아이덴티티 그래프

아이덴티티 그래프는 여러 식별자, 디바이스 ID, 해시 처리된 이메일, 쿠키, 모바일 광고 ID를 단일 개인 또는 가구의 표현으로 연결하는 데이터베이스입니다. 이를 통해 광고주 또는 플랫폼은 각 식별자를 별개의 연결되지 않은 사용자로 취급하는 대신, 디바이스와 세션 간에 동일한 개인을 인식할 수 있습니다.

결정론적 대 확률론적 매칭#

아이덴티티 그래프는 종종 결합된 두 가지 방식으로 구축됩니다. 결정론적 매칭은 직접적이고 확인된 연결을 기반으로 식별자를 연결합니다: 누군가가 휴대폰과 노트북에서 동일한 퍼블리셔 계정에 로그인하면, 그래프는 두 디바이스 ID를 한 사람에게 확신을 가지고 연결할 수 있습니다. 반면, 확률론적 매칭은 확인된 로그인 없이도, 밤마다 동일한 IP 주소와 위치에서 일관되게 연결되는 휴대폰과 노트북과 같은 패턴으로부터 가능성이 높은 연결을 추론합니다. 결정론적 매치는 더 신뢰할 수 있지만, 해시 처리된 이메일로 구축된 Unified ID 2.0과 같은 인증된 아이덴티티 형태가 필요합니다. 확률론적 매치는 더 넓은 범위로 확장되지만 잘못된 연결의 위험이 더 큽니다.

플랫폼이 이를 구축하는 이유#

아이덴티티 그래프는 디맨드사이드 플랫폼 또는 데이터 관리 플랫폼이 단일 식별자만으로는 할 수 없는 작업을 가능하게 하는 계층입니다: 두 명의 별개 낯선 사람처럼 보이는 대상 대신 한 사람의 휴대폰과 데스크톱에서 광고의 빈도를 제한하거나, 모바일에서 시작하여 데스크톱에서 전환되는 어트리뷰션 경로를 연결하거나, 알려진 광고주 고객으로부터 구축된 룩알라이크 오디언스를 충분히 일치하는 특성을 공유하는 새로운 잠재고객으로 확장하는 것입니다. 이는 종종 가장 중요한 타겟 시장 내에서 지역 타겟팅을 통해 더욱 정제됩니다.

어떤 형태의 아이덴티티 해결이 없다면, 모든 디바이스와 브라우저는 고립된 익명 방문자처럼 보이며, 이는 서드파티 쿠키가 오픈 웹 전반에서 덜 신뢰할 수 있게 됨에 따라 신호 손실이 업계의 더 많은 부분을 향해 밀어내는 정확한 상태입니다.

아이덴티티 그래프의 한계점#

아이덴티티 그래프의 신뢰성은 전적으로 기반 매칭의 품질에 달려 있으며, 확률론적 연결은 공유 디바이스 가구, 공공 네트워크 또는 그래프가 의존하는 행동 패턴이 노이즈가 되는 모든 곳에서 저하됩니다. 개인정보 보호 규제 또한 무엇이 합법적으로 아이덴티티 그래프에 공급될 수 있는지를 제한하며, 특히 명확한 동의 없이 별개의 출처에서 데이터를 결합하는 것과 관련이 있습니다. 이는 데이터 클린룸이 존재하는 이유의 일부입니다: 두 당사자가 완전한 결합 그래프를 직접 구축하지 않고도 매칭된 아이덴티티의 일부 이점을 얻을 수 있도록 하기 위함입니다.

특정 광고주의 대상이 누구인지 모델링하는 것보다 그들이 현재 실행 중인 광고를 이해하는 것이 우선순위라면, 이는 아이덴티티 해결보다 더 간단한 문제이며, OpenAdLibrary의 광고 인텔리전스 인덱스는 라이브 크리에이티브 자체를 추적하여 직접 해결합니다.

실용적인 주의사항#

커버리지는 업종과 지역에 따라 크게 다르며, 한 지역의 로그인 트래픽으로 대부분 구축된 그래프가 반드시 다른 로그인 습관이나 디바이스 패턴을 가진 시장으로 깔끔하게 확장되지는 않습니다. 공급업체가 명시한 매칭률을 균등하게 적용되는 보장이 아닌, 타겟팅할 모든 오디언스에 대한 테스트의 출발점으로 취급하세요.