شناسایی هویت مشتری: ردیابی بین دستگاهی، نمودارهای هویت و پروفایل‌های یکپارچه مشتری

یک شرکت چندملیتی خرده‌فروشی که 1,200 فروشگاه فیزیکی و یک اکوسیستم تجارت دیجیتال شامل وب، اپلیکیشن موبایل، حساب ایمیل و کانال‌های اجتماعی را اداره می‌کند، از طریق ممیزی تفکیک هویت کشف می‌کند که آنچه را که 28 میلیون رکورد منحصربه‌فرد مشتری می‌پنداشت، در واقع تنها 16.4 میلیون فرد متمایز را نشان می‌دهد، و 11.6 میلیون رکورد باقیمانده پروفایل‌های تکراری یا تکه‌تکه‌شده هستند که زمانی ایجاد شدند که همان مشتریان از طریق کانال‌های مختلف با استفاده از آدرس‌های ایمیل متفاوت، شناسه‌های دستگاه یا شماره‌های حساب وفاداری تعامل داشتند. پس از پیاده‌سازی یک پلتفرم جامع تفکیک هویت، خرده‌فروش این پروفایل‌های تکه‌تکه‌شده را در نماهای یکپارچه مشتری ادغام می‌کند و بلافاصله کارایی بازاریابی ایمیل خود را با حذف 4.2 میلیون ارسال تکراری در ماه بهبود می‌بخشد و دقت شخصی‌سازی را از 34 درصد به 87 درصد افزایش می‌دهد و در سال اول 14.8 میلیون دلار درآمد قابل انتساب اضافی ایجاد می‌کند.

چالش تفکیک هویت در بازاریابی مدرن

افزایش نقاط تماس دیجیتال یک مشکل اساسی تکه‌تکه شدن هویت ایجاد کرده است که عملاً هر جنبه از بازاریابی مبتنی بر داده های بازار را تضعیف می‌کند. یک مصرف‌کننده ممکن است از طریق یک مرورگر دسکتاپ در محل کار با استفاده از حساب ایمیل شرکتی خود با یک برند تعامل کند، با استفاده از آدرس ایمیل متفاوت در گوشی هوشمند شخصی مرور کند، خریدهای داخل فروشگاه را با کارت اعتباری انجام دهد، از طریق شناسه‌های خاص پلتفرم با تبلیغات رسانه‌های اجتماعی درگیر شود و پست مستقیم را در آدرس منزل خود دریافت کند. هر یک از این تعاملات یک رکورد داده جداگانه در سیستم‌های مختلف تولید می‌کند و بدون فناوری تفکیک هویت، بازاریابان هر رکورد را به عنوان یک فرد متمایز در نظر می‌گیرند که منجر به نماهای تکه‌تکه‌شده مشتری، ارتباطات تکراری، تحلیل‌های نادرست و هزینه تبلیغاتی هدر رفته برای مخاطبانی می‌شود که حاوی افراد یکسانی هستند که چندین بار شمارش می‌شوند.

فناوری تفکیک هویت این چالش را از طریق الگوریتم‌های تطبیق احتمالی و قطعی که صدها سیگنال هویت را تجزیه‌وتحلیل می‌کنند تا تعیین کنند چه زمانی رکوردهای متعدد متعلق به یک فرد هستند، برطرف می‌کند. تطبیق قطعی از تطابق‌های دقیق شناسه مانند آدرس‌های ایمیل، شماره تلفن‌ها، شناسه‌های وفاداری یا اعتبارنامه‌های ورود احراز هویت شده برای پیوند دادن رکوردها با قطعیت نزدیک استفاده می‌کند. تطبیق احتمالی از مدل‌های آماری استفاده می‌کند که سیگنال‌های ضعیف‌تر از جمله آدرس‌های IP، اثر انگشت دستگاه‌ها، الگوهای مرور، داده های بازار موقعیت مکانی و شباهت‌های رفتاری را ارزیابی می‌کنند تا ارتباطات هویت را با امتیازهای اطمینان که احتمال تطابق صحیح را کمی می‌کنند، استنباط کنند.

معماری گراف هویت و زیرساخت داده

گراف هویت به عنوان ساختار داده بنیادی که تفکیک هویت مشتری را قدرت می‌بخشد، روابط بین شناسه‌های مختلف و افرادی که به آن‌ها تعلق دارند را به عنوان یک شبکه از گره‌های متصل نشان می‌دهد. هر گره در گراف نشان‌دهنده یک شناسه مانند آدرس ایمیل، شناسه دستگاه، کوکی، شماره تلفن یا آدرس پستی است و لبه‌های بین گره‌ها نشان‌دهنده اتصالات مشاهده شده هستند، مانند زمانی که دو آدرس ایمیل مختلف برای ورود به یک حساب استفاده می‌شوند یا زمانی که یک کوکی و یک شناسه دستگاه در یک جلسه شبکه مشاهده می‌شوند. گراف به طور مداوم با ورود سیگنال‌های هویت جدید تکامل می‌یابد و الگوریتم‌ها هر نقطه داده جدید را ارزیابی می‌کنند تا تعیین کنند که آیا باید یک خوشه هویت جدید ایجاد کند، یک خوشه موجود را گسترش دهد یا خوشه‌های جداگانه قبلی را ادغام کند.

ساخت و نگهداری یک گراف هویت در مقیاس به زیرساخت داده پیچیده‌ای نیاز دارد که قادر به پردازش میلیاردها سیگنال هویت در زمان واقعی باشد در حالی که استانداردهای دقتی را که از ادغام‌های نادرست جلوگیری می‌کنند و پروفایل‌های مشتری را خراب نمی‌کنند، حفظ کند. یک پلتفرم بزرگ تفکیک هویت به طور متوسط 340 میلیون رویداد هویت در روز را پردازش می‌کند که هر کدام نیاز به پیمایش گراف در زمان واقعی دارند تا رابطه خود را با خوشه‌های هویت موجود تعیین کنند. سیستم باید دقت را متعادل کند و اطمینان حاصل کند که دو فرد مختلف را به طور نادرست در یک پروفایل ادغام نمی‌کند، با بازیابی، اطمینان حاصل کند که اتصالات معتبری را که رکوردهای تکه‌تکه‌شده متعلق به یک شخص را پیوند می‌دهند، از دست نمی‌دهد. پلتفرم‌های پیشرو نرخ دقت بالای 99.2 درصد و نرخ بازیابی بالای 94.6 درصد را از طریق مدل‌های تطبیق جمعی که رویکردهای الگوریتمی متعدد را ترکیب می‌کنند، به دست می‌آورند.

پیوند هویت بین دستگاهی و بین کانالی

تفکیک هویت بین دستگاهی به طور فزاینده‌ای چالش‌برانگیز شده است زیرا مقررات حریم خصوصی و سیاست‌های پلتفرم کوکی‌های شخص ثالث و شناسه‌های تبلیغاتی موبایل را که از نظر تاریخی ردیابی در زمان واقعی (بلادرنگ) در سطح دستگاه را فعال می‌کردند، محدود می‌کنند. چارچوب شفافیت ردیابی برنامه اپل، کاهش ارزش کوکی‌های شخص ثالث گوگل در کروم و مقررات مختلف حریم خصوصی بسیاری از مکانیسم‌های ردیابی غیرفعال را که پلتفرم‌های تفکیک هویت قبلاً به آن‌ها متکی بودند، حذف کرده‌اند. در پاسخ، صنعت به سمت استراتژی‌های داده شخص اول که سیگنال‌های هویت احراز هویت شده را اولویت‌بندی می‌کنند، رویکردهای تطبیق زمینه‌ای که از الگوهای مرور بدون ردیابی در زمان واقعی (بلادرنگ) سطح فردی استفاده می‌کنند و فناوری‌های حفظ حریم خصوصی مانند اتاق‌های تمیز که تطبیق هویت را بدون قرار دادن داده شخصی خام فعال می‌کنند، حرکت کرده است.

یک شرکت رسانه‌ای که یک استراتژی هویت شخص اول را پیاده‌سازی می‌کند، جلسات احراز هویت شده را از طریق توصیه‌های محتوای شخصی‌سازی شده، اشتراک‌های خبرنامه و ویژگی های شخصی سازی شده تعاملی که نیاز به ورود دارند، تشویق می‌کند. ظرف 18 ماه، شرکت پایگاه کاربر احراز هویت شده خود را از 12 درصد به 47 درصد بازدیدکنندگان ماهانه افزایش می‌دهد و یک پایه هویت شخص اول قوی ایجاد می‌کند که پیوند دقیق بین دستگاهی را بدون اتکا به شناسه‌های شخص ثالث فعال می‌کند. گراف هویت احراز هویت شده به طور متوسط 3.2 دستگاه را به ازای هر کاربر شناخته شده متصل می‌کند و شرکت را قادر می‌سازد تا تجربیات شخصی‌سازی ثابت را در دسکتاپ، موبایل، تبلت و تلویزیون متصل ارائه دهد در حالی که به تبلیغ‌کنندگان معیارهای دقیق دسترسی و فرکانس که قیمت‌گذاری ممتاز را فرمان می‌دهند، ارائه می‌دهد.

تفکیک هویت حفظ حریم خصوصی

تنش بین دقت تفکیک هویت و حفاظت از حریم خصوصی نوآوری در فناوری‌های تطبیق حفظ حریم خصوصی را هدایت کرده است که شناسایی مشتری را بدون قرار دادن اطلاعات شخصاً قابل شناسایی فعال می‌کنند. اتاق‌های تمیز داده محیط‌های امنی را فراهم می‌کنند که در آن دو طرف می‌توانند داده های بازار مشتری مربوطه خود را با استفاده از شناسه‌های رمزگذاری شده تطبیق دهند بدون اینکه هیچ یک از طرفین به داده‌های خام دیگری دسترسی پیدا کنند. یک خرده‌فروش که پایگاه داده مشتری خود را با داده های بازار مخاطب یک ناشر تطبیق می‌دهد، می‌تواند همپوشانی را شناسایی کند و بخش‌های تبلیغاتی هدفمند را بدون اینکه ناشر هرگز آدرس‌های حساب ایمیل مشتری را ببیند یا خرده‌فروش داده‌های مرور ناشر را ببیند، بسازد.

تکنیک‌های رمزنگاری پیشرفته از جمله محاسبات امن چند طرفه و رمزگذاری همومورفیک، عملیات تطبیق هویت را قادر می‌سازند تا روی داده‌های رمزگذاری شده انجام شوند و اطمینان حاصل کنند که تفکیک هویت بدون دسترسی هیچ طرفی به اطلاعات شخصی رمزگشایی نشده اتفاق می‌افتد. این تکنیک‌ها به ویژه در صنایع تنظیم شده مانند مراقبت‌های بهداشتی و خدمات مالی ارزشمند هستند، جایی که تفکیک هویت می‌تواند ارزش بازاریابی قابل توجهی را باز کند اما باید با الزامات سخت‌گیرانه حفاظت از داده مطابقت داشته باشد. یک شرکت خدمات مالی که از تفکیک هویت حفظ حریم خصوصی استفاده می‌کند، پایگاه داده مشتری خود را با پلتفرم های شخص ثالث تبلیغاتی دیجیتال بدون اشتراک‌گذاری هیچ داده شخصی تطبیق می‌دهد و نرخ تطابق 89 درصدی را در حالی که انطباق کامل با مقررات حریم خصوصی مالی را حفظ می‌کند، به دست می‌آورد.

پروفایل های یکپارچه مشتری و فعال‌سازی

خروجی نهایی تفکیک هویت، پروفایل یکپارچه مشتری است که همه تعاملات، تراکنش‌ها، ترجیحات و داده‌های رفتاری شناخته شده برای هر فرد را در یک نمای واحد و جامع جمع‌آوری می‌کند. این پروفایل‌ها به عنوان پایه برای شخصی‌سازی، بخش‌بندی، تحلیل‌ها و بهینه‌سازی تجربه ی کاربر در تمام کانال‌های بازاریابی عمل می‌کنند. یک پروفایل یکپارچه برای یک مشتری خرده‌فروشی ممکن است شامل تاریخچه خرید کامل آن‌ها در کانال‌های آنلاین و آفلاین، رفتار مرور وب‌سایت، الگوهای تعامل ایمیل، تعاملات رسانه‌های اجتماعی، تماس‌های خدمات مشتری، فعالیت برنامه وفاداری و ترجیحات پیش‌بینی شده مشتق شده از مدل‌های یادگیری ماشینی آموزش دیده بر روی داده‌های رفتاری آن‌ها باشد.

فعال‌سازی پروفایل‌های یکپارچه مشتری در کانال‌های بازاریابی نیاز به همگام‌سازی زمان واقعی بین پلتفرم تفکیک هویت و سیستم‌های فعال‌سازی پایین‌دستی از جمله پلتفرم های شخص ثالث تبلیغاتی، سیستم‌های بازاریابی ایمیل، موتورهای شخصی‌سازی وب‌سایت و ابزارهای خدمات مشتری دارد. زمانی که مشتری که کت‌های زمستانی را در اپلیکیشن موبایل برند مرور کرده است وارد یک فروشگاه فیزیکی می‌شود، پروفایل یکپارچه باید همکار داخل فروشگاه را قادر سازد تا توصیه‌های مرتبط را بر اساس تاریخچه مرور آنلاین مشتری ارائه دهد و تجربیات یکپارچه چندکاناله ایجاد کند که وفاداری و ارزش طول عمر را هدایت می‌کنند. پلتفرم‌های پیشرو تفکیک هویت تاخیرهای همگام‌سازی پروفایل را زیر 200 میلی‌ثانیه به دست می‌آورند و شخصی‌سازی زمان واقعی را که به رفتار مشتری همانطور که اتفاق می‌افتد پاسخ می‌دهد فعال می‌کنند به جای اینکه به داده‌های پردازش شده دسته‌ای که ممکن است ساعت‌ها یا روزها قدیمی باشند، متکی باشند.