Międzynarodowa korporacja detaliczna prowadząca 1200 sklepów stacjonarnych i ekosystem handlu cyfrowego obejmujący stronę internetową, aplikację mobilną, e-mail i kanały społecznościowe odkrywa podczas audytu rozwiązywania tożsamości, że to, co uważała za 28 milionów unikalnych rekordów klientów, w rzeczywistości reprezentuje tylko 16,4 miliona odrębnych osób, a pozostałe 11,6 miliona rekordów to zduplikowane lub pofragmentowane profile utworzone, gdy ci sami klienci wchodzili w interakcję za pośrednictwem różnych kanałów, używając różnych adresów e-mail, identyfikatorów urządzeń lub numerów kont lojalnościowych. Po wdrożeniu kompleksowej platformy rozwiązywania tożsamości sprzedawca detaliczny konsoliduje te pofragmentowane profile w ujednolicone widoki klientów, natychmiast poprawiając efektywność marketingu e-mailowego poprzez wyeliminowanie 4,2 miliona duplikatów wysyłek miesięcznie i zwiększając dokładność personalizacji z 34 procent do 87 procent, generując dodatkowe 14,8 miliona dolarów przypisywalnych przychodów w ciągu pierwszego roku.
Wyzwanie rozwiązywania tożsamości we współczesnym marketingu
Proliferacja cyfrowych punktów styku stworzyła fundamentalny problem fragmentacji tożsamości, który podważa praktycznie każdy aspekt marketingu opartego na danych. Pojedynczy konsument może wchodzić w interakcję z marką poprzez przeglądarkę komputerową w pracy, używając służbowego e-maila, przeglądać na osobistym smartfonie, używając innego adresu e-mail, dokonywać zakupów w sklepie stacjonarnym kartą kredytową, angażować się w reklamę w mediach społecznościowych poprzez identyfikatory specyficzne dla platformy i otrzymywać pocztę bezpośrednią na adres domowy. Każda z tych interakcji generuje osobny rekord danych w różnych systemach, a bez technologii rozwiązywania tożsamości marketerzy traktują każdy rekord jako odrębną osobę, co skutkuje pofragmentowanymi widokami klientów, zduplikowaną komunikacją, niedokładnymi analizami i zmarnowanymi wydatkami na reklamę kierowaną do odbiorców zawierających te same osoby liczone wielokrotnie.
Technologia rozwiązywania tożsamości rozwiązuje to wyzwanie poprzez probabilistyczne i deterministyczne algorytmy dopasowywania, które analizują setki sygnałów tożsamości, aby określić, kiedy wiele rekordów należy do tej samej osoby. Dopasowywanie deterministyczne wykorzystuje dokładne dopasowania identyfikatorów, takie jak adresy e-mail, numery telefonów, identyfikatory lojalnościowe lub uwierzytelnione dane logowania, aby łączyć rekordy z niemal pewnością. Dopasowywanie probabilistyczne wykorzystuje modele statystyczne, które oceniają słabsze sygnały, w tym adresy IP, odciski palców urządzeń, wzorce przeglądania, dane lokalizacyjne i podobieństwa behawioralne, aby wnioskować o połączeniach tożsamości z wynikami ufności, które określają prawdopodobieństwo poprawnego dopasowania.
Architektura grafu tożsamości i infrastruktura danych
Graf tożsamości służy jako fundamentalna struktura danych, która zasila rozwiązywanie tożsamości klienta, reprezentując relacje między różnymi identyfikatorami a osobami, do których należą, jako sieć połączonych węzłów. Każdy węzeł w grafie reprezentuje identyfikator, taki jak adres e-mail, identyfikator urządzenia, plik cookie, numer telefonu lub adres pocztowy, a krawędzie między węzłami reprezentują obserwowane połączenia, na przykład gdy dwa różne adresy e-mail są używane do logowania się na to samo konto lub gdy plik cookie i identyfikator urządzenia są obserwowane w tej samej sesji sieciowej. Graf stale ewoluuje w miarę pobierania nowych sygnałów tożsamości, a algorytmy oceniają każdy nowy punkt danych, aby określić, czy powinien utworzyć nowy klaster tożsamości, rozszerzyć istniejący, czy połączyć wcześniej oddzielne klastry.
Budowanie i utrzymywanie grafu tożsamości na dużą skalę wymaga zaawansowanej infrastruktury danych zdolnej do przetwarzania miliardów sygnałów tożsamości w czasie rzeczywistym, zachowując jednocześnie standardy dokładności, które zapobiegają fałszywym połączeniom niszczącym profile klientów. Duża platforma rozwiązywania tożsamości przetwarza średnio 340 milionów zdarzeń tożsamości dziennie, z których każde wymaga przechodzenia grafu w czasie rzeczywistym w celu określenia jego związku z istniejącymi klastrami tożsamości. System musi równoważyć precyzję, zapewniając, że nie łączy błędnie dwóch różnych osób w jeden profil, z pełnością, zapewniając, że nie pomija ważnych połączeń, które połączyłyby pofragmentowane rekordy należące do tej samej osoby. Wiodące platformy osiągają wskaźniki precyzji powyżej 99,2 procent i wskaźniki pełności powyżej 94,6 procent poprzez zespołowe modele dopasowywania, które łączą wiele podejść algorytmicznych.
Łączenie tożsamości między urządzeniami i kanałami
Rozwiązywanie tożsamości między urządzeniami stało się coraz bardziej wymagające, ponieważ regulacje dotyczące prywatności i zasady platform ograniczają pliki cookie stron trzecich i identyfikatory reklam mobilnych, które historycznie umożliwiały śledzenie na poziomie urządzenia. Framework App Tracking Transparency firmy Apple, wycofanie przez Google plików cookie stron trzecich w Chrome i różne regulacje dotyczące prywatności wyeliminowały wiele pasywnych mechanizmów śledzenia, na których wcześniej opierały się platformy rozwiązywania tożsamości. W odpowiedzi branża przeszła w kierunku strategii danych własnych, które priorytetyzują uwierzytelnione sygnały tożsamości, kontekstowe podejścia do dopasowywania, które wykorzystują wzorce przeglądania bez śledzenia na poziomie indywidualnym, oraz technologie zachowujące prywatność, takie jak czyste pokoje, które umożliwiają dopasowywanie tożsamości bez ujawniania surowych danych osobowych.
Firma mediowa wdrażająca strategię tożsamości własnej zachęca do uwierzytelnionych sesji poprzez spersonalizowane rekomendacje treści, subskrypcje newsletterów i interaktywne funkcje wymagające logowania. W ciągu 18 miesięcy firma zwiększa swoją uwierzytelnioną bazę użytkowników z 12 procent do 47 procent miesięcznych odwiedzających, tworząc solidną podstawę tożsamości własnej, która umożliwia dokładne łączenie między urządzeniami bez polegania na identyfikatorach stron trzecich. Uwierzytelniony graf tożsamości łączy średnio 3,2 urządzenia na jednego znanego użytkownika, umożliwiając firmie dostarczanie spójnych doświadczeń personalizacji na komputerach stacjonarnych, urządzeniach mobilnych, tabletach i telewizorach podłączonych do sieci, zapewniając jednocześnie reklamodawcom dokładne metryki zasięgu i częstotliwości, które uzasadniają premiową wycenę.
Rozwiązywanie tożsamości z zachowaniem prywatności
Napięcie między dokładnością rozwiązywania tożsamości a ochroną prywatności napędziło innowacje w technologiach dopasowywania zachowujących prywatność, które umożliwiają identyfikację klienta bez ujawniania informacji umożliwiających identyfikację osoby. Czyste pokoje danych zapewniają bezpieczne środowiska, w których dwie strony mogą dopasować swoje odpowiednie dane klientów, używając zaszyfrowanych identyfikatorów, bez uzyskiwania przez żadną ze stron dostępu do surowych danych drugiej strony. Sprzedawca detaliczny dopasowujący swoją bazę danych klientów do danych odbiorców wydawcy może zidentyfikować nakładanie się i budować segmenty reklam ukierunkowanych bez tego, aby wydawca kiedykolwiek widział adresy e-mail klientów lub sprzedawca detaliczny widział dane przeglądania wydawcy.
Zaawansowane techniki kryptograficzne, w tym bezpieczne obliczenia wielostronne i szyfrowanie homomorficzne, umożliwiają wykonywanie operacji dopasowywania tożsamości na zaszyfrowanych danych, zapewniając, że rozwiązywanie tożsamości następuje bez uzyskiwania przez żadną stronę dostępu do niezaszyfrowanych informacji osobistych. Techniki te są szczególnie cenne w branżach regulowanych, takich jak opieka zdrowotna i usługi finansowe, gdzie rozwiązywanie tożsamości może odblokować znaczną wartość marketingową, ale musi być zgodne z surowymi wymogami ochrony danych. Firma świadcząca usługi finansowe używająca rozwiązywania tożsamości z zachowaniem prywatności dopasowuje swoją bazę danych klientów do platform reklam cyfrowych bez udostępniania jakichkolwiek danych osobowych, osiągając 89 procent wskaźników dopasowania przy zachowaniu pełnej zgodności z przepisami dotyczącymi prywatności finansowej.
Ujednolicone profile klientów i aktywacja
Ostatecznym wynikiem rozwiązywania tożsamości jest ujednolicony profil klienta, który agreguje wszystkie znane interakcje, transakcje, preferencje i dane behawioralne dla każdej osoby w jeden kompleksowy widok. Profile te służą jako podstawa do personalizacji, segmentacji, analityki i optymalizacji doświadczenia klienta we wszystkich kanałach marketingowych. Ujednolicony profil dla klienta detalicznego może obejmować jego kompletną historię zakupów w kanałach online i offline, zachowanie przeglądania witryny, wzorce zaangażowania w e-mail, interakcje w mediach społecznościowych, kontakty z obsługą klienta, aktywność w programie lojalnościowym i przewidywane preferencje wywiedzione z modeli uczenia maszynowego wytrenowanych na jego danych behawioralnych.
Aktywowanie ujednoliconych profili klientów w kanałach marketingowych wymaga synchronizacji w czasie rzeczywistym między platformą rozwiązywania tożsamości a systemami aktywacji downstream, w tym platformami reklamowymi, systemami marketingu e-mailowego, silnikami personalizacji witryn internetowych i narzędziami obsługi klienta. Gdy klient, który przeglądał zimowe płaszcze w aplikacji mobilnej marki, wchodzi do sklepu stacjonarnego, ujednolicony profil powinien umożliwić pracownikowi sklepu dostarczenie odpowiednich rekomendacji na podstawie historii przeglądania online klienta, tworząc płynne doświadczenia omnichannel, które napędzają lojalność i wartość życiową. Wiodące platformy rozwiązywania tożsamości osiągają opóźnienia synchronizacji profilu poniżej 200 milisekund, umożliwiając personalizację w czasie rzeczywistym, która reaguje na zachowanie klienta w miarę jego występowania, zamiast polegać na danych przetwarzanych wsadowo, które mogą być stare o godziny lub dni.
