Identity Graph

Un identity graph è un database che collega più identificatori, ID dispositivo, email hashate, cookie, ID pubblicitari mobili, a una singola rappresentazione di una persona o famiglia, così un inserzionista o una piattaforma può riconoscere lo stesso individuo su più dispositivi e sessioni invece di trattare ogni identificatore come un utente separato e disconnesso.

Matching deterministico vs probabilistico#

Gli identity graph vengono costruiti in due modi, spesso combinati. Il matching deterministico collega gli identificatori basandosi su una connessione diretta e confermata: qualcuno accede allo stesso account publisher sul proprio telefono e sul proprio laptop, così il graph può associare con sicurezza entrambi gli ID dispositivo a una persona. Il matching probabilistico, al contrario, inferisce una connessione probabile da pattern, come un telefono e un laptop che si collegano costantemente dallo stesso indirizzo IP e posizione durante la notte, senza un login confermato che li leghi. I match deterministici sono più affidabili ma richiedono una forma di identità autenticata, come Unified ID 2.0 basato su un'email hashata; i match probabilistici scalano di più ma comportano un rischio maggiore di collegamento errato.

Perché le piattaforme li costruiscono#

Un identity graph è lo strato che consente a una demand-side platform o a una data management platform di fare cose che nessun singolo identificatore può fare da solo: limitare la frequenza di un annuncio su telefono e desktop di una persona invece di mostrarlo a quello che sembra due sconosciuti separati, ricostruire un percorso di attribution che inizia su mobile e si converte su desktop, o estendere un pubblico lookalike costruito da clienti advertiser noti a nuovi potenziali clienti che condividono abbastanza tratti corrispondenti, spesso affinati ulteriormente dal geo targeting nei mercati target più importanti.

Senza una forma di risoluzione dell'identità, ogni dispositivo e browser appare come un visitatore isolato e anonimo, lo stato esatto verso cui la perdita di segnale spinge gran parte dell'industria man mano che i cookie di terze parti diventano meno affidabili sul web aperto.

Dove gli identity graph incontrano i limiti#

Affidabilità di un identity graph dipende interamente dalla qualità dei match sottostanti, e i collegamenti probabilistici si degradano in famiglie con dispositivi condivisi, su reti pubbliche o ovunque i pattern comportamentali su cui il graph si basa diventino rumorosi. La normativa sulla privacy limita anche ciò che può alimentare legalmente un identity graph, soprattutto per quanto riguarda la combinazione di dati provenienti da fonti separate senza chiaro consenso, motivo per cui esistono i data clean rooms: per consentire a due parti di ottenere parte del beneficio di un'identità abbinata senza che nessuna delle due costruisca un graph completo combinato.

Se la tua priorità è capire cosa sta facendo attualmente un determinato inserzionista, piuttosto che modellare chi è il suo pubblico, questo è un problema più semplice rispetto alla risoluzione dell'identità e OpenAdLibrary's ad intelligence indice lo risolve direttamente tracciando la creatività live stessa.

Un avvertimento pratico#

La copertura varia molto per settore e area geografica, e un graph costruito principalmente dal traffico loggato di una regione non si estenderà necessariamente in modo pulito a un mercato con abitudini di login o pattern di dispositivo diversi. Considera qualsiasi tasso di match dichiarato dal fornitore come punto di partenza per i test, non come garanzia che si applichi uniformemente a ogni pubblico che intendi targettizzare.