如今,消费者的在线活动分散在不同的设备和平台上。会员在一台设备上进行营销,通常会在不同的设备上进行互动(例如访问广告客户页面和/或购买其产品)。 对于尚未登录LinkedIn的成员,LinkedIncookie是不存在的,因此如果没有这里描述的概率推断,就无法进行识别。对于未登录LinkedIn的成员,我们试图推断成员与设备之间的关联。 这个推论用于衡量广告的有效性(通过将一台设备上的参与度归因于另一台设备中看到的广告),提供无法识别您身份的分析,以及在LinkedIn内外提供相关广告。 我们的身份图技术并不寻求为我们能够识别的任何个人推断兴趣。LinkedIn营销解决方案仅为我们的会员个性化广告。我们不寻求分析非会员,也不使用非LinkedIn数据创建或增强会员的行为特征。 为身份推断收集了哪些数据? 以下是关键观测数据字段的示例,可以收集这些数据以概率推断身份。 手机或桌面浏览器上的Cookie,Android上的谷歌广告ID 操作系统、设备品牌和型号(用户代理) IP地址 访问时间(时间戳) 页面URL或应用程序名称(如适用) 如何使用这些数据推断身份? 概率身份图技术可能会将ID(如Android上的谷歌广告ID、浏览器上的cookie或CTV和iOS上的IP)与同一设备和设备与同一用户或组建立关联。更重要的是,这样做使得我们在这个系统中无法了解涉及哪个特定用户(根据其成员信息确定)或组。 您将收集的数据保留多长时间? 为概率身份推断收集的观察数据(如上所述)保留90天。 数据保护策略 收集到的数据立即被化名。由于使用了假名,算法最多可以了解哪些设备(和标识符)可能属于同一个人(或设备)或组,而不是同一个人是谁。图形处理线中的假名数据高度机密,并执行严格的访问控制策略。 你如何使用概率身份推断? 这种身份推断用于在LinkedIn上和LinkedIns下提供相关广告,衡量广告的有效性,并提供无法识别您身份的分析。 我如何选择退出? 作为一名成员,您可以通过使用各自的设置来选择退出,这些设置控制我们身份推断的四个目的:归因,重定目标,分析、和脱离LinkedIn广告显示。此外,成员和非成员都可以访问数字广告联盟opt-out页并选中LinkedIn选项框。