Данные одного клиента из сайта, соцсетей, офлайн-точки и маркетплейса сводятся в одну карточку двумя способами: детерминированным сопоставлением по точному совпадению ключа (одинаковый email или телефон) и вероятностным — по похожести атрибутов, когда точного совпадения нет. На практике почти всегда используется гибрид: детерминированные правила как основа, вероятностные — как дополняющий слой для случаев неполных данных.
Identity resolution («сшивка идентификаторов») — процесс определения того, что заявка с сайта, звонок в поддержку и покупка в офлайн-точке принадлежат одному и тому же человеку, и объединения этих разрозненных записей в единый профиль вместо нескольких отдельных карточек одного и того же клиента.
Два метода сопоставления
| Метод | Как работает | Надёжность |
|---|---|---|
| Детерминированное | Точное совпадение ключа: одинаковый email или телефон в двух записях | Высокая, мало ложных срабатываний |
| Вероятностное | Похожесть атрибутов: имя, адрес, дата рождения — без точного совпадения ключа | Ниже, требует дополнительной проверки |
По разбору identity resolution от DataFinder: «Детерминированное сопоставление обычно даёт высокую точность», а вероятностное применяется «когда прямых ключей совпадений нет». На практике системы «часто применяют гибридный подход: детерминированные правила задаются как «ручные» константы, а вероятностные методы — как дополняющий слой, для повышения охвата сопоставления и устранения пропусков».
Какие идентификаторы используются
- Email и телефон — самые надёжные, основа детерминированного сопоставления
- Cookie и device ID — связывают веб-сессии, но не переживают смену устройства или очистку браузера
- Идентификаторы мобильного приложения — для мобильного канала отдельно от веба
- Внешние ID из CRM и других систем — дополнительный ключ сопоставления при интеграции
Что можно сделать вручную, а что требует системы
Детерминированное сопоставление — то, что реально делать вручную в Excel: отсортировать записи по телефону или email и вручную проверить совпадения. Это работает, пока карточек десятки или сотни. Вероятностное сопоставление — сравнение похожести имени, адреса и других атрибутов без точного ключа — вручную практически не масштабируется: держать в голове, что «Иван Петров с ул. Ленина» и «И. Петров, Ленина 15» — один и тот же человек, реально только для очень маленькой базы.
Практический ориентир: если вы ловите себя на том, что регулярно сверяете карточки клиентов вручную и путаетесь, кто есть кто — это сигнал, что детерминированного сопоставления по одному ключу уже недостаточно, и нужна система с вероятностным слоем.
Identity-stitching в CDP AXIOM объединяет анонимные и идентифицированные профили автоматически, используя гибридный подход — точные ключи как основу и вероятностное сопоставление там, где данных для точного совпадения не хватает.
Как устроена платформа →Вопросы про объединение профилей клиентов
Что такое identity resolution простыми словами?
Процесс, который определяет, что заявка с сайта, звонок в поддержку и покупка в офлайн-точке принадлежат одному человеку, и сводит их в одну карточку.
Чем детерминированное сопоставление отличается от вероятностного?
Детерминированное — точное совпадение по ключу (email/телефон). Вероятностное — по похожести атрибутов, когда точного совпадения нет.
Можно ли объединять карточки вручную в Excel?
Да, для детерминированного сопоставления — сортировкой и проверкой. Вероятностное вручную почти не масштабируется.
Какой идентификатор надёжнее всего?
Email и телефон — для точного сопоставления. Cookie и device ID менее надёжны, могут меняться.
Продукт по теме
Похожие материалы
Источники
- DataFinder — «Управление идентификаторами и identity resolution» — цитаты проверены напрямую в HTML — datafinder.ru/solutions/sales/customer-data-platform/upravlenie-identifikatorami-i-identity-resolution
Материал — часть учебного курса по CDP/BI, а не отдельная новостная публикация с точной датой — использован как техническое описание метода, не как разовое исследование с цифрами.