大规模身份图分析为广告科技机构客户带来更高投资回报率

挑战

该机构成立于2011年，当时他们分析社交媒体上公开声明的位置信息。
随着公司发展，这种分析扩展到社交媒体之外的其他声明性数据形式。
但随着时间的推移，人们不仅使用更多的设备，还在每台设备上执行不同的操作。

这家广告科技机构最初的产品并未针对在所有设备上识别消费者进行优化。
“我们需要能够从多个设备捕获数据并将其与单个个体关联起来，”
该广告科技机构的首席技术官说道。

更具挑战性的是，数据片段不断变化，这是因为人们频繁购买新设备并清除
浏览器中的 Cookie。

作为一家为汽车、美容、娱乐等多个行业的大公司定义和销售受众的公司，
该机构需要找到一种快速提供跨设备洞察力的方法。
他们找到了 Neo4j 解决方案。

解决方案
该广告科技机构现在依赖于包括 Neo4j、Node.js、Ruby、Go、Python、Hadoop、
Apache Spark、BigQuery 和 MongoDB 在内的技术栈。

当该机构的身份图谱从设备接收到信号时，它会收集原始设备和/或Cookie ID，

然后指向设备所有者——即用户。

身份图谱随后查询该设备及其所有关联信号，并基于用户ID执行处理。
然后，他们可以将受众数据导出到身份图谱中的任何目标设备ID，供潜在广告商使用。

他们的身份图谱依赖 Spirograph（一个内部 Ruby 应用程序）与 Neo4j 通信，
通过 Ruby 将数据插入或从图谱中提取数据，然后在 Hadoop、Spark 和 BigQuery 中进行处理。

身份图谱还依赖 Cerebro 将用户坐标转换为商业
行业
专业服务

全球
探索更多
巴斯夫公司 (BASF SE) 利用 Neo4j 改造全球价值链分析
阅读案例研究