什么是身份解析？场所如何匹配访客信息
什么是身份解析？了解场所如何匹配 WiFi、收银和预订记录，以及匹配在何处会失败。
身份解析可确定来自 WiFi、POS机、预订和电子邮件的记录是否属于同一个真实的人，然后将其关联为一个可用的统一访客记录。
您可能已经拥有这些数据碎片：预订列表、收据电子邮箱、WiFi 注册信息和新闻通讯订阅者。然而，当一位常客不再光顾时，您的团队无法判断他们是未再光临，还是使用了不同的电子邮箱地址。关联这些记录确实有所帮助，但识别出某人并不意味着自动获得了向其发起营销的许可。
目录
- 单一访客的身份识别意味着什么
- 来自 WiFi、POS机和预订系统的数据记录如何进行合并
- 按证据强度对比匹配方法
- 匹配易出现错误的地方及各错误带来的代价
- 场所如何从单一访客记录中获益
- 发送前请先核对合并记录
身份识别合并对单一宾客的意义
身份解析是指确定来自不同互动、系统或渠道的记录是否指向同一个真实的人，然后将其关联为一个可用的统一身份的过程。
假设 Sam 使用工作邮箱预订了桌位，通过社交账号登录连接了咖啡馆 WiFi，在收银台刷卡付款，并以 S. Jones 的身份订阅了通讯。您的系统保留着这些交互的独立记录。作为本场景的读者，您知道他们都是 Sam。但软件需要证据。
仅凭刷卡交易可能无法提供该证据。除非付款包含可用的标识符（如电子小票邮箱或关联的会员账户），否则场所不应盲目假设已知晓付款人身份。
该图表展示了应当归为一类的记录与应当保持独立的记录之间的区别。
姓名一致并不等于充分证据
想象一下前台接待人员在核对拼写略有不同的预订信息。相似的姓名只能作为核对详细信息的依据，而不能直接发放同一把房门钥匙。
NIST 数字身份指南 阐明，数字身份在特定服务的语境中是唯一的，但并不一定适用于所有语境。预订 ID 仅用于标识一条预订记录；它并不是预订人通用的身份标识。
对于任何候选对，合理的处理结果包括：
- 在可用证据符合匹配规则时将其关联。
- 在证据表明为不同人员时保持相互独立。
- 在证据不足以得出任何结论时标记为不确定。
身份验证回答的是另一个问题：所声明的身份是否对应于出示该身份的实际人员？身份识别解析处理的是企业持有的记录之间的关系。跨系统匹配电子邮件本身并不能证明访客掌控着该电子邮件。
因此，对于询问“什么是身份识别与整合 (Identity Resolution)？”的门店经理来说，实际的答案是：一种严谨的方法，用于将单名宾客分散的历史记录与多人的活动区分开来，同时不强行假设每条记录都能得到解决。
如何将来自 WiFi、POS 收银机和预订系统的记录进行合并
高效的管线会将收集、对比和决策相互独立。将信息导入同一个数据库只能让对比成为可能，并不意味着提议的每一次关联都是正确的。
我们的 场所第一方数据指南 为访客直接分享的信息提供了背景参考。首先应梳理每个系统提供的标识符，而不是假设每张收银台小票或预订记录都包含电子邮件。
合并档案背后的各个阶段
在每个触点捕获标识符。当访客连接到 WiFi 时，他们会到达强制门户并使用电子邮件地址或社交账号登录；我们会捕获该信息并将其存储在集中式 CRM 中。其他输入可能包括收银小票电子邮件、预订参考号或调查问卷回复地址。
规范化数值而不改动原意。删除多余空格，应用一致的电子邮件大小写，结合国家/地区背景标准电话格式，并整理姓名的大小写。保留原始数值，以便审核人员区分格式更改与访客提供的信息。
生成合理的候选项。比较共享有用信号的记录（例如规范化的电子邮件或电话后缀），而不是检查所有可能的组合。电话后缀有助于查找候选项，但其本身不足以直接批准关联。
为证据评分。完全相同的电子邮件可以支持匹配，而冲突的详细信息则应降低置信度或触发审核。发表在《Science Advances》上的记录关联研究 描述了评估不确定关联的方法，而不是将每个匹配规则都视为同等可靠。
对数据对进行分类。应用已记录的阈值来生成匹配、不匹配或未解决的结果。将未解决的记录保存在审核队列中，而不是强行将其并入所谓的完整档案中。
记录溯源信息。保留源记录、一致和冲突的字段、使用的规则以及分配的置信度。这为工作人员提供了关于关联的解释以及撤销关联的途径。
该图展示了如何将来自场所触点的信息整合为可用的画角档案。
检查数据交接环节，而不只是最终界面
在导入失败时，集成工作需要明确的字段映射、更新规则和所有权归属。Wisely 发布的关于 旨在实现更顺畅业务运营的统一系统 资源，是规划这些现有平台之间连接的实用参考。
要检查合并结果，请打开关联的档案，并将其标识符追溯到原始系统。检查哪些字段是一致的、是否忽略了矛盾的信息，以及记录的权限是否仍然符合预期的用途。如果没人能解释其事件是如何记录的，那么看起来干净的时间轴毫无意义。
按证据强度对比匹配方法
请根据您最强标识符的可靠程度来选择方法，而不是看哪种方法听起来更先进。此对比突出了每种方法可以确立的内容，以及场所何处需要额外的控制。
按决策方式对比匹配方法
| 方法 | 判定机制 | 强度 | 主要风险 | 最佳应用场景 |
|---|---|---|---|---|
| 确定性匹配 | 对稳定的标识符（如已验证的电子邮件）进行精准匹配 | 易于审计；当标识符可靠时极少发生误合并 | 家庭共享邮箱可能导致错误合并；拼写错误通常会导致漏匹配 | WiFi 登录信息通过已验证的电子邮件与预订数据合并 |
| 概率性匹配 | 评估跨字段的局部一致性并对匹配对进行打分 | 可容忍拼写错误、名字缩写和更换电话号码的情况 | 阈值需要精细调优；信息相似的陌生人可能会被打分为匹配 | 包含姓名、邮编和电话变体信息的 POS 记录 |
| 基于人工审核匹配 | 在关联之前由人工检查不确定的匹配对 | 针对敏感记录进行直接审查 | 在大数据量下效率较低；审核人员仍需提供证据支持 | 涉及投诉、退款或有年龄限制优惠的记录 |
| 按顺序执行的混合匹配 | 依次运行确定性规则、概率打分，最后进行人工审核 | 兼顾数据覆盖率与管控能力 | 需要明确的阈值和人工审核队列的责任人 | 需合并 WiFi、POS 和预订数据的多门店集团 |
可靠性源于证据强度
确定性意味着基于规则，而非万无一失。只有当底层字段能够可靠地区分您群体中的个体时，完全匹配才有价值。
该原则即语境唯一性。电子邮箱地址可能足以在一家企业内部区分宾客，但在其他地方可能代表一个共享家庭。NIST 的身份解析指南 建议收集解析身份所需的最小属性，而不是盲目累积个人信息。
当记录包含部分一致的信息时，概率匹配会非常有用：例如 Sam Jones 和 S. Jones，以及相兼容的联系方式。评分可以表达该证据的强度。但它并不能把一个可能的关联转化为经核实的事实。
合理的多站点工作流会首先采用可靠的精确匹配，接着对剩余的候选记录进行评分，并将人工审核保留给未解决或可能产生重大影响的情况。应当允许审核人员将某些案例保持未解决状态 - 他们的工作并不是要将合并档案的数量最大化。
实用规则：如果标识符经过验证、稳定且适合您的访客群体，请直接使用。否则，请评估辅助证据，避免将存在不确定性的记录对进行自动合并。
审核有年龄限制的优惠活动的审核人员，还需要区分身份证据与资格证据。将购买记录与档案关联并不能确定宾客的年龄，就像关联预订记录并不能确定是谁到场了一样。
匹配出现偏差之处及每种错误所带来的成本
每个匹配的档案都是一项决定，而决定可能会产生两种方向的错误。您的系统可能会把属于不同人的记录关联在一起，也可能将同一个人的记录分散在多个档案中。第一种错误是误合并。第二种错误是误拆分。每种错误带来的代价各不相同，粗心大意地修复其中一种往往会引发另一种。
匹配错误、其对门店造成的影响及修复方法
| 错误类型 | 具体表现 | 对场馆的影响 | 解决方法 |
|---|---|---|---|
| 错误合并 | 共享家庭电子邮件的访客显示合并后的消费历史 | 发送了错误的优惠；某人的退订被归因于另一位访客 | 需要独立的证明证据；保持合并操作可撤销 |
| 错误拆分 | 同一位访客拥有独立的 WiFi、收银和预订档案 | 重复发送消息；在最近一次到访后触发了客户挽留旅程 | 审查极度相似的数据对；使用规范化的电话号码作为证明证据 |
| 循环使用的电话号码 | 重新分配的号码将新客户关联到了旧档案 | 消息发送给了陌生人 | 重新评估陈旧的仅限电话关联；通过电子邮件等独立证据进行确认 |
| 工作人员输入的拼写错误 | 收据电子邮件包含拼写错误的域名 | 访客被排除在相关受众之外或消息发送失败 | 验证电子邮件语法并标记可疑域名；请求确认而不是静默纠正 |
评估后续影响，而不仅仅是匹配数量
错误合并可能会将某人的购买或住宿历史泄露给错误的档案。错误拆分可能导致员工将常客误认为已流失客户，从而将优惠浪费在原本无论如何都会发生的消费上。
该表格中还隐藏着一项更为隐蔽的成本，它涉及许可而非准确性。数据匹配解决的是一个问题：这些记录描述的是同一个人吗？而用户同意解决的则是另一个问题：您可以联系他们吗？如果宾客使用了您系统尚未关联的电子邮件退订，即使技术上拼接正确，仍可能发出一条违规信息；而错误的合并更可能会将某个人的拒绝偏好附加给陌生人的档案。请务必将每次合并都视为包含这两个问题，而不仅仅是第一个。
不要仅仅为了整合记录的比例而进行优化。请测试整合后的档案是否包含无关人员，以及真正的回头客档案是否仍分散在多个记录中。除了清晰的案例外，也要审查疑难案例。
为更正请求和删除工作流指定负责人。当员工撤销合并时，请确保重新计算下游受众和旅程资格，而不是在其他地方保留原有的错误合并。
根据错误可能带来的后果来设置置信度阈值。保持变更的可逆性，并通过与对照组进行比较来衡量营销活动的影响，而不是假设与匹配受众关联的每一笔消费都是由该营销信息带来的。
为何统一的宾客记录能让场所受益
假设某位常客看起来已不再光顾，但他最新的消费记录却保存在收据系统中另一个电子邮件地址下。仅基于预订信息的报告会让他看起来像是已流失的客户；而正确整合的历史记录能为营销团队提供更好的依据，以决定是否与之联系。
这些日常互动可以代表相互关联的访客体验，而不是毫无关系的零散记录。
根据 TransUnion 委托 Forrester 开展的 2024 年第四季度身份识别与归一化调查，70% 的营销主管表示在多个触点中识别和触达受众存在困难。对场馆而言，其实用价值在于帮助员工改进决策，而不是获取完美的客户画像。
基于关联历史记录做出更明智的决策
- 更佳的时机。餐饮集团可以基于跨门店记录的活动来确定二次到店的目标受众，而不会将宾客在集团内其他门店的消费误判为未到店。
- 减少尴尬的信息。酒店集团可以围绕住宿和酒吧消费协调沟通，同时应用适当的退订和屏蔽规则。
- 更清晰的测量评估。零售连锁店可以将接收营销活动的目标宾客与预留对照组进行对比，并分析后续记录的购买行为。
我们对 访客细分 的解析有助于将这些历史数据转化为实用的受众规则。为了将电子邮件与其他触点进行协调，SendX 全渠道电子邮件指南 提供了更多规划背景信息的参考。
该视频提供了思考关联场所营销的另一种视角。
保持明确的目标：相关的邀请、更少的非必要信息以及更多二次回访的证据。仅获取更多关于访客的信息本身并不是一项成就。
发送前检查合并的记录
匹配解决的是记录是否属于同一个人的问题。权限解决的是您是否可以出于特定目的使用这些记录。即使技术上的关联完全正确，仍有可能导致发送违法或违规的信息。
接受预订确认本身并不意味着同意接收广告、WhatsApp 营销活动或受众匹配。请明确收集目的、确立适当的法律依据，并检查对应渠道和司法管辖区的任何同意要求。我们针对GDPR合规场所电子邮件营销的 实用检查清单 可为该业务审查提供支持。
这对信任度的影响非常重大：根据 PwC 的客户体验调查，53% 的受访美国消费者表示，如果能改善品牌体验，共享个人信息是值得的；然而，93% 的人表示，不当处理这些数据会导致他们失去信任。
正确的身份匹配并不等于获得了新的许可授权。
运行特定用途的发送前检查
- 检查最可靠的标识符。确认建立连接的数据源以及标识符是否已验证。请勿将导入的值误认为是控制权凭证。
- 解决低置信度问题。审查低于接受门槛的关联记录，或将其从营销活动中排除。发送截止日期绝不能成为放宽身份核验规则的理由。
- 检查目标渠道和用途。查阅实际的许可记录，包括收集许可的方式。拥有电子邮件发送资格并不自动代表拥有 WhatsApp 发送资格。
- 在相关记录中应用退订选择。确认已连接的数据源和发送工具均尊重当前的偏好设置。较旧的导入数据切勿覆盖或恢复已撤回的许可。
- 预留对照组。在发送前挑选符合条件的宾客进行保留，然后对比预期的业务结果。将身份质量与营销活动效果区分开来。
在决策点保持权限可见性
在 Purple Engage 中，同意状态记录在单一账本中，在获得批准时以及每次发送消息前都会进行检查；数据导入无法覆盖已退订的状态。每次发送前，系统都会按排除原因显示准确的收件人数量。我们会整合电子邮箱匹配的宾客记录，同时与您的预订、忠诚度、支付工具及现有同意管理工具无缝协同，而非取代这些系统。
在批准一项营销活动之前，负责人应当能够回答：哪个数据源建立了此身份？哪个许可涵盖了此渠道？退订申请是否已同步至每个相关的关联记录？聚合分析能否在不识别任何个人的情况下完成此任务？
当您在评估场所趋势而不是邀请特定访客再次光临时，最后一个问题尤为重要。个人身份识别可能会在对决策无所助益的情况下增加风险。
本周，请审计某个站点的宾客记录，统计看似重复的档案，并找出最常见的原因。在开展下一次营销活动前修复主要错误，然后检查受众资格和记录的权限授权是否仍然合理。
Purple Engage 将匹配电子邮件的访客历史记录、共享的同意控制和营销活动效果衡量整合到同一个场所营销工作流中。请访问 Purple Engage，探索您的团队如何在发送之前保持权限、排除项和人工审批透明可见的同时，利用关联的访客记录。