Ga terug
Wat is een ID-graph en hoe kan dit helpen bij cross device tracking?

Wat is een ID-graph en hoe kan dit helpen bij cross device tracking?

Datum September 13, 2018 Auteur Categorie Data Management, Web Analytics

Moderne marketing is een complexe wereld met meerdere kanalen en meerdere apparaten. Gemiddeld gebruikt 40% van de volwassen gebruikers meer dan één apparaat om verbinding te maken met het internet. Dit biedt meer paden voor klantbetrokkenheid, meer manieren om aankopen te doen en meer kansen om gegevens te verzamelen – een groot aantal mogelijkheden voor zowel adverteerders als klanten. Tegelijkertijd is het een tweesnijdend zwaard, want met deze mogelijkheden kom je uitdagingen tegen. Het herkennen van gebruikers over meerdere kanalen, apparaten en contactpunten en het vervolgens samenvoegen van die informatie in een volledig dimensionaal profiel is inderdaad lastig.

Zonder een goed afgerond beeld van klanten moeten marketingcampagnes vanaf nul beginnen telkens wanneer een gebruiker van het ene naar het andere apparaat springt. Het begrijpen van klantidentiteit wordt een belangrijk punt in elke marketingstrategie. De vraag is, hoe kunnen we dit doel bereiken met gefragmenteerde gegevens verspreid over meerdere apparaten? Het antwoord is door een identiteitsgrafiek (ID-graph) te gebruiken.

Als u nog niet bekend bent met dit idee, geen zorgen – we zijn hier om enig licht te werpen en details te geven over hoe dit uw organisatie ten goede kan komen. Maar laten we eerst een kijkje nemen achter de schermen van grafische analyse.

Visualiseer uw klantgegevens

Gegevenswetenschappers, analisten en marketeers zoeken allemaal naar de beste manier om gegevens te visualiseren en te begrijpen. De grafiekmethode lijkt er één te zijn. U kunt grafieken gebruiken om zinvolle signalen van klanten te filteren, gebruikers die anders verloren zouden gaan in de ruis van irrelevante datastromen.

Grafiekdatabases samen met gekoppelde gegevens presenteren de realiteit van vandaag en laten ons zien hoe mensen leven en handelen. U kunt rentegrafieken, klantgrafieken, sociale grafieken, productgrafieken, identiteitsgrafieken en vele andere soorten grafieken gebruiken. De kracht van deze technologie komt voort uit de mogelijkheid om koppelingen tussen miljarden identiteiten te beheren met milliseconde latenties.

De kern van uw grafiek is een gebruikersprofiel en de rest is de context waarin u het insluit. U kunt er één ontwerpen die het beste aansluit op de behoeften en vereisten van uw organisatie.

Wat is een ID-graph?

Allereerst: wat is een ID-graph? Het is een tool die u gebruikt om een enkele klantweergave te krijgen, niet alleen wat klanten leuke vinden of hun interesses. Het verbindt alle gegevens over individuele gebruikers over kanalen en apparaten. Het is een database. Het bevat alle ID’s die aan individuele bezoekers zijn gekoppeld. Tijdens de hele klantreis verzamelt u verschillende persoonlijke identificatiegegevens, zoals:

  • E-mailadres of fysiek adres
  • Account gebruikersnamen
  • Apparaat-ID’s
  • Telefoonnummers
  • IP-adres
  • Cookies
  • … en nog veel meer

Deze identificatiegegevens worden verzameld en vervolgens samengevoegd tot een klantprofiel dat de ID-graph weerspiegelt. De grafiek bevat ook gedragsgegevens, zoals browsegeschiedenis, transacties in het verleden, enzovoort. De identiteitsgrafiek wordt gevoed door gegevens uit verschillende bronnen, of het nu CRM, marketing- en advertentieplatforms of e-commercesoftware is. In het kort, het verbindt gegevens over de offline en online landschappen.

Vertegenwoordiging van een ID-graph. Bron: Signal

Met al deze gegevenspunten kunt u een enkele klantweergave maken waarmee u klanten beter kunt begrijpen en kunt targeten. De primaire focus ligt hier bij de individuele klant, niet bij een apparaat. Deze cross device identiteit is een krachtig hulpmiddel in uw marketingarsenaal.

Bovendien krijgt u met de ID-graph de mogelijkheid om online gegevens aan offline gegevens te koppelen en bereikt u vervolgens uw klanten bij elk contactpunt. Het helpt u uw personalisatiestrategie te verbeteren en de betrokkenheid van klanten te vergroten.

Waarom controle van belang is

Het verbinden van de punten van klant-ID’s is niet het enige probleem. Wanneer u besluit om met de persoonlijke gegevens van een klant om te gaan – wat sommige van deze identificatiegegevens zijn – loopt u door een mijnenveld van juridische kwesties. Daarom moet uw primaire focus liggen op gegevenseigendom en profielauthenticiteit.

U kunt ID-graphen verkrijgen die worden aangeboden door onboarding providers, advertentiepartners of sociale netwerken. Deze oplossing betekent echter werken met gegevens van derden en dat komt met bepaalde beperkingen.

Ten eerste is er de kwestie van wettelijke naleving. De ID’s waar we het over hebben zijn meestal persoonlijke gegevens, waarvoor u toestemming van de gebruikers nodig heeft om te verwerken. Dit kan lastig zijn gezien de complexiteit van gegevensstromen tussen verschillende partijen.

Ten tweede, wanneer gegevens van derden worden gebruikt, is de strategie van een datamarketeer beperkt tot de mogelijkheden en inzichten die door dataleveranciers worden geboden. Dit kan ten koste gaan van de relevantie en nauwkeurigheid van informatie. Bijgevolg kunnen marketeers problemen hebben met het meten van hun impact en het opbouwen van betere relaties met klanten.

Er is echter een oplossing. U kunt en zou zelfs uw eigen ID-graph moeten verkrijgen. Met controle en eigendom over de grafiek – over gegevens – krijgt uw marketingteam een volledig beeld van de klantreis. Omdat u op verschillende schermen uw gebruikers kunt identificeren, wat betekent dat u hun voorkeuren, wensen, verlangens en activiteiten uit het verleden moet herkennen, kunt u eindelijk goed afgeronde gebruikersprofielen maken.

Geauthenticeerd of niet?

Er zijn twee soorten bezoekersprofielen: geverifieerde en niet-geverifieerde. De eerste zijn voordeliger omdat ze persistent zijn en worden gebaseerd op geverifieerde ID’s. Ze bestaan ​​uit login-ID’s, e-mailadressen, klant-ID’s en dergelijke. Kortom, wanneer een gebruiker iets koopt met zijn creditcard of zich aanmeldt bij een site, verbindt de identiteitsgrafiek de verstrekte first-party data met andere gegevens die worden gebruikt om deze gebruiker op verschillende apparaten te identificeren.

Dit soort profielen groeit met elke interactie naarmate ze meer en meer gegevens verzamelen. De gegevens verdiepen en verrijken dergelijke profielen, waardoor ze voordeliger worden voor marketingstrategieën. Daarom moet de juiste ID-graph worden gekoppeld aan permanente gebruikersprofielen.

Niet- geverifieerde profielen daarentegen worden gemaakt op basis van tijdelijke identificatiegegevens zoals cookies, kanaal- of apparaatspecifieke ID’s die niet in de strategie van meerdere apparaten kunnen worden ingepast. Hun toepassing is beperkt tot één campagne of één kanaal.

Wanneer cookies niet voldoende zijn

Cookies worden al jaren met succes gebruikt bij het volgen van online desktopgebruikers. Met de verspreiding van mobiele apparaten voldoen cookies echter niet aan de test. Het probleem is dat op smartphones, tablets of soortgelijke apparaten telkens wanneer een gebruiker de browser sluit, zijn cookies worden gereset. Ze waren simpelweg niet ontworpen voor een realiteit met meerdere apparaten. Ze kunnen niet van het ene naar het andere apparaat worden doorgegeven en kunnen niet tussen apps worden gedeeld.

Wat dit betekent voor identificatiepraktijken, is dat als iemand toegang krijgt tot een website op een pc en vervolgens op zijn tablet, deze person wordt herkend als twee verschillende gebruikers. Dus als een bezoeker eerst via zijn pc op uw website komt, en later via zijn smartphone, wordt die ene persoon als twee verschillende bezoekers geregistreerd.

Maar er zijn andere problemen. Zo worden bijvoorbeeld de cookies van iemand die op het internet surft in de incognito of private modus niet opgeslagen. En er is ook het probleem dat cookies van derden constant worden geblokkeerd door gebruikers die hun cookie-instellingen wijzigen of door privacyfuncties zoals Intelligent Tracking Prevention. Daarom raken cookies verouderd.

Matchmaking moet ons redden

Zoals we al hebben gezegd, wanneer consumenten overschakelen van tablet naar laptop en vervolgens naar hun smartphones grijpen, worden consumentengegevens verspreid in plaats van dat ze op één apparaat worden bewaard. Dus als cookies de tracking met meerdere apparaten niet kunnen doen, wat kunnen we daar dan aan doen?

U kunt profiteren van deterministische matching en probabilistische matching. Deze twee methoden worden toegepast om gegevens aan elkaar te koppelen en u te helpen bij het opbouwen van identiteiten tussen verschillende apparaten van uw klanten. In dit geval is er geen enkele goede of verkeerde keuze. In een notendop biedt de eerstgenoemde een meer nauwkeurige overeenkomst, terwijl de laatste een betere schaalbaarheid biedt. Alles komt neer op uw bedrijfsdoelen en de soorten gegevens waartoe u toegang heeft. U kunt zelfs situaties vinden waarin ze elkaar complimenteren en u beide kunt toepassen. Maar voordat u beslist, gaan we ons verdiepen in de details.

Deterministische matching

Met deterministische matching kunt u dezelfde persoon op meerdere apparaten herkennen door dezelfde gebruikersprofielen bij elkaar te zoeken. Deze profielen zijn opgebouwd rond verschillende stukjes gebruikersgegevens, waarbij elke gebruiker zijn eigen profiel op verschillende apparaten heeft.

Om gebruikers op meerdere schermen te herkennen, zoekt deterministische matsching door datasets heen en koppelt alle profielen van een bepaalde gebruiker samen met een gemeenschappelijke identificator. De matching wordt meestal bereikt door middel van inloggegevens.

Als iemand bijvoorbeeld regelmatig zijn gebruikersnaam en wachtwoord invoert in een site met behulp van zijn mobiele telefoon, herkent het merk dit gebruikersprofiel en kan hij de gebruiker koppelen aan deze specifieke smartphone en diezelfde gebruiker identificeren als hij zich vervolgens aanmeldt met dezelfde inloggegevens op een ander apparaat (bijvoorbeeld hun laptop). Het betekent dat de gegevens worden geverifieerd, wat de zekerheid ervan aanzienlijk vergroot.

Een van de grootste troeven van deze methode is de nauwkeurigheid (ongeveer 80-90%). Op het gebied van schaal is dit echter niet de beste optie, omdat niet alle websites of applicaties gebruikers dwingen om in te loggen of andere informatie in te dienen.

Probabilistische matching

Als u op zoek bent naar betere schaalbaarheid, kunt u probabilistische matching gebruiken. Het maakt gebruik van verschillende datasets (zoals eerder vermeld) samen met algoritmen. Dankzij deze formule kunt u dezelfde gebruiker identificeren in het hele digitale landschap met meerdere schermen. Probabilistische matching gebruikt gegevens zoals:

  • IP-adres
  • Apparaattype
  • Browsertype
  • Besturingssysteem
  • WiFi-netwerk
  • Locatie

Deze methode creëert waarschijnlijke statistische verbindingen tussen een gebruiker en een willekeurig aantal apparaten dat ze gebruiken. In vergelijking met de deterministische methode is het niet zo nauwkeurig, maar het past dezelfde datasets toe om de algoritmen te leren de nauwkeurigheid te vergroten.

Een van de belangrijkste voordelen van deze aanpak is schaalbaarheid, waardoor organisaties meer mogelijkheden hebben om personalisatie verder te schalen dan hun gebruikersbestand. U kunt gebruikers op meerdere schermen herkennen zonder dat u e-mailadressen of andere persoonlijke gegevens hoeft te verzamelen.

Het nadeel van probabilistische matching is echter een slechte transparantie van matchingsmethoden en algoritmen.

Een andere moeilijkheid die bij beide methoden naar voren komt, zijn de privacykwesties in het juridische landschap. Als u persoonsgegevens, waaronder IP-adressen, wilt verwerken, moet u ervoor zorgen dat u dit doet in overeenstemming met regelgeving zoals de AVG. Met andere woorden, u moet de toestemming van een gebruiker verkrijgen om door te gaan.

Waarom u ID-graphen nodig hebt

Nu u de details van ID-graphen kent, is het tijd om eens te kijken hoe deze technologie van nut kan zijn voor uw organisatie. Aangezien ID-graphen klantidentiteiten in één klantbeeld samenvoegen, bieden ze u een reeks potentiële toepassingen. Laten we de belangrijkste bekijken.

Optimalisatie van personalisatie

In een personalisatiestrategie ligt de nadruk vooral op het identificeren van de gebruiker. Om precies te zijn, het kennen van hun voorkeuren, verlangens en wensen, en hen dan te voorzien van inhoud die echt resoneert. ID-graphen helpen u dit te bereiken, omdat u het volledige klantprofiel krijgt dat de online en offline werelden van hun interacties combineert met uw merk.

Door elke gebruiker en klant op individueel niveau te begrijpen, kunnen marketeers boeiendere inhoud bieden. Bovendien kunt u voortdurend identiteitsgegevens verrijken en bijwerken om de resultaten van uw marketingcampagnes te optimaliseren.

Neem het voorbeeld van giganten zoals Amazon of Netflix die de meest relevante productaanbevelingen dienen. Ze profiteren van ID-graphen die browsegeschiedenis bijhouden op de apparaten van gebruikers om zeer aantrekkelijke aanbevelingen te kunnen doen.

Klantbehoeften in realtime aanpakken

De digitale wereld versnelt alle gebruikersinteracties. Deze trend dwingt marketeers om de vereisten van klanten onmiddellijk te herkennen en hieraan te voldoen. Dit betekent dat organisaties realtime technologie nodig hebben om gegevens te verzamelen, te matchen en te activeren.

Betere klantbetrokkenheid

Dankzij de capaciteit om offline gegevens te matchen met digitale identificatiegegevens en gedragsgegevens binnen ID-graphen, kunnen marketeers beter communiceren met klanten. Met goed afgeronde klantprofielen kunt u hun toekomstige behoeften voorspellen, strategieën plannen, upselling- en cross selling- campagnes verbeteren en betere kansen vinden om verloren klanten opnieuw te betrekken.

Verbetering van cross device attributen

Door gebruik te maken van deterministische identiteitsgrafieken, kunt u de rol identificeren die elk kanaal in gebruikersconversie uitvoert. Zodra u een groter beeld hebt van de klantreis, kunt u nauwkeurig conversies toewijzen.

U kunt berichten individueel aan elke klant aanpassen en budgetverspilling als gevolg van generieke campagnes verminderen. Uw doel is ervoor te zorgen dat klanten op een optimale manier met uw inhoud omgaan, ongeacht hoe vaak ze van het ene apparaat naar het andere springen.

Laatste gedachten

Bedrijven die opereren binnen het digitale ecosysteem moeten hun focus verschuiven van de acties van klanten naar de identiteiten van klanten. Om dit doel te bereiken, zouden ze technologie op meerdere schermen en kanalen moeten gebruiken om directe relaties met hun gebruikers te creëren. Met een optimale oplossing, zoals ID-graphen, kunnen marketingteams gelijke tred houden met klanten die onmiddellijke en relevante merkervaringen verwachten voor alle contactpunten tijdens hun reis via meerdere schermen.

Hoewel we enkel het oppervlak van het complexe onderwerp identiteitsgrafieken hebben besproken, hopen we dat u enkele belangrijke oplossingen voor lastige problemen heeft gevonden. Als u vragen heeft, neem dan contact op met ons team en we zullen ze graag snel beantwoorden!

CONTACTEER ONS

Auteur:

Karolina Matuszewska, Content Marketer

Bekijk meer berichten van deze auteur

Delen