Cookieless не убил таргетинг: как сравнивать ID-решения без маркетингового шума

Cookieless не убил таргетинг: как сравнивать ID-решения без маркетингового шума

Когда third-party cookies проседают, DSP не «теряет таргетинг» — она меняет точку привязки. Давайте заглянем под капот алгоритма: альтернативные ID-решения полезны только там, где есть связка между deterministic match, объёмом graph'а и качеством signal hygiene. Если вендор обещает охват, но не раскрывает match rate, TTL и долю адресуемого инвентаря, это не технология, а упаковка.

Сравнивать такие решения нужно по 5 параметрам:
— глубина графа: сколько реально связок между устройствами, почтами, логинами;
— устойчивость ID: как быстро он «схлопывается» и что происходит при потере сигнала;
— coverage по DSP: где ID распознаётся нативно, а где проходит через кривые маппинги;
— privacy model: есть ли clean room, hash-пайплайн, контроль consent;
— SPO-эффект: не уводит ли ID в более дорогой и менее прозрачный supply path.

Что там по прозрачности аукциона? Самая частая ловушка — путать идентификацию с качественным таргетингом. ID может поднять bid response, но одновременно ухудшить win rate, если он используется как универсальная «склейка» без контекстуальной опоры. В нормальной схеме ID-слой дополняет first-party data, сегменты по поведению и contextual, а не заменяет их.

Практика простая: тестируйте ID-решение не по CPM и не по заявленному reach, а по post-bid качеству — viewability, IVT, конверсии на длинной дистанции и стабильности frequency capping. Если платформа не показывает, где именно возникает match, и прячет логи за общими графиками, где здесь скрытая маржа вендора?