アイデンティティグラフとは？CDPにおける仕組みと構築方法

アイデンティティグラフとは、メールアドレス、電話番号、デバイスID、Cookie ID、会員番号、CRMのレコードといった、ある一人の人物に紐づく識別子をすべて対応づけ、どのレコードが同一人物のものかを判定するデータ構造である。 識別子の一つひとつがノード、2つの識別子のあいだで確認されたつながりがエッジにあたり、エッジでつながったノードのまとまり（クラスタ）が一人の人物を表す。どの識別子が一致するかを決めるのはグラフであり、その判定を一人の顧客像として読める形にまとめたものが統合プロファイルである。

名寄せはアイデンティティグラフを構築し維持するプロセスであり、グラフはその成果物にあたる。CDP（カスタマーデータプラットフォーム）では、グラフが顧客データの統合を支え、Customer 360ビューの基盤になる。匿名の閲覧行動と既知の顧客を、チャネル、デバイス、接点をまたいで結び付けているのがグラフだからである。

一人の顧客と5つの識別子で見るアイデンティティグラフの例

散らばった識別子をグラフが一人の人物にまとめる過程を、具体例で追う。ある顧客が1か月のあいだに、5つのシステムで5つの識別子を残したとする。

4つ目の行動を終えた時点で、グラフにはメールアドレスを軸とする5つの識別子のクラスタが一つでき、どの識別子も確信度の高い確定的なエッジで結ばれている。5つ目の行動が加えるのは確率的なエッジである。ノートPCのCookieがクラスタに加わるのは、0.82というスコアが、企業が用途ごとに定めたしきい値を超えた場合に限られる。広告配信なら受け入れてよいかもしれないが、同意の扱いに慎重さが求められるサービスメールでは受け入れるべきではない。つながっているという事実だけでなく、確信度スコアと根拠をすべてのエッジに保持しておくグラフが優れているのは、この判断を用途ごとに下せるからである。

アイデンティティグラフの仕組み

アイデンティティグラフは、複数のソースから届く識別子を継続的に取り込み、それが既存の人物のものか、新しい人物のものかを評価し続ける。

識別子の収集が出発点になる。顧客とのやり取りは、そのつど識別子を生み出す。Webサイトの訪問はCookie IDを、購入はメールアドレスに紐づく取引IDを、アプリのセッションはデバイスIDを、問い合わせの電話は電話番号を残す。グラフはこれらを取得可能なすべてのソースから集め、ノードとして保持する。

つながりの生成は、同一人物に属する識別子どうしを結ぶ処理である。顧客がスマートフォンからWebサイトにログインすれば、そのデバイスIDと認証に使われたメールアドレスを結び付けられる。同じメールアドレスで後日購入があれば、その取引データは既存のプロファイルにつながる。やり取りが積み重なるほど、識別子どうしの結び付きは密になっていく。

プロファイルの統合は、結び付いた識別子に紐づくデータを一つの顧客プロファイルへまとめる処理である。あるCookie、メールアドレス、デバイスIDが同一人物を指すと判定されれば、閲覧履歴、購買履歴、メールへの反応、アプリの利用状況といった行動データが一つに集約される。

グラフの保守は、時間の経過による精度の低下を防ぐ。メールアドレスや端末の追加、誤って統合されたプロファイルの分離、Cookieの失効や端末の譲渡に伴う識別子の扱い、新しいデータソースの追加のたびに、グラフは更新される。保守を止めたグラフは、統合の誤りを抱えたまま古びていく。

識別子を結び付ける3つの判定方法

アイデンティティグラフは、異なる識別子が同一人物のものかどうかを、3つの方法で判定する。

確定的マッチングは、検証済みの完全一致にもとづいて識別子を結ぶ。同じメールアドレスでノートPCとスマートフォンの双方からログインがあれば、その2つのデバイスIDは同一人物のものだと判定できる。ログイン、フォーム送信、連絡先が確認された購入といった認証を伴うイベントが根拠になるため精度は100%に近いが、認証が発生するまで匿名の識別子を既知のプロファイルへつなげられない。

確率的マッチングは、確実な根拠がない場合に、統計モデルと機械学習で結び付きを推定する。IPアドレス、ブラウザの構成、位置情報の傾向、行動の類似性、時間帯の相関といったシグナルから、2つの識別子が同一人物に属する確率を見積もる。同じIPアドレスから同じ時間帯に同じアカウントへアクセスするノートPCとスマートフォンであれば、共通のログインがなくても高い確信度スコアが付く。

推移的マッチングは、直接の根拠ではなく、既存のつながりの連鎖から結び付きを導く。識別子AとBが高い確信度で結ばれ、BとCも別途結ばれていれば、AとCの間に直接の一致がなくても同一人物と推定できる。個別の一致をひとまとまりのプロファイルへ育てるのはこの処理だが、同時にリスクも集中する。連鎖のどこか一箇所が誤っていれば、無関係な人物が一つのプロファイルに統合されてしまう。

実運用のアイデンティティグラフは、この3つを組み合わせる。確定的マッチングが高い確信度の骨格を作り、確率的マッチングが認証のない識別子まで対象を広げ、推移的マッチングがそれらをより大きなまとまりへつなぐ。条件になるのは、各段階で確信度スコアを保持しておくことだ。下流のシステムが、マッチングの質に応じて扱いを変えられるからである。

ファーストパーティデータとアイデンティティグラフ

アイデンティティグラフは2つの軸で分類できる。誰がグラフを構築し所有するかという軸と、一つのクラスタが何を単位とするかという軸である。グラフを選ぶときに効くのは所有の軸のほうだ。マッチングのロジックを誰が握り、個人を特定できる情報がどこに置かれるかが、この軸で決まるからである。

ファーストパーティのアイデンティティグラフは、ログイン、購買、ロイヤルティプログラムへの登録といった自社の顧客データを、自社の環境またはCDPの中で結び付けたものである。サードパーティのアイデンティティグラフは、外部のデータ事業者が多数の企業から識別子を集めて構築し、マッチング結果を各ブランドにライセンス提供する。LiveRampのRampID、Experianのデジタルグラフ（クロスデバイスの識別を手がけていたTapadを統合した）、Neustarの買収を土台にしたTransUnionのグラフがその例である。サードパーティのグラフは主に広告の用途で自社の顧客基盤の外まで到達範囲を広げるが、マッチングのロジックも元データもブランドの手元にはない。

多くの大企業は両方を併用している。顧客プロファイルを持つのはファーストパーティのグラフであり、ペイドメディアでの到達範囲はサードパーティのグラフやデータオンボーディングのサービスで広げる。

もう一方のエンティティの軸では、標準的なグラフは識別子を人物の単位でまとめる。ただし同じ構造で、世帯（住所や動画配信サービスのアカウントを共有する人々。重複した接触の抑制や世帯単位の効果測定に使う）や、B2Bのアカウント（担当者を所属企業に紐づけたもの。アカウントベースドマーケティングに使う）もモデル化できる。

同意にもとづく認証済みデータで構築したファーストパーティのグラフは、サイトを横断した追跡に依存するグラフよりも長く使え、精度が高く、規制にも適合しやすい。ChromeがサードパーティCookieを維持したことは、この結論を変えない。Googleは2025年4月に現行の方針を維持すると表明したが、SafariとFirefoxはサードパーティCookieをブロックしており、プライバシー規制も厳しくなり続けているからである。会員登録、ロイヤルティプログラムへの加入、アプリのインストールなど、認証を伴うやり取りを増やせる企業ほど確定的なシグナルが集まり、ファーストパーティデータにもとづくグラフの精度は上がる。プレファレンスセンターやアンケートで得られるゼロパーティデータは、顧客が自ら申告した属性としてグラフを補強する。

アイデンティティグラフに含まれる個人を特定できる情報（PII）の保護は、グラフを作ることと同じ重みを持つ。識別子を一つ結ぶたびに個人の像は詳細になり、その分だけ漏洩時の被害と、日本の個人情報保護法やGDPR・CCPAのもとでの義務は大きくなる。日本では、提供元では個人情報に当たらない識別子（Cookie IDなど）であっても、提供先で個人データとして取得されることが想定される第三者提供には個人関連情報の規律（個人情報保護法第31条）がかかり、提供元はあらかじめ本人の同意が得られていることを確認しなければならない。顧客が同意を撤回した場合、その撤回は統合済みのプロファイルに紐づくすべての識別子へ伝播させなければならない。実装の手順は、CDPのアイデンティティグラフで名寄せとプライバシー対応を両立させる方法にまとめている。

CDPはアイデンティティグラフをどう構築するか

CDPにとってアイデンティティグラフは中核の構成要素であり、その作り込みの差がそのままプロファイルの質の差になる。

顧客がメール内のリンクをクリックしてサイトに着地したとき、グラフをリアルタイムで更新するCDPは、次のバッチ処理を待たずにそのメールへの反応と直後の閲覧セッションを結び付ける。同じ判定をマーケティングの各チャネル、カスタマーサポート、店舗のPOS、モバイルアプリ、Webへ広げれば、店舗のロイヤルティカード、オンラインの会員アカウント、アプリのプロファイル、メールアドレスが一つの顧客像にまとまり、チャネルによらず一貫したパーソナライズができる。

難しいのは統合の判断のほうである。グラフは、別々の2つのプロファイルを統合すべきだ、あるいは統合済みのプロファイルを分割すべきだと示唆することがある。典型的な失敗は、家族が一台の端末を共有している場合だ。そのため高度なCDPは、統合の確信度を機械学習でスコア化し、判断が割れる候補は自動で統合せず確認対象として提示する。この判定は、膨大なデータ量の上でも成立させる必要がある。エンタープライズのアイデンティティグラフは数十億のノードと数兆のエッジに達することがあり、リアルタイムのパーソナライズやアクティベーションを支えるには、その規模のグラフへのクエリにサブ秒（1秒未満）で応答する必要がある。

AI時代のアイデンティティグラフ

AIによるパーソナライズとエージェンティックマーケティングが顧客接点の中心に移るにつれ、アイデンティティグラフの役割は重くなる。AIエージェントは、目の前の相手が誰で、これまで各チャネルで何をしてきたかを踏まえて次の行動を選ぶ。その前提になるのが、正確でリアルタイムに更新されるグラフである。

グラフが不完全であれば、エージェントに見えている顧客像も断片的なものになる。見当違いの推奨や、重複した接触、逃した機会は、そこから生まれる。AIが提供する体験の質は、アイデンティティグラフの質を上限とする。

グラフとAI意思決定、アクティベーションを同一のプラットフォームに置くCDPでは、エージェントが顧客とやり取りしながらグラフを参照し、その結果を即座に書き戻せる。エンゲージメントの結果が次の判断の入力へ戻るこのクローズドループが、継続的な学習と最適化を成り立たせる。

アイデンティティグラフでよく起きる5つの失敗

アイデンティティグラフの不具合は、エラーとして表に出ない。誤った統合は例外を投げず、見た目には完成したプロファイルを残す。表面化するのは後になってからで、別人宛てに届いたメッセージ、効かなかった配信の除外、レコードの半分を取りこぼした削除の対応として現れる。次の5つは繰り返し起きるものであり、設計の段階から手を打てる。

共有された識別子による過剰統合。 企業のオフィスがNATで変換して外に出すIPアドレス、店舗の共用端末、世帯で共有している動画配信サービスのログイン。こうした識別子が一つハブになると、推移的マッチングはそこを経由して連鎖し、実在する複数の人物を一つのプロファイルにまとめてしまう。個々の判定はどれも妥当なので、グラフ自身は高い確信度を示す。その裏で、プロファイルは3人分の購買履歴と、互いに矛盾する嗜好を抱え込んでいる。対策は、連鎖の深さに上限を設け、共有されうると分類した識別子は経由させず、まとまりが一定の規模を超える統合には確定的マッチングによる裏づけを求めることである。

一度張ったまま失効しないエッジ。 識別子は持ち主が変わる。電話番号は再割り当てされ、端末は中古で売られ、Cookieは失効し、勤務先のメールアドレスは退職とともに別の従業員のものになる。エッジを足すだけで外さないグラフでは、かつては正しかった結び付きが積み上がり、その一本ごとに他人の行動がプロファイルへ流れ込む。対策は、すべてのエッジに根拠の種類と日付を持たせ、確認のないまま時間が経ったエッジは確信度を下げ、次に認証を伴うイベントが起きた時点で張り直すことである。最初の一致を、期限のない事実として扱わない。

グラフの外に置かれた同意。 同意をアクティベーションの層でしか適用していないと、グラフは先に統合し、使ってよいかどうかを後から確かめる順序になる。ある同意の状態のもとで集めたデータが、別の状態が適用されるプロファイルへ吸い込まれ、撤回を受け付けてもチャネルが止まるだけで、その撤回を生んだ結合自体は残る。規制業種では、この二つの処理のどちらが先かが監査で問われる。対策は、同意の状態と適用される法域を識別子ノードの属性として保持し、プロファイルを組み立てる時点とアクティベーションの時点の双方で、その属性を条件として評価することである。同一人物かどうかの判定そのものを同意の状態で変える、という意味ではない。誰であるかの判定と、そのデータを結合して使ってよいかの判断は別の問いであり、後者を後段のフィルタに委ねないということである。

正規化されていない識別子による断片化。 逆向きの失敗もある。同じ人物のメールアドレスがUSER@Example.com、user@example.com、user+shop@example.comの三通りで届けば、プロファイルは三つに分かれたまま残る。電話番号の国番号や区切り文字が揃っていない場合も同じである。これはマッチングのアルゴリズムでは取り返せないデータ品質の問題であり、プロファイルの件数を水増ししながら、断片の一つひとつからは履歴を奪う。対策は、マッチングの処理に入る前、取り込みの時点で識別子を正規化し、大文字小文字を揃え、ハッシュ化しておくことである。

統合の判断が後から追えない。 現在の状態しか保持しないグラフは、なぜ二つのレコードが一つになっているのかを説明できない。誤った統合をほどくのはほとんど不可能になり、保有個人データの開示の請求にも確信を持って答えられなくなる。アイデンティティのデータリネージは報告のための飾りではなく、まとまりを手作業で組み直さずに誤った一致だけを取り消すための条件である。対策は、統合と分割のたびに、適用したルール、根拠、日時を監査ログに残し、その履歴をプロファイルが存在するかぎり照会できる状態で保つことである。

FAQ

アイデンティティグラフと名寄せの違いは何か

アイデンティティグラフはデータ構造であり、名寄せはそれを構築し維持するプロセスである。 グラフは識別子とその結び付きの地図であり、一人ひとりの顧客を表す。名寄せは、マッチングのアルゴリズム（確定的マッチングと確率的マッチング）、プロファイルの統合と分割のルール、識別子の結び付きの継続的な保守までを含む。グラフが成果物、名寄せがそれを生み出し更新する工程にあたる。

確定的マッチングと確率的マッチングはどう違うのか

確定的マッチングは検証済みの完全一致で識別子を結び、確率的マッチングは統計的なシグナルから結び付きを推定する。 ログインに使われた共通のメールアドレスは確定的マッチングの根拠になり、ほぼ確実だが、認証を伴うイベントがなければ結び付けられない。確率的マッチングはIPアドレス、デバイスの特性、行動をスコア化するため、不確実さと引き換えに対象範囲が広がる。多くのグラフは確定的なつながりを骨格とし、確信度スコアのしきい値で絞り込んだ確率的なつながりで対象を広げる。

アイデンティティグラフは世帯やB2Bアカウントにも使えるのか

使える。個人の識別子だけでなく、世帯やビジネスアカウントを単位としたグラフも構築できる。 世帯グラフは同じ住所を共有する家族をまとめ、同一世帯への重複したオファーの抑制や世帯単位の支出分析を可能にする。アカウントグラフは複数の担当者を一つの企業に紐づけ、B2Bでのアカウント単位のエンゲージメント追跡を支える。保険契約と契約者、車両と運転者といった業界固有の関係をモデル化するカスタムエンティティグラフもある。

主なサードパーティのアイデンティティグラフにはどのようなものがあるか

よく知られたサードパーティのアイデンティティグラフは、LiveRamp（RampID）、Experian（Tapadを含む）、TransUnion（Neustarを含む）、Epsilonといったデータ事業者やアドテク企業が提供している。 多数の企業から識別子を集め、主にオーディエンスのオンボーディング、広告ターゲティング、効果測定の用途でマッチング結果をブランドにライセンス提供する。ファーストパーティのグラフの代わりではなく、補完である。顧客プロファイルは自社のグラフが持ち、これらはペイドメディアでの到達範囲を広げる。

Related Terms

• Entity Resolution：アイデンティティグラフが顧客の識別子に適用している、より広いマッチングの考え方
• Golden Record：一致したレコードをグラフが統合した結果として残る、唯一の正となるプロファイル
• データガバナンス：グラフ内のデータの正確性とコンプライアンスを保つための方針と統制
• Real-Time CDP：届いたイベントをミリ秒単位でグラフへ反映するCDPのアーキテクチャ
• 同意管理：どの識別子をグラフ内で結び付けてよいかを決める、同意の記録と反映の仕組み

この記事は他の言語でも読めます： What Is an Identity Graph? Types & Worked Example