OpenAdLibraryOpenAdLibrary
Définition

Graphique d'identité

Un graphique d’identité est une base de données qui relie plusieurs identifiants, tels que les ID d’appareil, les e‑mails hachés et les cookies, à une représentation unique d’une personne ou d’un foyer pour le ciblage et la mesure.

Illustration éditoriale : Graphique d'identité

Un graphique d'identité est une base de données qui relie plusieurs identifiants, ID d’appareil, e‑mails hachés, cookies, ID publicitaires mobiles, à une représentation unique d’une personne ou d’un foyer, afin qu’un annonceur ou une plateforme puisse reconnaître le même individu sur différents appareils et sessions plutôt que de traiter chaque identifiant comme un utilisateur distinct et déconnecté.

Jumelage déterministe versus probabiliste#

Les graphiques d'identité sont construits de deux manières, souvent combinées. Le jumelage déterministe lie les identifiants sur la base d’une connexion directe et confirmée : quelqu’un se connecte au même compte éditeur sur son téléphone et son ordinateur portable, ainsi le graphique peut associer en toute confiance les deux ID d’appareil à une même personne. Le jumelage probabiliste, en revanche, déduit une connexion probable à partir de schémas, comme un téléphone et un ordinateur portable qui se connectent constamment depuis la même adresse IP et localisation pendant la nuit, sans connexion confirmée les reliant. Les correspondances déterministes sont plus fiables mais nécessitent une forme d’identité authentifiée, comme Unified ID 2.0 issu d’un e‑mail haché ; les correspondances probabilistes s’étendent davantage mais comportent un risque plus élevé d’un lien incorrect.

Pourquoi les plateformes les construisent#

Un graphique d'identité est la couche qui permet à une plateforme côté demande ou à une plateforme de gestion de données de faire des choses qu’aucun identifiant unique ne peut faire seul : limiter la fréquence d’une publicité sur le téléphone et le bureau d’une même personne au lieu de l’afficher à ce qui semble être deux étrangers distincts, assembler un chemin d’attribution qui débute sur mobile et se convertit sur desktop, ou étendre une audience similaire construite à partir de clients annonceur connus à de nouveaux prospects partageant suffisamment de traits correspondants, souvent affinés davantage par le ciblage géographique au sein des marchés cibles les plus pertinents.

Sans une forme de résolution d’identité, chaque appareil et navigateur apparaît comme un visiteur isolé et anonyme, ce qui correspond exactement à l’état vers lequel la perte de signal pousse davantage l’industrie à mesure que les cookies tiers deviennent moins fiables sur le web ouvert.

Où les graphiques d’identité rencontrent leurs limites#

La fiabilité d’un graphique d’identité dépend entièrement de la qualité des correspondances sous‑jacentes, et les liens probabilistes se détériorent dans les foyers à appareils partagés, sur les réseaux publics, ou partout où les schémas comportementaux sur lesquels le graphique s’appuie deviennent bruyants. La réglementation sur la confidentialité contraint également ce qui peut légalement alimenter un graphique d’identité dès le départ, notamment autour de la combinaison de données provenant de sources distinctes sans consentement clair, ce qui explique l’existence des data clean rooms : permettre à deux parties de bénéficier d’une identité correspondante sans que l’une ou l’autre ne construise un graphique complet combiné.

Si votre priorité est de comprendre ce qu’un annonceur spécifique diffuse en ce moment, plutôt que de modéliser qui est son audience, c’est un problème plus simple que la résolution d’identité et l’index d’intelligence publicitaire d’OpenAdLibrary le résout directement en suivant la création publicitaire en direct.

Une mise en garde pratique#

La couverture varie fortement selon le secteur et la zone géographique, et un graphique construit principalement à partir du trafic connecté d’une région ne s’étendra pas forcément proprement à un marché où les habitudes de connexion ou les schémas d’appareils diffèrent. Considérez tout taux de correspondance déclaré par un fournisseur comme point de départ pour des tests, et non comme une garantie qui s’applique uniformément à chaque audience que vous prévoyez de cibler.

Questions fréquentes

Quelle est la différence entre le jumelage d’identité déterministe et probabiliste ?
Le jumelage déterministe lie les identifiants sur la base d’une connexion confirmée, comme la même connexion sur plusieurs appareils. Le jumelage probabiliste déduit un lien probable à partir de schémas comportementaux, comme un IP et une localisation partagés, sans connexion confirmée, ce qui se déploie plus rapidement mais avec moins de certitude.
Les graphiques d’identité fonctionnent‑ils entre entreprises ?
Cela dépend de l’accord de partage de données. Certains graphiques d’identité sont construits entièrement à partir des données propres d’une entreprise ; d’autres sont étendus via des partenariats, des data clean rooms ou des identifiants partagés comme des ID basés sur des e‑mails consentis entre plusieurs entreprises.
Un graphique d’identité est‑il identique à une base de données client ?
Pas exactement. Une base de données client contient généralement des enregistrements sur des clients connus. Un graphique d’identité se concentre spécifiquement sur le lien de plusieurs identifiants afin de représenter une personne ou un foyer, incluant souvent des identifiants anonymes ou partiellement connus, et pas uniquement des clients confirmés.
Comment la perte de signal affecte‑t‑elle les graphiques d’identité ?
À mesure que les cookies tiers et d’autres signaux de suivi passif diminuent, les graphiques d’identité dépendent de plus en plus d’identifiants déterministes et consentis comme les connexions et les e‑mails hachés, ce qui réduit la couverture par rapport aux graphiques plus larges alimentés par les cookies que les plateformes pouvaient créer auparavant.
L'équipe OpenAdLibrary
Écrit parL'équipe OpenAdLibrary
Renseignement publicitaire & recherche sur la publicité native

Nous développons OpenAdLibrary, la plateforme ouverte de transparence publicitaire. Chaque jour, nos systèmes capturent des publicités natives en direct sur Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo et MSN, identifient le véritable annonceur derrière chacune d'elles et suivent le clic jusqu'à sa page de destination. Ces guides synthétisent ce que nous observons dans ces données pour vous permettre d'étudier le marché plus rapidement.