|
Listen to the Article
|
Para el marketing, la resolución de identidad es el proceso mediante el cual se asigna una identidad única a una persona, un dispositivo o una cuenta. A partir de ahí, se puede determinar con qué frecuencia y en qué contextos está presente esa identidad.
Históricamente, la resolución de identidad se ha basado en un enfoque determinista, en el que se asume que una ID es única y no puede ser compartida. Sin embargo, en los últimos años ha surgido un nuevo enfoque, conocido como enfoque probabilístico, que asume que las IDs pueden ser compartidas y que la probabilidad de que una ID pertenezca a una persona en particular es lo que importa.
Entonces, ¿cuál es la mejor manera de abordar la resolución de identidad? Para responder a esta pregunta, primero debemos entender cómo funcionan los enfoques determinista y probabilístico.
También te puede interesar: ¿Por qué pasar de una base de datos de contactos a un gráfico de identidad?
Enfoque determinista
El enfoque determinista se basa en un conjunto de reglas predefinidas para asignar IDs. Por ejemplo, podríamos asumir que todos los usuarios de Facebook tienen un ID único e irrepetible. A partir de ahí, podemos usar el ID de Facebook para vincular datos de usuario entre diferentes plataformas y canales.
El problema con el enfoque determinista es que tiene un margen de error significativo. Por ejemplo, si un usuario cambia su ID de Facebook, ya no podremos vincular sus datos. También hay personas que utilizan varias IDs para diferentes propósitos, lo que hace que sea más difícil asignarles una ID única. En general, el enfoque determinista es menos preciso que el enfoque probabilístico.
Enfoque probabilístico
En lugar de usar reglas predefinidas para asignar IDs, el enfoque probabilístico se basa en la inteligencia artificial y el aprendizaje automático para inferir las probabilidades de que una ID pertenezca a una persona determinada.
El enfoque probabilístico es más preciso que el determinista porque no se basa en reglas predefinidas; sin embargo, también tiene sus propios problemas. Por ejemplo, el entrenamiento del modelo puede ser costoso y requerir muchos datos. También puede ser difícil evaluar la precisión del modelo si no tenemos un conjunto de datos de test independiente. En general, el enfoque probabilístico es más preciso que el enfoque determinista, pero también requiere más trabajo y análisis para implementarlo correctamente.
¿Cuál debería usar?
Aunque el enfoque probabilístico puede ser más eficiente en algunos casos, no siempre es la mejor opción. En determinadas situaciones, como por ejemplo cuando se trata de datos sensibles o privados, es importante que la resolución de identidad sea 100% determinista.
En general, la mejor manera de abordar la resolución de identidad depende del tipo de datos y de las necesidades específicas de cada empresa. Sin embargo, el enfoque probabilístico puede ser una herramienta útil para muchas empresas que necesitan hacer coincidir grandes cantidades de datos.
Más artículos
• Las diferencias y similitudes de las plataformas de datos de marketing; CDP, CRM y DMP
• El auge de los modelos de atribución publicitaria avanzada
