规模化的身份图分析为广告技术代理客户带来更高的投资回报率
挑战
该代理公司成立于 2011 年，当时他们分析社交媒体上公开声明的位置信息。随着公司的发展，这种分析扩展到社交媒体之外的其他形式的声明性数据。但随着时间的推移，人们不仅使用越来越多的设备，而且在每个设备上执行不同的操作。而广告技术代理的原始产品并未针对跨所有设备识别消费者的场景进行优化。
“我们需要能够捕获来自多个设备的数据，并将其与单个个人相关联，”广告技术代理首席技术官说。
更具挑战性的是，数据片段不断变化，这是因为人们经常购买新设备并清除浏览器中的 Cookie。
作为一家为汽车、美容、娱乐等多个行业的众多大型公司定义和销售受众的公司，该代理公司需要找到一种方法来快速提供跨设备的洞察。
他们在 Neo4j 中找到了解决方案。
解决方案
广告技术代理现在依赖于一个包含 Neo4j、Node.js、Ruby、Go、Python、Hadoop、Apache Spark、BigQuery 和 MongoDB 的技术栈。当代理公司的身份图从设备接收到信号时，它会收集源设备和/或 Cookie ID，然后指向设备的所有者——用户。
然后，身份图查询设备及其关联的所有信号，并根据用户 ID 执行处理。然后，他们可以将受众数据导出到身份图中任何目标设备 ID，以供潜在的广告客户使用。
他们的身份图依赖于 Spirograph（一个内部 Ruby 应用程序）通过 Ruby 将数据插入或提取到 Neo4j 中进行通信，然后在 Hadoop、Spark 和 BigQuery 中进行处理。身份图还依赖于 Cerebro 将用户坐标转换为商业
下载案例研究
