Definición profesional
Un identity graph es la infraestructura que conecta identificadores dispersos de una misma persona o hogar (cookies, mobile advertising ID, hash de email, IP, login autenticado) bajo un perfil unificado y persistente. Ese perfil permite que un DSP, una plataforma de datos o un anunciante reconozcan al mismo usuario a través de dispositivos, navegadores y plataformas, incluso cuando cada superficie usa un identificador técnico distinto. El identity graph no almacena el detalle de comportamiento, guarda las relaciones entre identificadores y las actualiza constantemente conforme aparecen nuevas señales.
Explicación sencilla
Imagina que la misma persona visita un sitio desde su laptop, abre la app del mismo medio desde su celular y después inicia sesión en su cuenta de correo. Para las plataformas de publicidad, esas tres visitas se ven como usuarios distintos porque cada dispositivo genera su propio identificador. El identity graph reconoce que detrás de esos tres identificadores hay una sola persona y arma un mapa de esas conexiones.
¿Por qué existe este concepto?
La publicidad digital nació fragmentada por diseño. Cada navegador, cada app y cada dispositivo generan su propio identificador y ninguno de ellos habla naturalmente con los demás. Durante años la cookie de terceros funcionó como pegamento parcial entre esos identificadores, pero cubría solo el navegador de escritorio y nunca resolvió el problema entre dispositivos.
La eliminación progresiva de cookies de terceros en los navegadores principales y la fragmentación entre apps, CTV y web obligaron a la industria a construir una capa de resolución de identidad independiente de cualquier identificador individual. El identity graph responde a esa necesidad porque sostiene el reconocimiento de audiencias sin depender de un solo identificador que pueda desaparecer.
¿Cómo funciona?
Un identity graph combina dos métodos de conexión. (1) El matching determinístico une identificadores cuando existe una confirmación directa, por ejemplo cuando un usuario inicia sesión con el mismo email hasheado en dos plataformas distintas. (2) El matching probabilístico infiere una conexión probable a partir de señales indirectas como IP compartida, tipo de dispositivo y patrones de uso, sin una confirmación directa. La mayoría de los grafos en producción combinan ambos métodos, dan prioridad al match determinístico cuando existe y usan el probabilístico para ampliar cobertura donde no hay señal directa.
El proceso opera en ciclos continuos. Los proveedores de datos, los publishers y los partners de medición envían señales de identificadores al graph. El sistema evalúa cada señal nueva, decide si corresponde a un perfil existente o si crea uno nuevo y actualiza las conexiones con una vigencia definida (los matches probabilísticos se degradan con el tiempo y requieren refresco). DSP, SSP y plataformas de medición reciben una salida específica del graph, un ID resuelto o un segmento de audiencia que representa la identidad unificada, y no acceden al graph completo por razones de privacidad y control de datos.
¿Quién lo utiliza?
- Los DSP usan el ID resuelto del identity graph para activar segmentos de audiencia y aplicar frequency capping entre dispositivos sin depender de la cookie de terceros.
- Los publishers con first-party data conectan su base de emails hasheados y logins autenticados al graph para extender el alcance de sus audiencias propias hacia inventario externo.
- Los proveedores de identidad (LiveRamp, Neustar/TransUnion, ID5, Tapad) construyen y operan el graph como servicio, y resuelven identificadores para sus clientes de agencia, marca y publisher.
- Las plataformas de medición y atribución usan el graph para unir impresiones y conversiones que ocurrieron bajo identificadores distintos y así construir el customer journey completo.
Caso práctico
Una marca de retail activa una campaña de remarketing dirigida a usuarios que abandonaron el carrito de compra en su sitio web. El pixel del sitio captura el email hasheado del usuario en el momento del abandono. Ese identificador se envía al identity graph, que lo conecta con el mobile advertising ID del mismo usuario registrado en sesiones anteriores desde su celular. Cuando el DSP arma la campaña, activa el segmento resuelto por el graph y muestra el anuncio de remarketing en la app que el usuario tiene abierta en su celular y no en el navegador donde ocurrió el abandono original. La marca alcanza al mismo usuario en una superficie distinta a la que generó la señal, algo que no sería posible sin la capa de resolución de identidad.
Error frecuente
Un malentendido habitual es suponer que el identity graph resuelve identidad al nivel de persona real con nombre y apellido. La mayoría de los grafos comerciales operan sobre identificadores pseudonimizados (hashes de email, IDs de dispositivo) y conectan patrones de comportamiento, no identidad legal verificada. Confundir esto lleva a sobreestimar la precisión del graph y a subestimar el riesgo de privacidad que implica combinar señales de múltiples fuentes.
¿Qué no es?
El identity graph no es lo mismo que el universal ID, resuelven problemas distintos aunque se usan juntos. Un universal ID es un identificador estandarizado que reemplaza la cookie de terceros en el intercambio programático. El identity graph es la infraestructura de resolución que conecta múltiples identificadores, incluido un universal ID, bajo un mismo perfil. Un universal ID puede alimentar un identity graph, pero el graph funciona independientemente del identificador específico que la industria use en un momento dado.
Tampoco equivale a un CDP. Un CDP centraliza y activa datos de clientes que la propia empresa recolectó (transacciones, comportamiento en sitio, historial de soporte) para uso interno de marketing. El identity graph se enfoca específicamente en conectar identificadores técnicos dispersos entre plataformas y participantes del sector publicitario, con o sin datos de comportamiento asociados. Una empresa puede operar un CDP sin depender de ningún identity graph externo, y un identity graph puede operar sin almacenar el detalle de comportamiento que sí guarda un CDP.
Términos relacionados
Evolución histórica
El concepto de identity graph surgió antes del debate actual sobre cookies, cuando plataformas de CRM onboarding desarrollaron sistemas para conectar bases de datos offline de marcas con identificadores online mediante hashing de email. En ese momento el graph servía principalmente para activar audiencias offline en canales digitales.
La función del graph se amplió cuando los navegadores principales empezaron a bloquear o eliminar cookies de terceros por defecto. Los grafos de identidad pasaron de ser una herramienta de activación de datos propios a convertirse en la capa de resolución que sostiene el reconocimiento de audiencias entre dispositivos y plataformas en un entorno sin cookie de terceros. Hoy el graph es un componente central de las estrategias de identidad que combinan first-party data, universal ID y clean rooms.
Empresas y tecnologías asociadas
Varios proveedores operan identity graphs a escala comercial en la industria programática.
- LiveRamp opera uno de los grafos más usados para conectar datos offline y online de marcas y publishers.
- Neustar, ahora parte de TransUnion, mantiene un graph propio enfocado en resolución determinística a partir de datos de telecomunicaciones e identidad verificada.
- Tapad, propiedad de Experian, se especializa en resolución de identidad entre dispositivos para agencias y marcas.
- ID5 ofrece un identificador compartido de la industria que se apoya en un graph colaborativo entre publishers participantes.
Ninguna de estas soluciones se presenta aquí como recomendación, cada una responde a necesidades distintas de escala, cobertura geográfica y modelo de datos.
Pregunta frecuente
¿Un identity graph reemplaza la necesidad de first-party data?
No. El identity graph necesita señales de identificadores para funcionar y buena parte de esas señales provienen precisamente de la first-party data que una marca o publisher ya recolecta (email, login, CRM). Sin una base sólida de first-party data, el graph tiene menos puntos de conexión determinística y depende más del matching probabilístico, que es menos preciso.