: iratkozz fel az EDPB hírlevelére, kövesd a NAIH közleményeit, és negyedévente végezz belső megfelelési felülvizsgálatot. Egy nem várt határozat gyorsan érvénytelenítheti a meglévő beállításokat.

Intézkedési protokoll problémás esetekre:

  1. Azonnali leállítás: ha jogsértés gyanúja merül fel, állítsd le az érintett adatfolyamot.
  2. Belső audit: dokumentáld, mi történt, mikor, és milyen adatok érintettek.
  3. Jogi konzultáció: GDPR-szakértő bevonása az érintett adatkezelési folyamat felülvizsgálatához.
  4. NAIH-értesítés: ha adatvédelmi incidens történt, 72 órán belül be kell jelenteni.

Ez a cikk általános tájékoztatást nyújt, nem minősül jogi tanácsadásnak. Konkrét megfelelési kérdésekben kérj GDPR-szakértői véleményt.

Ajánlott 90 napos váltási terv hirdetőknek

A három fázis mérföldkövei

1–30. nap: Audit és alapozás

  1. Teljes Custom Audience audit: minden lista forrásának és jogalapjának dokumentálása.
  2. CAPI bevezetés megkezdése: fejlesztői erőforrás lefoglalása, Meta Business Terms ellenőrzése.
  3. CMP telepítése vagy felülvizsgálata a weboldalon.
  4. DPIA elkészítése a Meta-adatfolyamokra.
  5. Adatkezelési tájékoztató frissítése.

31–60. nap: Implementáció és tesztelés

  1. CAPI élesítése és párhuzamos futtatás a pixellel (egyezési arány validálása).
  2. First-party mag összeállítása CRM-adatokból (minimum 500 rekord a Lookalike-hoz).
  3. Kontextuális kampányok indítása modellezett közönséggel.
  4. Incrementality teszt tervezése és elindítása.
  5. Belső KPI-definíciók rögzítése a csapat számára.

61–90. nap: Skálázás és optimalizálás

  1. Incrementality teszt kiértékelése, eredmények dokumentálása.
  2. Lookalike közönségek finomítása a first-party mag alapján.
  3. CRM-pipeline adatok összekapcsolása a hirdetési teljesítménnyel.
  4. Negyedéves megfelelési felülvizsgálat elvégzése.
  5. Következő negyedév tesztelési tervének elkészítése.

Erőforrás- és költségbecslés

Fiókméret Marketing erőforrás IT erőforrás Jogi erőforrás Becsült külső költség
Kis fiók — 2–5 nap 1–2 nap —
Közepes fiók 1 FTE/hó 5 nap 3–5 nap —
Nagy fiók — 10 nap 5 nap —

A büdzsé-allokáció tervezésekor számolj azzal, hogy az átállás első 30 napjában a kampányteljesítmény átmenetileg csökkenhet. Ez normális: a modellezés és az új adatfolyamok betanulási időt igényelnek.

Fő tanulságok

Az EDPB-döntés nem megkerülhető: a személyes adatokon alapuló Meta-célzás jogalapját minden magyar B2B hirdetőnek felül kell vizsgálnia, és a first-party adatokra, modellezésre épülő megközelítés az egyetlen tartós megoldás.

Pont Részletek
EDPB-döntés hatálya Az EGT egészére vonatkozik; a NAIH a magyarországi végrehajtó hatóság.
Magyar B2B közönségméretek Az IT döntéshozók szegmense 4 100–4 800 fő, üzleti döntéshozók szegmense 1 800–2 100 fő; önálló skálázásra nem elegendő.
Jogszerű célzás alapja First-party mag + modellezett Lookalike + kontextuális célzás kombinációja.
Mérés fenntartása CAPI + incrementality tesztek + CRM-pipeline adatok párhuzamos használata.
Marketingvisionagency szerepe Adatvédelmi audit, CAPI-implementáció és prediktív scoring egységes csomagban.

Miért nem elég a „majd meglátjuk“ hozzáállás?

Az EDPB-döntések körüli vitában sokan azt várják, hogy a Meta majd megoldja a problémát helyettük. Ez tévedés, és tapasztalatból mondom: azok a csapatok, amelyek most fektetnek bele a first-party infrastruktúrába, hat hónap múlva versenyelőnnyel rendelkeznek azokkal szemben, akik kivártak.

A valódi kihívás nem jogi, hanem szervezeti. A CAPI bevezetése technikai feladat, de a CRM-adatminőség javítása, a hozzájáruláskezelés beállítása és a mérési modell újragondolása már csapatszintű változás. Ahol ez elakad, ott általában nem az IT a szűk keresztmetszet, hanem a marketing és a jogi terület közötti kommunikáció hiánya.

A másik félreértés: sokan azt gondolják, hogy a privacy-first megközelítés szükségszerűen rosszabb teljesítményt jelent. A valóság az, hogy a modellezett közönségek és az incrementality tesztek együtt pontosabb képet adnak a valódi hirdetési hatásról, mint a cookie-alapú attribúció valaha is adott. Az A/B tesztelés és a lift mérések bevezetése nem kompromisszum, hanem fejlődés.

Az intent adatok B2B célzásban akkor maradnak hatékonyak, ha a forrásuk saját, a feldolgozásuk dokumentált, és a mérésük modellezéssel van alátámasztva. Ez nem egyszerűbb, mint a régi módszer, de tartósabb.

Hogyan segít a Marketingvisionagency a megfelelési átállásban?

Ha most nézel szembe azzal, hogy a Meta-fiókod adatfolyamai nem felelnek meg az EDPB-követelményeknek, a leggyorsabb út nem a saját kísérletezés, hanem egy strukturált audit.

Marketingvisionagency

A Marketingvisionagency olyan B2B hirdetőknek dolgozik, akik nem akarnak választani a jogi biztonság és a mérhető eredmény között. Az átállási csomag konkrétan a következőket tartalmazza: teljes Custom Audience és adatfolyam-audit, CAPI-implementáció és validálás, prediktív lead scoring bevezetése CRM-adatokból, valamint incrementality tesztek tervezése és kiértékelése. Nem sablon, hanem a te fiókodra szabott folyamat.

Az első lépés egy 60 perces állapotfelmérés, ahol átnézzük az aktuális adatfolyamokat, azonosítjuk a kockázatokat, és meghatározzuk a 90 napos átállási terv prioritásait. Az output egy konkrét, cselekvési sorrendbe rendezett lista, amit a csapatod azonnal használni tud.

Kérj kampánykezelési konzultációt még ma, és kezdjük el az auditot.

Hasznos források és hivatalos dokumentumok

Az alábbi dokumentumok és oldalak a legfontosabb hivatkozási pontok a téma követéséhez:

  • EDPB kötelező határozatok (3/2022 és 4/2022): edpb.europa.eu — az alaphatározatok szövege angolul.
  • EDPB sürgős határozat (2023): edpb.europa.eu/news — a viselkedésalapú hirdetési tilalomról.
  • NAIH (Nemzeti Adatvédelmi és Információszabadság Hatóság): naih.hu — magyarországi GDPR-felügyelet, határozatok és iránymutatások.
  • Meta adatvédelmi és hirdetési szabályzat: a Meta Business Help Center „Data Policy“ és „Ad Targeting“ szekciói — rendszeresen frissülnek, érdemes negyedévente ellenőrizni.
  • Reuters: Meta EU hirdetési tilalom (2023): reuters.com — a norvég ideiglenes tilalom háttere és következményei.
  • Szándékalapú marketing B2B-ben: HackerNoon magyar összefoglaló — first-party és külső intent adatok kombinálásának elvei.
  • Vásárlói szándék mérése: ITszotar.hu — tranzakciós jelek és lead scoring alapjai magyarul.
  • Magyar Meta B2B célzási méretek: Közösségi kalandozások — konkrét közönségméret-adatok Magyarországra.

Ajánlott