随着移动使用量的增加和 cookie 的计划淘汰，收集跨设备一致性数据已成为一项重大技术挑战。 Cookies 不允许收集应用内数据或跨多个设备（移动设备、平板电脑、台式机）甚至跨同一设备上的多个浏览器跟踪用户。此外，越来越多的互联网用户屏蔽（广告拦截）或删除 cookie，从而减少了其覆盖范围。目前，各方参与者正在研究“确定性”和“概率性”方法发生冲突的新技术。在第一种情况下，我们将使用与客户帐户的连接为每个登录的新设备分配一个唯一的 ID；这是一个非常可靠的方法，但是它只能覆盖网站一小部分的受众。在第二种情况下，我们将随着时间的推移为每台设备创建一个独特且稳定的“指纹”（以便即使没有它的 cookie 也可以通过数百个其他参 科特迪瓦 WhatsApp 号码数据 数识别它），然后我们将使用各种观察结果（地理位置、行为等）以概率的方式将设备相互关联并将它们链接到用户。这种方法仍然根据参与者提供不同程度的可靠性，但看起来很有前景。跨设备跟踪 - 确定性和概率方法
来源：MediaMath – 数据性能峰会
一些利益相关者还通过解释其内部用于媒体活动细分和定位的做法，分享了他们对数据激活和利用主题的反馈。这里我们将提到 Meetic 和 Europcar 的例子。例如，Meetic 主要使用专有数据，首先将其自己的客户排除在其获取数据库之外，而且还通过其各种渠道向潜在客户发送相关信息。然后专门针对六个不同的细分市场，包括需要重新激活的“非活跃用户”或正在尝试保留的接近流失的客户。 Europcar 本质上是通过 CRM 数据和采集数据的交叉引用来按照以客户为中心的逻辑推动其服务。这种方法使他们获得了令人鼓舞的结果：点击率 (CTR) 提高了两倍，电子邮件和展示的转化率提高了 37%。