確定性和概率性連結

「裝置圖」如何分析確定性和概率性資料,以建立將裝置連結在一起的地圖。

在內部 Device Graph程式中,內部程式會建立識別階層,將裝置對應並連結至個別匿名人員。 圖表的輸出包括可用於定位的跨裝置連結,以及精選Experience Cloud解決方案中公開的資料。 可處理資料的Adobe解決 Device Graph 方案包括Analytics、Audience Manager、Media Optimizer和Target。

分析 Device Graph 確定性和概率性資料,以建立將裝置連結在一起的地圖。 確定性資料根據散列登錄資訊將設備連結在一起。 概率資料會根據IP位址和其他中繼資料等資訊,將裝置連結在一起。 這些 Device Graph 連線可讓數位行銷人員觸及到人,而非裝置。 在中, Device Graph裝置的擁有者是真實人物的匿名表示。 確定性和概率性連結都有助於建立使用者識別結構。

注意

在Adobe Experience Cloud Device Co-op中,裝置、人員和身分等 詞語​**有​特定意義** 。 例如,裝 置可參照實體硬體 ,例如手機或平板電腦,以及在該硬體上執行的應用程式。 請參閱詞 匯表 ,以瞭解定義。

什麼是連結?

當我們討論連結時,請務必記住裝置圖表中的實際 Experience Cloud 內容。 在此背景中,連結不是裝置間的實體連線。 相反地,連結是裝置圖形如何將不同裝置關聯至相同、未知的人。 例如,假設我們有行動電話和案頭瀏覽器。 當「裝置圖表」判斷這兩部裝置都是由同一名未知人員使用時,手機和瀏覽器就會被視為「連結」。 如下所述,裝置圖表會使用確定性和概率性連結來建立身分。 而在裝置圖表中,裝置的擁有者是真實人物的匿名表示。

確定性連結

確定性連結基於驗證事件(例如,從設備到站點的登錄操作)將設備與人員關聯。 此動作會建立匿名識別碼,稱為消費者ID。 讓我們來看看確定性連結的運作方式。 在此範例中,人員A透過其行動裝置上的應用程式登入新聞網站。 當天晚些時候,A人再次登入,但這次是透過筆記型電腦的瀏覽器登入。

根據登錄資訊,設備圖:

  • 瞭解透過行動電話/應用程式和筆記型電腦/瀏覽器裝置組合,向新聞網站驗證的A人。
  • 將這些裝置連結至人員A。
  • 根據與匿名人員相關聯的連結裝置建立身分識別。

注意

此資料中 Adobe Experience Cloud Device Co-op 的或者 Device Graph 都不會收到實際的驗證資訊或個人識別資訊(PII)。 成員可 Experience Cloud Device Co-op將經密碼雜湊的唯一使用者ID傳入裝置圖表。 消費者ID代表圖形中已驗證的使用者,並保護消費者隱私。

概率連結

概率連結會根據特性和中繼資料,以演算法將裝置與人員連接:

  • 瀏覽行為
  • IP位址
  • 作業系統
  • IDFA和GAID識別碼

讓我們來看看概率連結的運作方式。 在此範例中,人員A會先瀏覽其平板電腦上的新聞網站,然後再從桌上型電腦瀏覽。 瀏覽時,人員A不會登入新聞網站。 在每次個別瀏覽期間,平板電腦和案頭會共用相同的IP位址。

根據這項資訊,評估 Device Graph 兩部裝置之間的IP位址共用模式,並且如果結果顯示這些裝置屬於人員A,則會將這些裝置連結在一起。最終結果是由算法概率計算得出的身份層次。

在此範例中,裝置圖表會在這兩個裝置用於存取相同新聞網站後連結。 但是,裝置不必在同一個網站上檢視即可連結。 為說明這一點,讓我們假設此範例中的每個裝置都會造訪完全不同的網站。 該 Device Graph 算法仍然可以根據共用的IP地址和對其他資料的分析來構造概率鏈路。 此程式可讓Device Co-op的成員如此強大的概 Experience Cloud 率連結。

這兩種資料都提供價值

確定性和概率性資料相輔相成。 相反,僅包含確定性資料的裝置圖表提供您個人身分的有限檢視。 若沒有驗證,裝置圖表將無法告訴您有關其他裝置和瀏覽您網站的人員。 概率資料可以建立這些連線,並協助您觸及未驗證的裝置、人員和家庭。

然而,確定性資料也很重要。 例如,它可以通過刪除在概率信號充足和重疊的地方(如咖啡店、圖書館、機場等)產生的假連結來改進概率決策。

透過這兩種資料,裝置圖表可讓您更全面地瞭解個人身分,而非只使用這兩種資料。

本頁內容