AI के साथ Identity Resolution: रिटेल टारगेटिंग साफ़ करें

डिजिटल विज्ञापन में सबसे बड़ा भ्रम क्रिएटिव या बजट नहीं है—पहचान (identity) है। एक ही ग्राहक कभी मोबाइल ऐप में दिखता है, कभी ब्राउज़र में, कभी CTV पर, और कभी किसी “वॉल्ड गार्डन” के भीतर। नतीजा? टारगेटिंग टूटती है, फ्रीक्वेंसी कैप बिगड़ती है, और मापन (measurement) पर भरोसा कम होता जाता है। Digiday/IntentIQ की इंडस्ट्री रिपोर्ट में 91 ब्रांड, एजेंसियों, पब्लिशर्स और रिटेलर्स से पूछे गए सर्वे में सिर्फ 21% लोग ही “बहुत कॉन्फिडेंट” हैं कि वे डिजिटल चैनलों में सही दर्शक तक लगातार पहुँच पा रहे हैं।

इस पोस्ट को मैं “ई-कॉमर्स और रिटेल में AI” सीरीज़ के संदर्भ में लिख रहा/रही हूँ, क्योंकि रिटेल मीडिया, परफॉर्मेंस मार्केटिंग और पर्सनलाइज़ेशन—तीनों की रीढ़ अब यही सवाल है: क्या हम एक ग्राहक को अलग-अलग जगहों पर पहचान पा रहे हैं—और क्या हम इसे प्राइवेसी के साथ कर पा रहे हैं? मेरा मानना है कि AI इस identity संकट को “ठीक” नहीं करता, लेकिन इसे “ऑपरेशनल” जरूर बना देता है—यानी fragmented डेटा में भी बेहतर निर्णय, बेहतर पारदर्शिता और बेहतर ROAS।

डिजिटल पहचान बिखर रही है—और इसका सबसे बड़ा नुकसान रिटेल को

पहचान का बिखराव कोई थ्योरी नहीं, रोज़ की ऑपरेशनल समस्या है। रिपोर्ट के मुताबिक ऑडियंस addressability में सबसे ज्यादा दिक्कत मोबाइल इन-ऐप (41%), CTV (40%) और वॉल्ड गार्डन्स (30%) में आती है। ब्राउज़र की बात करें तो Safari (22%) सबसे चुनौतीपूर्ण है, फिर Firefox (12%), और Chrome (8%)।

रिटेल के संदर्भ में इसका अर्थ बहुत सीधा है:

• ग्राहक ने ऐप में प्रोडक्ट देखा, लेकिन ब्राउज़र में खरीदारी की—आप attribution में गलती कर बैठते हैं।
• एक ही यूज़र को 15 बार वही ऐड दिख गया—फ्रीक्वेंसी कैप नहीं चला, बजट बर्बाद।
• CTV पर ब्रांड एक्सपोज़र हुआ, फिर मोबाइल पर कन्वर्ज़न—आप reach और incrementality माप नहीं पाते।

रिपोर्ट में टॉप चुनौतियाँ भी इसी दिशा में इशारा करती हैं: डेटा प्राइवेसी कम्प्लायंस की जटिलता (56%), प्लेटफ़ॉर्म fragmentation (55%), ID समाधानों के बीच interoperability की कमी (47%), और टेक्निकल इंटीग्रेशन की कठिनाई (47%)।

एक लाइन में: “अगर identity spine नहीं है, तो frequency, reach, और attribution—तीनों ही अनुमान बन जाते हैं।”

First-party डेटा जरूरी है, पर अकेला पर्याप्त नहीं

सीधा सच: first-party data segmentation अब भी सबसे लोकप्रिय रणनीति है—76% लोग इसका इस्तेमाल कर रहे हैं। इसके बाद publisher-declared audiences (57%), contextual targeting (55%), lookalike modeling (46%), और identity-based solutions (44%)।

लेकिन first-party data की “स्केल” समस्या रिटेल में खास तौर पर दिखती है। रिपोर्ट में non-publisher respondents में सिर्फ 9% ने कहा कि “अधिकांश पब्लिशर्स” के पास पर्याप्त first-party data है जिससे ad targeting को scale मिल सके। इसका मतलब यह नहीं कि first-party बेकार है—बल्कि यह कि स्केल के लिए authenticated touchpoints बढ़ाने पड़ेंगे।

रिटेल और पब्लिशर्स के लिए authenticated touchpoints की चेकलिस्ट

मेरे अनुभव में, “लॉगिन” को केवल पेवॉल की तरह इस्तेमाल करना गलत है। इसे relationship की तरह ट्रीट कीजिए।

• ऐप लॉगिन (लेकिन friction कम रखें)
• न्यूज़लेटर साइनअप (कंटेंट/ऑफर का स्पष्ट लाभ)
• प्रोफाइल या wishlist फीचर्स
• comments/reviews (खासतौर पर मार्केटप्लेस में)
• loyalty प्रोग्राम (ऑनलाइन + ऑफलाइन कनेक्ट करने के लिए)

यहाँ AI की भूमिका “डेटा इकट्ठा करने” में नहीं, बल्कि डेटा से बेहतर संकेत (signals) निकालने में आती है—जैसे churn risk, category affinity, price sensitivity, या next-best-offer।

Alternative IDs: “कुकी है/नहीं है” से आगे की सोच

रिपोर्ट बताती है कि इंडस्ट्री अभी भी पारंपरिक identifiers पर टिकी है: 67% लोग third-party cookies का उपयोग कर रहे हैं, 53% IP address/user agent पर निर्भर हैं और 53% walled garden IDs का। लेकिन साथ-साथ alternative IDs की adoption तेज़ है:

• 50% first-party IDs में निवेश/प्रयोग कर रहे हैं
• 32% retailer-owned IDs का इस्तेमाल करते हैं
• 58% किसी न किसी “अन्य alternative ID” समाधान का उपयोग कर रहे हैं
• केवल 25% ऐसे हैं जो alternative IDs इस्तेमाल नहीं करते

यह मिश्रण बताता है कि 2025 में रणनीति “एक ID चुनो” नहीं है—ID portfolio बनाओ। रिपोर्ट में एक अहम भविष्यवाणी भी है: 2025 में 74% लोग मुख्यतः traditional IDs से टारगेट कर रहे हैं, लेकिन 2026 में यह 35% रह जाने की उम्मीद है। 2026 में बड़ा हिस्सा “traditional + alternative का balance” बनाने की ओर जाएगा।

AI कहाँ फिट बैठता है?

AI का सबसे व्यावहारिक उपयोग यहाँ है: fragmented IDs और signals को जोड़कर probabilistic + deterministic hybrid identity बनाना, और फिर उस identity को privacy-safe तरीके से activate करना।

• Deterministic grounding: लॉगिन/हैश्ड ईमेल/कस्टमर ID जैसे मजबूत संकेत
• Probabilistic modeling: डिवाइस/ब्राउज़र/व्यवहार संकेतों से inferred links
• Graph-based resolution: identity graph में edge confidence और decay management

AI का फायदा यह है कि यह सिर्फ “मिलान” नहीं करता—यह मिलान की गुणवत्ता (quality) को स्कोर भी कर सकता है, और समय के साथ मॉडल को recalibrate कर सकता है।

Google का cookie “U-turn”: राहत नहीं, सिर्फ देरी

Google के third-party cookies जारी रखने के फैसले के बाद प्रतिक्रियाएँ मिली-जुली रहीं:

• 56% ने कहा प्रभाव सीमित है (कुछ reprioritization के साथ)
• 33% ने कहा कोई असर नहीं (पहले जैसा ही)
• सिर्फ 11% ने alternative IDs की migration पूरी तरह रोक दी

यानी इंडस्ट्री ने इसे “सिग्नल” की तरह लिया—लेकिन दिशा वही है: first-party readiness, logins, और flexible ID-agnostic stacks। रिटेल के लिए यह खास संदेश है: अगर आप अभी identity stack नहीं बना रहे, तो 2026 में आप दूसरों के डेटा और नियमों पर चलेंगे।

रिटेल के लिए ID-agnostic stack का मतलब

• एक ही campaign को CTV, in-app, web, और retail media में consistent measurement
• partner बदलने पर पूरी pipeline न टूटे
• consent/permissions का auditing-ready सिस्टम

AI यहाँ orchestrator की तरह काम कर सकता है: डेटा ingestion → identity stitching → audience building → experimentation → measurement dashboards।

Measurement और Transparency: KPI वही, पर जवाबदेही ज्यादा

Identity solutions की effectiveness को मापने का सबसे बड़ा तरीका revenue lift measurement (67%) है। A/B testing (50%) और CPM uplift tracking (50%) भी प्रमुख KPI हैं। एक बहुत उपयोगी इंडस्ट्री संकेत: programmatic direct/PM deals में सहमति-आधारित identity approach के साथ 20–40% uplift देखने की बात कही गई है (पब्लिशर संदर्भ में)।

Alternative IDs के प्रभाव पर भी डेटा साफ है: 63% ने कहा ad performance बेहतर हुई, और सिर्फ 2% ने कहा performance घट गई। खासकर AVOD/streaming पर 39% ने इन्हें सबसे प्रभावी बताया—यह CTV की addressability चुनौतियों के बावजूद आशाजनक संकेत है।

पारदर्शिता की मांग: “मुझे डेटा दिखाओ”

रिपोर्ट में 64% लोगों ने कहा कि buying/selling में transparency बढ़ाने के लिए standardized reporting और unified frameworks चाहिए। पार्टनर्स से सबसे ज्यादा अपेक्षाएँ:

• audience definitions और segmentation logic (68%)
• cross-platform frequency और reach metrics (66%)
• data ownership और permissions की clarity (62%)

मेरी राय में, 2026 की जीत “सबसे स्मार्ट मॉडल” की नहीं होगी—सबसे साफ़ measurement और governance की होगी। AI तभी टिकेगा जब उसके outputs explainable और auditable होंगे।

रिटेल टीम के लिए 30-दिन का AI + Identity एक्शन प्लान

Answer-first: अगर आप अगले 30 दिनों में सुधार चाहते हैं, तो आपको “नई ID खरीदने” से पहले डेटा, consent, और measurement की नींव पक्की करनी होगी।

1. Identity inventory बनाइए (Week 1)

   • आपके पास कौन-कौन से identifiers हैं: लॉगिन, loyalty ID, hashed email, device IDs, MAIDs (जहाँ संभव), publisher IDs, retail media IDs
   • कौन से चैनल में कौन सा ID काम करता/नहीं करता

2. Consent और permissions को map कीजिए (Week 1-2)

   • किस डेटा का उपयोग किस उद्देश्य (targeting/measurement/enrichment) के लिए अनुमत है
   • GDPR/region-specific rules के अनुसार processing flags

3. AI-assisted stitching pilot (Week 2-3)

   • deterministic links से शुरुआत
   • फिर probabilistic layer जोड़ें (confidence score के साथ)
   • “एक customer = एक node” का graph view बनाइए

4. 2 A/B tests तय कीजिए (Week 3-4)

   • Test A: contextual + declared audiences बनाम identity-assisted audiences
   • Test B: frequency cap rule-based बनाम AI-optimized frequency (per channel)

5. एक transparency dashboard बनाइए (Week 4)

   • match rate by channel
   • reach, frequency distribution
   • conversion paths (privacy-safe aggregation)
   • signal loss alerts (जहाँ drop दिखे)

याद रखिए: identity कोई “सेट-एंड-फॉरगेट” सिस्टम नहीं है। यह ongoing optimization है—और AI इसे कम painful बनाता है।

2026 की दिशा: AI + identity साथ-साथ embed होंगे

रिपोर्ट का सबसे मजबूत संकेत यह है कि 2026 में identity “अलग टूल” की तरह नहीं रहेगी—यह activation और measurement के fabric में embed होगी। मैं इससे सहमत हूँ, खासकर रिटेल में जहाँ online + offline + marketplace + app—सब एक साथ चल रहा है।

अगर आपका लक्ष्य LEADS है (और यही इस कैंपेन का लक्ष्य है), तो सबसे असरदार रणनीति यह होगी: पहले identity और transparency को मजबूत करें, फिर personalization और बजट स्केल करें। वरना आप लीड्स तो लाएँगे, लेकिन यह नहीं समझ पाएँगे कि कौन-सी लीड असल में incremental थी।

अब सवाल यह है: आपकी टीम 2026 में किस पर भरोसा करना चाहती है—कुकी के “बच जाने” पर, या एक privacy-first AI identity stack पर जिसे आप खुद नियंत्रित करते हैं?