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。