Für Unternehmen bedeutet jeder Kontakt, der über ein neues Gerät stattfindet – solange keine weiteren Informationen vorliegen –, dass es sich hierbei um einen neuen Nutzer handelt. Um ihr Werbebudget sinnvoll zu attribuieren, müssen Werbetreibende daher möglichst alle Werbekontakte einzelnen Nutzern zuordnen können.

An dieser Stelle kommt der Device Graph ins Spiel. Hiermit werden die verschiedenen Geräte (Devices), die ein Nutzer verwendet, zusammengeführt und dem anonymen Nutzer in Form einer übergeordneten ID zugeordnet. So wird die geräteübergreifende Nutzung erkennbar. Möglich wird das durch die Verknüpfung von verschiedenen Identifikatoren. Diese unterscheiden sich je nach Device. Auf Smartphones und Tablets können zum Beispiel mit der Mobile Advertising ID (MAID) eine persistente Identifikation ausgelesen werden. Im Desktop-Bereich dient der Cookie als ID, ist jedoch vergänglicher als die MAID. Cookies “überleben” häufig nicht lange – nicht zuletzt durch strikte Browser-Einstellungen, die regelmäßig zu Löschung führen. Der Device Graph mit einer übergordneten ID ist damit der Schlüssel zur Multiscreen-Werbeumsetzung.

Mit einem Device Graph wird es Werbetreibenden möglich, ihre Botschaften geräteübergreifend auf jeden Nutzer zuzuschneiden und dadurch ihr Werbebudget gezielter und mit weniger Streuverlusten einsetzen. Ziel ist es, sicherzustellen, dass Kunden mit ihren Inhalten optimal interagieren können, unabhängig davon, wie oft sie das Gerät wechseln.

Auf Publisher-Seite machen Amazon, Spotify, Netflix und andere Top-Streaming-Dienste bereits vor, wie geräteübergreifende Personalisierung aussehen kann. Mittels Device Graphen ist es ihnen gelungen, die Vorlieben ihrer Benutzer besser zu verstehen, entsprechende Empfehlungen abzugeben und eine nahtlose Kommunikation über alle Geräte hinweg anzubieten.

Für Advertiser hat ein Device Graph gleich mehrere Vorteile:

Publisher profitieren durch:

Man unterscheidet zwei Methoden, wie ein Device Graph aufgebaut sein kann: deterministisch und probabilistisch. Die beiden Verfahren können sich ergänzen, um zum Ziel zu gelangen. Deterministische Verfahren nutzen gesicherte Informationen, um die verschiedenen Geräte einem Nutzer zuzuordnen. Das passiert meist über ein Login via E-Mail-Adresse. Unter anderem setzen Facebook und Google auf diese Art von Device Graphen, aber auch Retargeting-Spezialist Criteo verfügt durch seine Datenbank aus teilnehmenden Online-Shops auf einen deterministischen Device Graph. Diese Methode ist zwar genau, aber nicht so gut skalierbar wie eine probabilistische Zuordnung.

Der probabilistische Device Graph enthält keine klaren Login-Daten, sondern erstellt geräteübergreifende Nutzerprofile auf Grund eines „educated guess“. Dafür werden Daten wie IP-Adressen, WLAN-Netzwerk, Location, Gerätetyp oder Betriebssystem beziehungsweise eine Mischung davon analysiert und zusammengeführt. Sie sind zwar weniger genau, benötigen jedoch keine große Login-Datenbank. Dafür können Werbetreibende ihre Botschaften auch über die eigene Nutzerbasis hinweg personalisieren. Gleichzeitig geben sie im Vergleich zum deterministischen Device Graph Transparenz auf – meist haben sie keinen Zugang zu den verwendeten Matching-Methoden und Algorithmen der Anbieter.

Grundsätzlich benötigen beide Arten der Device Graphen die Einwilligung des Nutzers. Denn gemäß der DSGVO muss zur Verarbeitung von personenbezogene Daten – dazu zählen auch IP-Adressen und Cookies – ein Consent vorliegen.