Identity Graph

Identity Graph คือฐานข้อมูลที่เชื่อมโยงตัวระบุหลายตัว เช่น รหัสอุปกรณ์ อีเมลที่ถูกแฮช คุกกี้ รหัสโฆษณาบนมือถือ กลับไปยังตัวแทนของบุคคลหรือครัวเรือนเดียว เพื่อให้ผู้โฆษณาหรือแพลตฟอร์มสามารถจดจำบุคคลเดียวกันข้ามอุปกรณ์และเซสชันได้ แทนที่จะปฏิบัติต่อตัวระบุแต่ละตัวเป็นผู้ใช้ที่แยกจากกันและไม่เชื่อมโยง

การจับคู่แบบ Deterministic เทียบกับ Probabilistic#

Identity Graph ถูกสร้างขึ้นสองวิธี ซึ่งมักนำมารวมกัน การจับคู่แบบ Deterministic เชื่อมโยงตัวระบุตามการเชื่อมต่อโดยตรงที่ยืนยันแล้ว: มีคนล็อกอินเข้าบัญชี ผู้เผยแพร่ เดียวกันบนโทรศัพท์และแล็ปท็อป ดังนั้นกราฟจึงสามารถเชื่อมโยงรหัสอุปกรณ์ทั้งสองกับบุคคลหนึ่งคนได้อย่างมั่นใจ ในทางตรงกันข้าม การจับคู่แบบ Probabilistic จะอนุมานการเชื่อมโยงที่น่าจะเป็นจากรูปแบบ เช่น โทรศัพท์และแล็ปท็อปที่เชื่อมต่อจากที่อยู่ IP และตำแหน่งที่ตั้งเดียวกันอย่างสม่ำเสมอในเวลากลางคืน โดยไม่มีการล็อกอินที่ยืนยันเชื่อมโยงพวกเขาเข้าด้วยกัน การจับคู่แบบ Deterministic น่าเชื่อถือมากกว่าแต่ต้องมีรูปแบบของตัวตนที่รับรองความถูกต้อง เช่น Unified ID 2.0 ที่สร้างจากอีเมลที่ถูกแฮช ส่วนการจับคู่แบบ Probabilistic ขยายขนาดได้ไกลกว่าแต่มีความเสี่ยงสูงกว่าที่การเชื่อมโยงจะผิดพลาด

เหตุผลที่แพลตฟอร์มสร้าง Identity Graph#

Identity Graph เป็นชั้นที่ทำให้ แพลตฟอร์มฝั่งความต้องการ หรือ แพลตฟอร์มจัดการข้อมูล สามารถทำสิ่งที่ตัวระบุเดียวไม่สามารถทำได้: จำกัดความถี่ของโฆษณาข้ามโทรศัพท์และเดสก์ท็อปของบุคคล แทนที่จะแสดงให้กับสิ่งที่ดูเหมือนเป็นคนแปลกหน้าสองคนที่แยกจากกัน เชื่อมต่อเส้นทาง การระบุแหล่งที่มา ที่เริ่มบนมือถือและแปลงเป็นบนเดสก์ท็อป หรือขยายกลุ่มเป้าหมายแบบ Lookalike ที่สร้างจากลูกค้าที่รู้จักของ ผู้โฆษณา ไปยังลูกค้าเป้าหมายใหม่ที่แบ่งปันลักษณะที่จับคู่ได้เพียงพอ ซึ่งมักได้รับการปรับแต่งเพิ่มเติมด้วย การกำหนดเป้าหมายตามภูมิศาสตร์ ภายในตลาดเป้าหมายที่สำคัญที่สุด

หากไม่มีรูปแบบของการแก้ไขตัวตน (identity resolution) อุปกรณ์และเบราว์เซอร์ทุกตัวจะดูเหมือนผู้เยี่ยมชมที่ไม่ระบุชื่อและแยกโดดเดี่ยว ซึ่งเป็นสถานะที่การสูญเสียสัญญาณผลักดันอุตสาหกรรมมากขึ้นไปสู่ เมื่อคุกกี้บุคคลที่สามมีความน่าเชื่อถือน้อยลงทั่วทั้งเว็บเปิด

ขีดจำกัดของ Identity Graph#

ความน่าเชื่อถือของ Identity Graph ขึ้นอยู่กับคุณภาพของการจับคู่พื้นฐานโดยสิ้นเชิง และการเชื่อมโยงแบบ Probabilistic จะลดคุณภาพลงในครัวเรือนที่ใช้อุปกรณ์ร่วมกัน บนเครือข่ายสาธารณะ หรือในที่ใดก็ตามที่รูปแบบพฤติกรรมที่กราฟพึ่งพามีสัญญาณรบกวน กฎหมายความเป็นส่วนตัวยังจำกัดสิ่งที่สามารถป้อนเข้า Identity Graph ได้ตั้งแต่แรก โดยเฉพาะรอบการรวมข้อมูลจากแหล่งแยกกันโดยไม่ได้รับความยินยันชัดเจน ซึ่งเป็นส่วนหนึ่งของเหตุผลที่ห้องข้อมูลสะอาด (data clean rooms) มีอยู่: เพื่อให้ทั้งสองฝ่ายได้รับประโยชน์บางส่วนจากการจับคู่ตัวตน โดยที่ฝ่ายใดฝ่ายหนึ่งไม่ต้องสร้างกราฟรวมเต็มรูปแบบโดยตรง

หากความสำคัญของคุณคือการเข้าใจว่าผู้โฆษณาเฉพาะรายกำลังดำเนินการอะไรอยู่ในตอนนี้ แทนที่จะสร้างแบบจำลองว่าผู้ชมของพวกเขาเป็นใคร นั่นเป็นปัญหาที่ง่ายกว่าการแก้ไขตัวตน และเป็นสิ่งที่ดัชนี ข่าวกรองโฆษณา ของ OpenAdLibrary แก้ไขได้โดยตรงโดยติดตามครีเอทีฟสดเอง

ข้อควรระวังในทางปฏิบัติ#

ขอบเขตการครอบคลุมแตกต่างกันมากตามอุตสาหกรรมย่อยและภูมิศาสตร์ และกราฟที่สร้างจากปริมาณการใช้งานที่ล็อกอินของภูมิภาคหนึ่งส่วนใหญ่ อาจไม่ขยายไปยังตลาดที่มีพฤติกรรมการล็อกอินหรือรูปแบบอุปกรณ์ที่แตกต่างกันอย่างราบรื่น จัดอัตราการจับคู่ที่ผู้ขายระบุไว้เป็นจุดเริ่มต้นสำหรับการทดสอบ ไม่ใช่การรับประกันที่ใช้ได้เท่ากันในทุกกลุ่มเป้าหมายที่คุณวางแผนจะกำหนด