Avec l'évolution constante de l'industrie de la publicité vers la confidentialité et la sécurité, les éditeurs cherchent des moyens innovants pour maximiser leurs stratégies de monétisation des données. Comme il sera bientôt impossible de s'appuyer sur les technologies de suivi traditionnelles, le besoin de solutions robustes pour identifier les utilisateurs se fait de plus en plus sentir. Identity Solutions se propose d'aider les éditeurs à identifier les utilisateurs dans un écosystème fragmenté.

Dans notre article précédent, nous avons exploré le concept de graphe d'identité et ses applications pratiques. Un graphe d'identité est le résultat du processus connu sous le nom de résolution d'identité. Pour mener à bien ce processus, les éditeurs utilisent un ensemble d'opérations impliquant la collecte, le traitement et la mise en relation d'identifiants afin d'établir des groupes d'identité d'utilisateurs uniques à différents niveaux : individu, ménage, trait et événement. En termes simples, cela permet à un éditeur de déterminer ou de déduire quel individu visite ses sites web ou ses applications, quel que soit l'appareil, l'email ou l'adresse IP d'où il vient, et donc de le cibler avec une publicité pertinente.

‍

Les PCD ne suffisent plus

Initialement introduits dans les plateformes de données clients (CDP) et utilisés par les spécialistes du marketing, les ID Graphs ont été adoptés par les éditeurs, reflétant la dynamique changeante de l'industrie. L'évolution vers des données de première main et la nécessité d'introduire de nouvelles stratégies de publicité et de monétisation ont poussé les éditeurs à opter pour de nouvelles façons de construire leurs audiences. Les éditeurs ont utilisé les CDP pour consolider toutes les données disponibles, créer des profils d'utilisateurs afin d'augmenter la valeur de leur inventaire publicitaire pour les annonceurs, et améliorer les capacités de ciblage. Cependant, les limites des capacités des CDP en matière de traitement des données en temps réel, de résolution des identités de base et de segmentation sont insuffisantes pour prendre en charge l'écosystème numérique complexe dans lequel les utilisateurs naviguent aujourd'hui et ajoutent également des coûts supplémentaires à la pile de monétisation des éditeurs.

Par conséquent, les ID Graphs dépassent aujourd'hui leur portée initiale de CDP dans des systèmes plus complexes, évoluant vers des solutions complexes et s'intégrant dans des plateformes, où les organisations peuvent collaborer en toute sécurité autour des données des utilisateurs et les activer de manière transparente. Cette expansion ouvre de nouvelles possibilités aux éditeurs, y compris ceux de la radiodiffusion, des réseaux de télévision et des plateformes audio, pour monétiser ce qu'ils ont sur la table.

‍

Une identification précise pour une meilleure publicité

L'ID Graph d'Optable est un exemple d'une telle solution avancée, fournissant un environnement hautement interopérable qui débloque de nombreux cas d'utilisation au sein de la plateforme unique, tels que la segmentation de l'audience, l'exploitation des connaissances, l'activation de l'audience, la collaboration des données, l'enchère programmatique avec des ID enrichis et des applications Privacy Sandbox.

Pour construire un graphe d'identité précis et riche, Optable regroupe les identités en effectuant plusieurs opérations critiques au cours du processus de résolution : 

• Auto-normalisation pour identifier le type d'identifiant et le nettoyer. Par exemple, les espaces sont supprimés des données de courrier électronique et le format est ajusté en fonction des exigences spécifiques de l'ID.
• Déduplication et résolution de tous les ID, y compris la résolution des IP, ce que les CDP ne font généralement pas.
• L'hygiène du backend permet d'éviter les liens excessifs ou les clusters trop importants, ce qui garantit la précision et un ciblage précis.
• La définition du nombre d'associations pour contrôler l'application de l'enrichissement des offres, qui n'est pas un cas d'utilisation dans les CDP.
• Configurer la forme et la taille du graphique. Une échelle plus grande implique une précision moindre, comme dans le cas des modèles de type "look-a-like".

‍

‍

‍

Différents types de données pour une meilleure identification : Identificateurs déterministes et probabilistes 

Les graphiques d'identification ne sont pas tous identiques. Ils peuvent être construits et mis à l'échelle différemment en fonction du type d'appariement des données utilisé. Il existe deux façons de procéder :

• La méthode déterministe d'appariement est basée sur des données explicitement fournies aux utilisateurs ; il s'agit donc d'identifiants qui sont très certainement liés à la personne : noms, courriels et numéros de téléphone fournis par la personne. Cette approche est plus précise, mais elle est plus difficile à mettre à l'échelle car ces données sont plus difficiles à acquérir ou à enrichir. La solution alternative pour l'éditeur consiste à utiliser les réseaux de données existants d'identifiants déterministes. Citons par exemple le LUID d'Experian, le TUID de TransUnion et le Ramp ID de LiveRamp. Bien que ces fournisseurs d'identifiants centralisés constituent une base solide pour la création d'un graphe d'identifiants, ils sont souvent assortis de limitations quant à leur utilisation et doivent donc être considérés comme faisant partie de notre solution globale.

• La méthode probabiliste est un concept plus large basé sur la prédiction du comportement de l'utilisateur et d'événements plausibles similaires à ceux observés pour des identifiants similaires provenant d'identifiants au niveau des ménages. Les identifiants probabilistes sont le produit de l'analyse et de l'assemblage de signaux de données provenant de différents canaux et appareils. La méthode est basée sur des similitudes et des probabilités et, par conséquent, n'est pas précise à 100 %. Cependant, l'un de ses avantages est la possibilité de mesurer un grand nombre d'événements probabilistes et de faire évoluer le graphique d'identification plus rapidement.  

Des sociétés comme ID5 et Predactiv proposent des identifiants probabilistes. Ces fournisseurs traitent des signaux tels que les identifiants d'appareils, les adresses IP, les données comportementales et contextuelles afin de déduire l'identité de la personne et d'augmenter les taux de correspondance des données.  

Ces deux méthodes ont fait le buzz dans l'industrie, arguant que l'appariement déterministe est la seule et unique façon d'apparier les données avec précision. Cependant, la réponse se trouve dans l'équilibre parfait, où les deux méthodes sont combinées dans des proportions différentes. Dans ce cas, l'éditeur doit trouver son propre rapport entre la précision et l'évolutivité. 

‍

Améliorer le ciblage des publicités et augmenter les revenus

Dans un environnement sans cuisinier, où l'adressabilité est continuellement sapée par le signal, l'identification et le ciblage des utilisateurs est un objectif important. Les éditeurs peuvent augmenter leurs revenus de manière significative en utilisant une résolution d'identité spécifique pour créer des graphes d'identité complets. Il y a plusieurs raisons à cela.

Tout d'abord, la consolidation et la mise en relation des points de données à différents niveaux permettent aux éditeurs d'identifier et d'atteindre davantage d'individus et de ménages au sein des groupes de clients souhaités. Avec un grand nombre d'identifiants et de fournisseurs de données sous licence évoluant sur le marché, les éditeurs sont également en mesure d'amplifier l'adressage publicitaire en enrichissant les audiences et en mettant à l'échelle les graphiques. 

Deuxièmement, en injectant des identifiants déterministes et/ou probabilistes dans leur base de données, les entreprises de médias peuvent activer des publicités programmatiques et obtenir une densité d'enchères plus élevée. Grâce à des audiences enrichies dans le flux d'offres, les éditeurs peuvent augmenter leurs revenus.

Troisièmement, en travaillant avec un fournisseur de données tiers, les éditeurs peuvent associer leur graphe d'identité aux ensembles de données des partenaires afin de créer de nouveaux segments d'audience adressables. Ces nouveaux segments, tels que des données démographiques comme le sexe, l'âge ou le revenu du ménage, peuvent ensuite être regroupés et vendus à des partenaires publicitaires pour l'activation des publicités.

Enfin, la collaboration en matière de données est un domaine de croissance de la monétisation pour les éditeurs. La collaboration en matière de données consiste à travailler directement avec les partenaires publicitaires pour faire correspondre en toute sécurité les données à la fois pour l'activation de l'audience et pour le partage d'informations sur les caractéristiques de l'audience ou le comportement d'achat. Cela permet aux éditeurs d'augmenter leurs revenus en créant de meilleurs plans avec leurs partenaires publicitaires et en offrant des solutions de mesure uniques, ce qui conduit finalement à des engagements plus importants et à des CPM plus élevés.

‍

Les solutions d'identité sont un élément clé d'Optable

Notre solution d'identité est conçue pour aider les entreprises médiatiques à s'adapter à l'évolution rapide de la publicité numérique. Les décideurs doivent considérer les solutions d'identité complètes comme une nouvelle alternative aux cookies tiers afin de proposer des campagnes ciblées performantes et d'augmenter les revenus de la publicité directe et programmatique.

Optable propose une approche globale de la résolution d'identité et du développement de graphes d'identité client, permettant à nos clients d'améliorer l'engagement de l'audience et les revenus grâce à une meilleure adressabilité et à un contenu publicitaire personnalisé. En établissant un graphique d'identité de première partie et en traitant les données de deuxième partie, Optable vise à améliorer l'adressabilité dans les environnements sans cuisiniers, à enrichir les connaissances sur l'audience et à débloquer de nouvelles sources de revenus grâce à la collaboration des données. Demandez une démonstration pour en savoir plus.