Graphe d’identité : pourquoi deux plateformes voient le même acheteur différemment

Imaginons qu’un acheteur interagisse avec deux plateformes publicitaires au cours d’une semaine. Ses recherches commencent sur téléphone, se poursuivent sur ordinateur portable, puis aboutissent à un achat en étant connecté à son compte, avant une nouvelle visite depuis un autre appareil.

La plateforme A rattache ces interactions à la même personne. La plateforme B voit trois utilisateurs distincts.

Aucune ne présente nécessairement de dysfonctionnement. L’écart tient à ce que chacune a pu observer. Un graphe d’identité ne contient que les relations que son propriétaire a eu l’occasion d’établir, et ces possibilités varient considérablement d’une plateforme à l’autre.

Des techniques similaires de résolution d’identité peuvent donc produire des visions différentes d’une même audience. L’une reconnaîtra des liens que l’autre n’a tout simplement jamais observés. Pour les professionnels du marketing à la performance, ces écarts affectent potentiellement la couverture et la fréquence d’exposition indiquées dans le reporting, le ciblage, l’exclusion d’audiences et la mesure, même avec des paramètres de campagne presque identiques.

Comprendre les graphes exige ainsi de dépasser la seule question du fonctionnement de la résolution d’identité. Qu’est-ce que la plateforme a réellement observé ?

Qu’est-ce qu’un graphe d’identité ?

Un graphe d’identité est une base de données qui rattache plusieurs identifiants à une même personne réelle pour la reconnaître de manière cohérente sur différents appareils et au fil des sessions.

Vous pouvez l’envisager comme une carte des relations entre identifiants. Dans la terminologie des graphes, ceux-ci constituent les nœuds. Ces nœuds peuvent représenter des navigateurs, des appareils, des adresses e-mail hachées (HEM), des identifiants publicitaires mobiles (MAID) ou d’autres références accessibles à la plateforme.

Les relations entre les nœuds sont appelées liens. Chacun traduit l’hypothèse selon laquelle deux identifiants appartiennent à la même personne. Le graphe peut aussi conserver le niveau de confiance associé à cette relation et la date de sa dernière confirmation. On parle parfois de graphe utilisateur.

La valeur du graphe ne réside donc pas dans une simple liste d’identifiants, mais dans les relations qui les unissent. Celles-ci permettent de reconnaître que des activités sur différents appareils, navigateurs, sessions et environnements peuvent se rapporter au même individu.

Aucune relation n’apparaît automatiquement. Chaque lien découle d’une connexion que la plateforme a pu établir à partir d’un élément observé.

Le graphe est un actif, la résolution est un processus

Étroitement liés, le graphe d’identité et la résolution remplissent des fonctions distinctes. La seconde est le processus, tandis que le premier constitue la structure qu’elle consulte et alimente.

La résolution d’identité détermine quand plusieurs identifiants sont susceptibles de représenter la même personne, puis les relie. Le graphe stocke et maintient ces relations. Sans résolution, il resterait un ensemble statique d’informations. Sans graphe, le processus ne disposerait d’aucune structure pour conserver les correspondances découvertes.

Une plateforme peut améliorer ses techniques de matching, actualiser ses modèles ou introduire de nouvelles capacités de résolution. Impossible, en revanche, de faire apparaître des années d’observations jamais réalisées. Son graphe conserve les relations qu’elle a eu l’occasion d’établir au fil du temps. Deux plateformes dotées de techniques tout aussi sophistiquées peuvent ainsi reconnaître des populations très différentes, car elles s’appuient sur des historiques d’observation distincts.

Comparer uniquement leurs capacités de résolution ne donne donc qu’une vision partielle. Vous devez aussi examiner les environnements couverts, la nature des relations établies et la durée de leur accumulation.

Pourquoi deux plateformes voient le même acheteur différemment

Les graphes reflètent les observations de leurs propriétaires. Deux plateformes peuvent donc rencontrer le même acheteur sans en construire la même représentation.

Un graphe ne peut contenir que ce qui était observable

Aucune technique de résolution ne peut établir une relation fiable à partir d’observations inexistantes. Si un acheteur évolue dans un environnement visible par la plateforme A, mais pas par la plateforme B, seule la première peut intégrer cette activité à son graphe. L’écart est structurel et ne traduit pas nécessairement une différence de qualité du matching.

L’étendue des sites, applications et environnements couverts

Le nombre de sources alimentant le graphe constitue une différence majeure entre plateformes. Reprenons le cas d’un acheteur qui se renseigne avant un achat. Sa journée peut commencer par la lecture d’un article sur téléphone, se poursuivre par une comparaison de produits sur ordinateur portable à midi, puis par l’utilisation d’une application et la consultation d’un autre site le soir.

Une plateforme présente dans plusieurs de ces environnements dispose de davantage d’occasions d’établir des correspondances. Celle qui n’observe qu’une ou deux interactions en aura moins.

Le périmètre d’observation est donc déterminant. La résolution ne peut exploiter que les données disponibles. Plus la couverture d’environnements pertinents est étendue, plus les chances de rattacher des interactions apparemment distinctes à une même personne augmentent.

La part de l’activité authentifiée

L’activité authentifiée apporte une autre source importante d’informations. Lorsqu’une personne se connecte à son compte, l’événement peut fournir un point d’ancrage à haut niveau de confiance pour relier des identifiants. D’autres observations peuvent ensuite étendre les correspondances à partir de ce repère. Une plateforme recueillant peu d’interactions authentifiées dispose de moins d’ancrages solides et doit parfois s’appuyer davantage sur des relations déduites.

La profondeur historique

Une plateforme observant des interactions pertinentes depuis de nombreuses années a eu davantage d’occasions d’établir et d’entretenir des relations qu’une autre dont l’historique est plus court. L’ancienneté ne garantit toutefois pas la qualité. Des liens obsolètes peuvent même la dégrader. Une longue période d’observation pertinente offre néanmoins des possibilités impossibles à reproduire instantanément.

Les composants du graphe expliquent les différences

Les composants fondamentaux d’un graphe d’identité permettent de comprendre pourquoi les plateformes développent des représentations différentes d’une même personne.

Les nœuds : les identifiants

Les nœuds correspondent aux identifiants individuels stockés dans le graphe. Un acheteur peut en générer plusieurs sur ses appareils, navigateurs, applications et autres environnements. Leur présence ne signifie pas qu’ils représentent des personnes distinctes. Le stockage permet précisément d’évaluer et de maintenir leurs relations. Chaque plateforme part donc d’un ensemble de nœuds propre aux identifiants qu’elle observe.

Les liens : les relations observées

Un lien unit deux nœuds que la plateforme considère comme appartenant à la même personne. Un identifiant mobile et un navigateur sur ordinateur peuvent, par exemple, être reliés si des éléments étayent cette correspondance.

Le périmètre d’observation redevient ici essentiel. L’ajout d’une relation suppose que la plateforme ait pu recueillir des éléments à l’appui. Des observations distinctes produisent donc des liens différents.

Le niveau de confiance

Toutes les relations ne présentent pas la même certitude. Un graphe exploitable doit tenir compte de la solidité des éléments qui étayent chaque connexion. Selon la méthode employée et les preuves disponibles, certains liens inspirent davantage confiance que d’autres. Deux plateformes peuvent ainsi conserver des correspondances apparemment similaires tout en leur attribuant des niveaux de fiabilité différents.

La fraîcheur et la dégradation des liens

Les relations d’identité ne sont pas permanentes. Les appareils changent de propriétaire, les navigateurs sont remplacés, les identifiants expirent et les usages numériques évoluent. Une correspondance exacte il y a six mois peut ne plus être fiable aujourd’hui. Les graphes doivent donc tenir compte de la date des observations et de leur validité actuelle. À taille égale, des relations plus récentes et mieux entretenues peuvent faire une différence considérable.

Comment un graphe se constitue au fil du temps

Un graphe d’identité ne peut être construit une fois pour toutes, puis laissé sans suivi. Son développement repose sur un cycle continu d’observation, de connexion, de renforcement et de suppression des liens. Voici les principaux mécanismes à retenir :

• Les événements authentifiés fournissent des points d’ancrage. Lorsqu’une personne s’identifie, l’événement peut établir une relation à haut niveau de confiance à laquelle d’autres identifiants seront rattachés.
• La cooccurrence observée peut étendre le graphe. Des schémas récurrents dans plusieurs environnements apportent des éléments supplémentaires pour relier des identifiants, au-delà des ancrages initiaux.
• Les nouvelles observations actualisent les relations. Les interactions supplémentaires peuvent renforcer les liens existants ou permettre d’en créer.
• Les liens obsolètes ou contredits doivent être supprimés. Un graphe qui se contente d’ajouter des relations finit par accumuler des correspondances dépassées. Les retirer ou réduire leur poids compte autant que d’en établir de nouvelles.

Cette accumulation explique pourquoi la qualité d’un graphe ne se reproduit pas nécessairement en peu de temps. Des architectures et des techniques de résolution similaires ne signifient pas que les plateformes ont constitué les mêmes actifs.

La difficulté dépasse donc la construction de la structure. Les relations utiles doivent être accumulées et entretenues dans la durée.

Qu’est-ce qu’une data spine ?

Une data spine, également appelée identity spine, est l’identifiant unifié et persistant qui sert de colonne vertébrale au graphe d’identité. Son rôle consiste à réunir des données anonymes et fragmentées, comme les cookies, les identifiants d’appareils et les adresses IP, pour construire une vision unique et complète du consommateur.

Sans référence commune, les systèmes peuvent conserver des représentations distinctes d’une même personne. Le ciblage reconnaîtra, par exemple, un ensemble d’identifiants, tandis que la mesure s’appuiera sur un autre.

La data spine fournit un repère cohérent. Les signaux entrants peuvent être associés à des identités résolues, au lieu de rester attachés uniquement à un appareil, un navigateur ou une interaction.

Les identifiants et les signaux remplissent des fonctions différentes. Les premiers aident à déterminer quelles observations se rapportent à la même personne. Les seconds décrivent ses comportements, ses centres d’intérêt, son contexte et d’autres informations. Leur rattachement à une couche d’identité persistante permet aux systèmes de travailler à partir d’un enregistrement utilisateur plus cohérent.

La mise en œuvre de Realize

Realize utilise Realize ID comme identifiant unifié pour regrouper les références reliées en clusters et construire une vision persistante de l’utilisateur. Ces ensembles s’inscrivent dans le Realize Identity Graph et permettent aux signaux provenant de points de contact fragmentés d’enrichir un même profil.

Pourquoi un graphe plus grand n’est pas nécessairement meilleur

Assimiler le plus grand graphe d’identité au meilleur serait trop simpliste. Trois éléments méritent d’être pris en compte :

1. La taille peut devenir un handicap sans maintenance. L’ajout continu de connexions, sans suppression des liens obsolètes ou contredits, peut rendre un graphe moins fiable malgré des dimensions impressionnantes.
2. L’étendue du périmètre n’a de valeur que si elle est pertinente. Une forte visibilité dans des environnements rarement fréquentés par vos clients apporte peu d’utilité concrète aux campagnes.
3. La taille totale ne reflète pas la couverture de votre audience. Un annonceur n’a pas besoin de reconnaître chaque internaute, mais une part significative des personnes qui comptent pour son activité.

Au-delà de « Quelle est la taille de votre graphe d’identité ? », demandez plutôt « Quelle part de mon audience reconnaît-il, et avec quel niveau de confiance ? » La réponse renseignera bien davantage sur l’intérêt de cet actif pour vos campagnes.

Comment évaluer le graphe d’une plateforme

Pour comparer les graphes, examinez les observations et les relations derrière les chiffres. Cinq questions peuvent vous guider :

• Quels sites, applications et environnements le graphe couvre-t-il ? Identifiez les espaces dans lesquels la plateforme peut établir des relations d’identité.
• Quelle part de cette activité est authentifiée ? Ces interactions fournissent des points d’ancrage à haut niveau de confiance.
• Depuis combien de temps le graphe se constitue-t-il ? Un historique pertinent multiplie les occasions d’établir et de renforcer les correspondances.
• Comment les relations obsolètes sont-elles supprimées ? Les liens doivent être entretenus et réévalués, plutôt qu’accumulés indéfiniment.
• Quelle part de votre propre audience reconnaît-il ? La couverture des personnes pertinentes compte davantage que la taille globale annoncée.

Les points clés à retenir

Un graphe d’identité est un actif constitué au fil du temps à partir de relations observées, bien plus qu’une fonctionnalité à activer. Des techniques de résolution similaires peuvent donc conduire deux plateformes à reconnaître différemment le même acheteur. L’étendue des environnements couverts, l’activité authentifiée et la profondeur historique déterminent ce qui peut entrer dans le graphe.

La taille ne suffit pas à garantir la qualité. Les relations doivent rester à jour et pertinentes pour l’audience de l’annonceur.

Pour évaluer ces actifs, allez au-delà de la technologie et des chiffres mis en avant. Examinez ce que la plateforme a réellement observé, la rigueur de sa maintenance et la part de votre audience qu’elle reconnaît avec un niveau de confiance élevé.

Questions fréquentes (FAQ)

Quelle est la différence entre un graphe d’identité et la résolution d’identité ?

La résolution est le processus, tandis que le graphe est la structure qu’elle consulte et alimente. La première détermine quels identifiants sont susceptibles d’appartenir à la même personne. Le second conserve et maintient les relations, ainsi que leur niveau de confiance et leur fraîcheur.

Pourquoi deux plateformes indiquent-elles des couvertures différentes pour une même audience ?

Leurs graphes contiennent des observations et des relations distinctes. L’étendue des environnements couverts, l’activité authentifiée, la profondeur historique et la maintenance peuvent faire apparaître une personne comme un utilisateur unique sur une plateforme et comme plusieurs utilisateurs sur une autre.

Comment les graphes d’identité reconnaissent-ils la même personne sur différents appareils ?

La résolution évalue les identifiants et les observations disponibles pour déterminer si plusieurs appareils sont susceptibles d’appartenir à la même personne. Une fois la correspondance établie, le graphe enregistre le lien entre ces références et peut les rattacher à un enregistrement utilisateur persistant.

Peut-on construire son propre graphe d’identité ?

Oui. Les annonceurs et les agences peuvent s’appuyer sur leurs données clients et les relations d’identité qu’ils ont observées. Les capacités de reconnaissance restent toutefois limitées aux données et aux environnements accessibles à leur propriétaire. Un graphe existant peut aussi alimenter le processus de résolution d’une autre plateforme.

Les graphes d’identité stockent-ils des informations personnelles ?

La réponse dépend de leur conception et des données employées. Un graphe peut contenir ou relier des adresses e-mail hachées, des identifiants publicitaires mobiles, des identifiants de publishers et d’autres références d’identité. La nature exacte des informations stockées varie selon la plateforme et la mise en œuvre.