Blog

Utilisation de la correspondance des données pour résoudre les problèmes de résolution d’identité

Les consommateurs interagissent avec une marque par le biais de centaines de points de contact sur des appareils, des plateformes et des canaux. Au cours du parcours de l’acheteur, les consommateurs utilisent 3 à 4 appareils connectés à l’internet. Et d’ici 2021, ce nombre devrait passer à 13 appareils. Cette augmentation exponentielle de l’utilisation des appareils indique également une augmentation soudaine des données. Cet afflux de données exige des organisations qu’elles mettent en place des stratégies de nettoyage des données appropriées afin que leurs données organisationnelles soient toujours actualisées, exactes et cohérentes.

Les entreprises recueillent ces données à partir de divers points de contact avec les consommateurs et les utilisent pour concevoir des expériences meilleures et personnalisées. Et si les données sont recueillies à l’aide de plusieurs systèmes disparates – ce qui est généralement le cas de nos jours – il devient crucial de procéder à la résolution d’identité ou d’entité.

Résolution d’identité : le processus de mise en relation de plusieurs enregistrements sur la base d' »identifiants uniques », de sorte que tous les enregistrements correspondants représentent un seul utilisateur/une seule entité.

Le processus de résolution d’identité produit une vue unique, précise et à 360 degrés de chaque entité, y compris tous ses enregistrements comportementaux, transactionnels et d’engagement reliés entre eux. Ainsi, vous êtes en mesure de comprendre l’ensemble de la portée de l’utilisateur, plutôt que d’essayer de donner un sens à des informations disparates.

Pourquoi votre organisation a-t-elle besoin de la résolution d’identité ?

Les organisations interprètent généralement mal l’importance réelle de la résolution des entités pour leur entreprise. Il ne s’agit pas seulement de s’adresser à un prospect/client avec son prénom correct dans un courriel. Il s’agit plutôt de franchir une nouvelle étape consciente pour mieux connaître votre prospect et concevoir des expériences personnalisées pour lui. Il s’agit d’identifier les schémas et les comportements associés à un utilisateur unique à travers différents systèmes d’engagement, et de les utiliser pour maximiser l’impact de la marque et la conversion des prospects.

Comme mentionné dans l’étude de Forrester : Votre programme d’identité est-il construit sur un château de cartes ? voici les cinq principales raisons de mettre en œuvre la résolution d’entités dans vos bases de données :

  1. Des profils plus complets de vos prospects, clients et clients potentiels, qui vous permettent de concevoir des expériences plus efficaces et personnalisées en fonction de leurs comportements et préférences.
  2. De meilleurs contrôles et une meilleure sécurité des données de votre organisation, qui vous permettent de suivre les normes et directives de conformité des données, telles que le GDPR, le CCPA et le HIPAA, etc.
  3. Opportunités de vente incitative et croisée de vos produits et services aux clients existants, et de façonner le parcours du client en proposant des recommandations pertinentes.
  4. Des mesures marketing plus précises et plus efficaces, telles que les pistes qualifiées, les taux de conversion des pistes, le retour sur investissement marketing, l’engagement des clients, etc.
  5. Des analyses de données améliorées qui donnent une vision précise, complète et cohérente de l’image, de la perception et de l’expérience de la marque.

Comment effectuer la résolution d’identité ?

Un processus de résolution d’identité met en relation trois types d’informations sur un individu :

Informations terrestres : il s’agit des coordonnées personnelles d’un utilisateur, telles que son nom, son adresse personnelle et professionnelle, son numéro de téléphone, etc.
Informations sur les appareils : il s’agit des données IP ou d’autres informations qui identifient de manière unique les appareils associés à un utilisateur.
Les informations numériques : impliquent les adresses électroniques, les profils de médias sociaux, les visites de sites web, les clics CTA, les téléchargements de ressources, etc.

Le processus de résolution d’identité comporte les cinq étapes suivantes :

Étape 1 : Identifier les variables qui représentent une entité :

Il s’agit d’identifier les différentes plateformes, canaux et appareils utilisés par une entité au cours de son parcours d’achat.

Étape 2 : Cartographier toutes les interactions avec les utilisateurs

Dans cette étape, les informations recueillies à l’étape 1 sont reliées entre elles pour construire les différentes interactions ou points de contact qu’un utilisateur a eus avec votre marque.

Étape 3 : Construire le parcours de l’acheteur grâce au rapprochement des données

Maintenant que vous avez identifié tous les points de contact d’un utilisateur, il est temps de relier les différentes interactions entre elles pour comprendre le parcours complet de l’acheteur. Cette étape vous oblige à effectuer un rapprochement des enregistrements de données de toutes ces interactions afin de pouvoir évaluer lesquelles appartiennent à la même entité.

Dans quelques cas, cette mise en correspondance des données est assez simple car il y a toujours une information qui est unique à chaque enregistrement, comme l’adresse électronique ou l’adresse IP. Mais en l’absence d’identifiants uniques, des algorithmes complexes de mise en correspondance des données doivent être mis en œuvre pour effectuer une correspondance phonétique, numérique ou floue.

Étape 4 : Valider les résultats appariés

Dans cette étape, vous devez vérifier que les interactions qui sont étiquetées comme appartenant au même individu semblent appropriées, et décider pour les interactions non appariées.

Étape 5 : Créer le disque d’or

Sur la base des résultats appariés et validés, vous pouvez maintenant créer un disque d’or maître qui sert de source unique de vérité et qui montre le parcours complet de vos prospects, clients et prospects. Cela devient le moteur de tous vos efforts de marketing et de vente, car cela donne une vue précise, correcte et cohérente des données.

Défis à surmonter lors de la résolution des entités

Le processus de résolution d’identité est assez simple. Mais les difficultés rencontrées lors de ces étapes sont multiples. Les défis les plus importants sont énumérés ci-dessous :

Identifiants uniques manquants, incomplets ou incohérents

Comme expliqué dans le processus ci-dessus, toutes les interactions de l’utilisateur sont reliées entre elles pour construire le parcours complet de l’acheteur. Cette opération est effectuée sur la base des champs de données qui identifient de manière unique l’entité, tels que l’adresse électronique, les informations IP de l’appareil, etc. Mais il est assez difficile de disposer d’identifiants uniques complets et cohérents dans tous vos ensembles de données provenant de divers systèmes d’engagement. Voici quelques scénarios qui doivent être résolus avant de pouvoir procéder à un rapprochement précis des données :

  1. Les identifiants uniques existent mais sont incomplets : cela se produit lorsque divers systèmes ne parviennent pas à saisir les champs de données d’identification unique pour certaines interactions avec l’utilisateur, pour une raison quelconque.
  2. Des identifiants uniques existent mais sont incohérents : cela se produit lorsque des données provenant de divers systèmes sont intégrées ensemble pour compléter le parcours de l’acheteur. Dans ce cas, vous avez des identifiants uniques dans chaque ensemble de données, mais ils ne sont pas les mêmes. Peut-être qu’une application utilise l’adresse électronique pour identifier un utilisateur, tandis que l’autre application utilise l’adresse IP.
  3. Lesidentifiants uniques n’existent pas du tout : dans ce cas, vous devez combiner différents champs pour identifier de manière unique une interaction. Par exemple, le champ du nom, ainsi que le téléphone ou l’adresse postale du contact, peuvent conférer un caractère unique à un enregistrement d’interaction avec un utilisateur.

Données non nettoyées et non normalisées

La mauvaise qualité des données est un autre problème courant associé à la résolution des entités. Pour que vos dossiers soient comparables et puissent être résolus pour former des entités, vous avez besoin de données propres et standardisées. Vous devez donc vous assurer que vos enregistrements de données contiennent des informations exactes, complètes, cohérentes, uniques, valides et à jour. Si vos enregistrements de données ne répondent pas à ces six dimensions critiques de la qualité des données, attendez-vous à ce que vos entités résolues aient des niveaux de précision très faibles.

Complexité de calcul

Lorsque l’on parle de résolution d’entités, cela signifie qu’il faut comparer des enregistrements de données pour évaluer quels enregistrements appartiennent à la même personne. Dans ce processus, chaque enregistrement de données doit être comparé à tous les autres enregistrements du même ensemble de données. Et comme la plupart des organisations utilisent plusieurs applications de données qui suivent les interactions des utilisateurs, un enregistrement unique est également comparé à tous les enregistrements présents dans plusieurs ensembles de données.

On s’attend à ce que la complexité de calcul de ces comparaisons croisse de façon quadratique avec la taille de la base de données. Cela indique que votre processus de résolution d’identité doit être réalisé à l’aide d’un système de données capable de supporter une puissance de calcul aussi complexe.

Réglage des algorithmes de mise en correspondance des enregistrements pour maximiser la précision.

Comme les algorithmes de mise en correspondance des données doivent être réglés pour obtenir une précision maximale sur un ensemble de données donné, c’est un défi de taille que de s’assurer que le nombre de faux positifs et de faux négatifs est le plus faible possible avec vos variables réglées.

L’une des principales difficultés liées à la résolution des entités est la quantité d’efforts à fournir pour examiner manuellement chaque enregistrement classé de manière incorrecte ou non apparié. Les méthodes traditionnelles de rapprochement des données, qui reposent uniquement sur des algorithmes déterministes, ne contribuent guère à soulager les entreprises de ce dilemme. De plus, ils ne permettent pas un réglage fin facile, ce qui rend difficile pour l’utilisateur d’obtenir des résultats réellement optimisés.

Utilisation d’un moteur de nettoyage et de rapprochement des données en libre-service pour la résolution d’identité

Nous avons examiné l’ensemble du processus de résolution d’identité ainsi que les défis habituellement rencontrés lors de sa mise en œuvre. Plusieurs solutions et systèmes peuvent être utilisés pour surmonter ces difficultés, mais la décision la plus judicieuse est d’adapter un outil automatisé en libre-service qui effectue les différentes étapes du profilage, du nettoyage, de la mise en correspondance, de la déduplication et de la fusion des données, le tout sur une seule et même plateforme.

Le rapprochement des données fait partie du cadre de gestion de la qualité des données de DataMatch Enterprise qui permet aux utilisateurs de rapprocher, de fusionner et de déduire les enregistrements de plusieurs sources de données. Ce qui rend DME unique, c’est sa capacité à permettre la connexion simultanée de plusieurs sources de données pour une mise en correspondance de toutes les sources de données.

Fondé sur des algorithmes intelligents d’apprentissage automatique, DataMatch Enterprise de Data Ladder affiche un taux de précision de 95 à 100 %, car il utilise plusieurs algorithmes à la fois pour évaluer les modèles de données en vue d’éventuelles correspondances. Le logiciel permet également d’affiner les correspondances, offrant à l’utilisateur des possibilités illimitées d’affiner les données.

Comment fonctionnent les meilleures solutions de correspondance floue de leur catégorie : Combinaison d’algorithmes établis et exclusifs


Télécharger

Résolution d’identité pour les institutions gouvernementales et du secteur public

Lisez ce livre blanc pour voir comment nous avons aidé des institutions gouvernementales et publiques à gérer les défis de la résolution d’identité grâce à notre solution robuste.


Télécharger

In this blog, you will find:

Try data matching today

No credit card required

« * » indique les champs nécessaires

Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Ce champ n’est utilisé qu’à des fins de validation et devrait rester inchangé.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Aïe ! Nous n’avons pas retrouvé votre formulaire.