Кросс-девайс таргетинг

Кросс-девайс таргетинг (также кросс-устройственный таргетинг, cross-device targeting) - это технология идентификации и охвата 1 и того же пользователя на всех его цифровых устройствах (смартфоне, планшете, ноутбуке, десктопе, Smart TV и других) для показа релевантной рекламы и корректного измерения результатов кампаний.

Для маркетолога внедрение кросс-девайс таргетинга является критически важным условием эффективности рекламы в современном мире. Современный потребитель не использует одно устройство для принятия решения о покупке: он может увидеть рекламу на смартфоне по пути на работу, изучить отзывы с рабочего ноутбука и совершить покупку вечером с планшета. Если рекламная система не видит эту связь, 1 пользователь учитывается как 3 разных, что приводит к раздуванию бюджета, некорректной частоте показов и искажению данных в аналитике.

Почему кросс-девайс таргетинг стал необходимостью

Мультиустройство как новая реальность

Среднее домохозяйство в США сегодня владеет 17 подключенными к интернету устройствами. Пользователи бесшовно переключаются между экранами в течение дня и на разных этапах воронки продаж. Исследования показывают, что от 30% до 50% всех конверсий включают в себя использование нескольких устройств, а 46% покупателей исследуют товары на мобильных устройствах, но предпочитают совершать покупку с десктопа из-за удобства заполнения форм.

Игнорирование этого факта приводит к тому, что данные об эффективности каналов могут быть искажены на 40% и более, так как топ-каналы воронки] (например, охватная реклама на смартфонах) не получают должной оценки своего вклада в итоговую продажу на другом устройстве.

Крах cookie и эра приватности

Традиционные методы отслеживания, основанные на сторонних (third-party) cookie, перестают быть надежным фундаментом для кросс-девайс решений. Браузеры, такие как Safari (с ITP) и Firefox, уже давно ограничили их работу. Эволюция подхода Google к сторонним cookie также привела к тому, что они больше не могут служить универсальным идентификатором. В этих условиях любые серьезные стратегии кросс-девайс таргетинга должны строиться на более устойчивых сигналах, таких как собственные (first-party) данные и идентификаторы, полученные с согласия пользователя.

Методы идентификации: Детерминированный и Вероятностный подходы

В основе кросс-девайс таргетинга лежит построение "графа устройств" (device graph) - базы данных, связывающей различные устройства с одним человеком или домохозяйством. Для построения таких графов используются 2 основных метода.

Детерминированный метод (Deterministic Matching)

Этот метод считается "золотым стандартом". Он связывает устройства на основе точных, неоспоримых идентификаторов, которые пользователь предоставляет осознанно. Самым распространенным таким идентификатором является адрес электронной почты или номер телефона, используемый для входа в аккаунт.

Как это работает: Пользователь входит в 1 и тот же сервис (например, Google, Яндекс, Apple ID) на своем смартфоне, планшете и ноутбуке. Система достоверно "понимает", что все эти устройства принадлежат одному человеку.

• Точность: Очень высокая (до 80-90%).
• Где применяется: В экосистемах крупных игроков (Google, Meta*, VK, Яндекс), в мобильных приложениях, требующих авторизации, на сайтах с обязательной подпиской или в программах лояльности.
• Недостатки: Работает только для авторизованных пользователей, что составляет менее 30% от всей аудитории в открытом вебе. Это ограничивает охват.

*принадлежит Meta, деятельность которой признана экстремистской и запрещена на территории РФ.

Вероятностный метод (Probabilistic Matching)

Этот метод используется для заполнения пробелов там, где нет данных о входе в аккаунт. Он основан на статистическом моделировании и алгоритмах машинного обучения, которые анализируют огромные массивы обезличенных данных, чтобы сделать предположение о том, что несколько устройств принадлежат одному человеку.

Анализируемые сигналы:

• 1 и тот же IP-адрес (особенно если устройства используют общую Wi-Fi-сеть).
• Совпадение или близость геолокационных данных.
• Тип и версия браузера, операционная система, разрешение экрана (цифровой отпечаток).
• Поведенческие паттерны: время активности, интересы, история просмотров.

• Точность: Ниже, чем у детерминированного метода. Возможны ложные срабатывания (например, связывание устройств членов одной семьи).
• Где применяется: Для расширения охвата на неавторизованную аудиторию, для сбора данных о ранних этапах воронки (pre-conversion tracking).
• Недостатки: Зависит от качества данных и алгоритмов, требует осторожности в строго регулируемых категориях.

В современных рекламных технологиях используется гибридный подход: детерминированные связи формируют ядро графа, а вероятностные методы достраивают его для масштабирования охвата.

Графы устройств и графы домохозяйств

Стратегия идентификации часто зависит от типа устройства. Для Connected TV (CTV) и "умных" колонок наиболее естественным является работа на уровне домохозяйства, так как эти устройства, как правило, являются общими для всей семьи. Поэтому современные identity-решения часто строят не просто "граф устройств" 1 человека, а "граф домохозяйств" (household graph), что особенно актуально для производителей товаров семейного потребления (FMCG) и автомобилей.

Практические преимущества кросс-девайс таргетинга

Единый пользовательский опыт

Кросс-девайс таргетинг позволяет выстраивать последовательную коммуникацию, соответствующую этапу воронки. Например: на CTV пользователь видит имиджевый ролик о новом автомобиле, на смартфоне ему показывается более короткий ролик с акцентом на акцию, а на десктопе - реклама с призывом записаться на тест-драйв. Это повышает эффективность сообщения и лояльность к бренду.

Точное управление частотой

Покупка рекламы на уровне отдельных устройств (девайсов) неизбежно приводит к "переспамливанию" 1 и того же пользователя на разных экранах. Это ухудшает пользовательский опыт и является основной причиной жалоб на назойливую рекламу. Кросс-девайс контроль частоты (frequency capping) позволяет установить лимит показов для человека, а не для его смартфона, что повышает эффективность расходования бюджета и комфорт аудитории.

Корректная атрибуция

Кросс-девайс атрибуция решает проблему фрагментированных данных. Она позволяет увидеть полный путь клиента и справедливо распределить ценность каждого касания. Без нее маркетолог рискует "переливать" бюджет в нижние каналы воронки (например, ретаргетинг), считая их самыми эффективными, в то время как реальный вклад в продажу внесла охватная кампания на другом устройстве.

Оценка эффективности контента

Понимание кросс-девайс пути позволяет маркетологу корректно оценивать, какой именно контент на каком этапе работает лучше. Например, можно увидеть, что короткие видео в TikTok эффективно запускают интерес (верх воронки), а подробные обзоры на YouTube закрепляют решение о покупке (середина воронки) даже если финальная конверсия происходит на сайте с компьютера.

Будущее и ограничения

Идеального кросс-девайс таргетинга достичь невозможно - можно только постоянно улучшать его точность. Основным ограничением и вектором развития являются законы о конфиденциальности (GDPR, CCPA, 152-ФЗ) и политика платформ. Ключевым трендом является переход от идентификации личности к анализу поведенческих сигналов с прозрачным управлением согласием. Пользователи готовы делиться данными в обмен на реальную ценность - релевантные предложения и удобный опыт, и именно на этом строится устойчивая стратегия сбора first-party данных.

Связанные термины

• Programmatic-реклама
• Атрибуция
• Ретаргетинг
• First-party data
• DMP
• Cookies
• Медийная реклама
• Сквозная аналитика