确定性和概率性链接

设备图表如何分析确定性和概率性数据以构建将设备连接在一起的地图。

在中, Device Graph内部流程构建一个标识层次结构,该层次结构映射设备并将设备连接到个人匿名人员。 图形的输出包括可用于定位的跨设备链接以及在选定Experience Cloud解决方案中公开的数据。 处理Adobe的解 Device Graph 决方案包括分析、Audience Manager、Media Optimizer和目标。

分析 Device Graph 确定性和概率性数据,以构建将设备连接在一起的地图。 确定性数据根据散列登录信息将设备连接在一起。 概率数据根据IP地址等信息和其他元数据将设备连接在一起。 将关 Device Graph 联的设备群集与匿名个人关联这些关联使数字营销人员能够触及用户而不是设备。 在中 Device Graph,设备的所有者是真实人物的匿名表示。 确定性链接和概率链接都有助于构建用户身份结构。

注意

在Adobe Experience Cloud设备合作社中,设备、人 员**和身份​等术 语具有 特定含义。 例如,设 备可 指物理硬件,如手机或平板电脑以及在该硬件上运行的应用程序。 有关定 ,请参阅术语表。

链接是什么?

当我们讨论链接时,务必牢记这些链接在设备图上下文中的真实 Experience Cloud 含义。 在此上下文中,链接不是设备之间的物理连接。 相反,链接是设备图形如何将不同设备与同一个未知人关联。 例如,假设我们有手机和桌面浏览器。 一旦设备图确定这两个设备都由同一个未知人使用,电话和浏览器就可以被视为“链接”。 正如您在下面所阅读的,设备图表会构建具有确定性和概率性链接的身份。 在设备图表中,设备的所有者是真实人物的匿名表示。

确定性链接

确定性链接根据身份验证事件(例如,从设备到站点的登录操作)将设备与人相关联。 此操作创建一个匿名标识符,称为消费者ID。 让我们来看一看确定性链接的工作原理。 在此示例中,Person A通过其移动设备上的应用程序登录新闻站点。 当天晚些时候,A人再次登录,但这次是通过他们笔记本电脑上的浏览器登录。

根据登录信息,设备图:

  • 了解通过手机/应用程序和笔记本电脑/浏览器设备组合验证到新闻网站的Person A。
  • 将这些设备链接到Person A。
  • 根据与匿名人员关联的链接设备构建身份。

注意

此数据 Adobe Experience Cloud Device Co-op 中既 Device Graph 不接收实际的身份验证信息,也不接收个人识别信息(PII)。 成员将 Experience Cloud Device Co-op经过密码散列处理的唯一用户ID传递给设备图。 消费者ID在图形中表示经过身份验证的用户,并保护消费者隐私。

概率链接

概率链接根据以下特征和元数据以算法将设备连接到个人:

  • 浏览行为
  • IP地址
  • 操作系统
  • IDFA和GAID标识符

让我们来看一下概率链接的工作原理。 在此示例中,Person A浏览到其平板电脑上的新闻站点,然后从桌面计算机浏览。 浏览时,人物A不登录新闻网站。 在每次单独访问期间,平板电脑和桌面设备共享相同的IP地址。

根据此信息,评估两个设 Device Graph 备之间的IP地址共享模式,并将这些设备链接到一起(如果结果表明它们属于A人)。最终结果是从算法概率计算中导出的身份层次。

在此示例中,设备图表链接了使用它们访问同一新闻站点后的两个设备。 但是,不必在同一网站上看到设备就可以链接。 为了说明这一点,我们假设此示例中的每台设备访问完全不同的网站。 该 Device Graph 算法仍然可以基于共享的IP地址和来自其他数据分析的概率链接。 此过程有助于使概率链接对设备协作成员 Experience Cloud 如此强大。

这两种数据都提供价值

确定性和概率性数据相互补充。 相反,仅包含确定性数据的设备图可为您提供对个人身份的有限视图。 如果没有身份验证,设备图表将无法告诉您有关其他设备以及浏览您网站的人员的信息。 概率数据可以建立这些联系,并帮助您访问未经身份验证的设备、人员和家庭。

然而,确定性数据也很重要。 例如,它可以通过删除在概率信号丰富且重叠的地方(如咖啡店、图书馆、机场等)产生的假链接来改进概率决策。

与单独使用这两种数据相比,设备图表可以更全面地显示个人身份。

在此页面上