Adjust || iOS14.5解讀：歸因方法

自Apple宣布AppTrackingTransparency框架(ATT)和iOS14以來，整個(gè)生態(tài)系統(tǒng)中圍繞這一變化出現(xiàn)了許多困惑。許多人都不明白在新規(guī)之下哪些做法符合規(guī)定，哪些不符。

需要切記的一點(diǎn)是，Apple推出ATT的初衷與各類隱私法規(guī) (如 GDPR)的目的非常類似。這些規(guī)則之所以會(huì)存在，是為了讓用戶自主決定第一方是否可以與第三方分享可用來識(shí)別具體用戶的持久性唯一數(shù)據(jù)。

聽起來很簡(jiǎn)單？但為何這一規(guī)則的適用范圍會(huì)激起如此多的爭(zhēng)論？

出現(xiàn)困惑的部分原因，是整個(gè)行業(yè)缺乏通用的標(biāo)準(zhǔn)化用語。類似的概念在不同行業(yè)參與者那里會(huì)有不同的稱謂。

此外，行業(yè)內(nèi)一直將實(shí)際指紋識(shí)別與概率歸因兩種方法統(tǒng)稱為 "指紋識(shí)別"，這讓如今的形勢(shì)更為復(fù)雜。為應(yīng)對(duì)iOS14.5，一些公司 (包括Adjust) 都用概率歸因完全取代了指紋識(shí)別。這就意味著我們要區(qū)分并明確人們對(duì) "指紋識(shí)別" 這個(gè)術(shù)語的理解，并闡釋哪些做法是被允許的。

首先，我想定義幾個(gè)重要術(shù)語，幫助大家理解并加以區(qū)分：

什么是指紋識(shí)別 (fingerprinting)？

指紋識(shí)別是一種跨媒界跟蹤用戶的辦法，會(huì)利用設(shè)備信息創(chuàng)建持續(xù)而唯一的 ID。該方法背后的技術(shù)例如會(huì)捕捉字體度量 (font metrics) 和利用 WebGL (以及 canvas) 屬性，同時(shí)結(jié)合特定的硬件屬性。這些數(shù)據(jù)讓設(shè)備指紋具有持久性，且能被用來識(shí)別具體用戶。不同網(wǎng)站和應(yīng)用之間不會(huì)共享 ID，因此要想跨網(wǎng)站和應(yīng)用跟蹤用戶，指紋識(shí)別和指紋 ID 就成了行業(yè)中的主流做法。例如，指紋識(shí)別可以用來繪制設(shè)備圖表 (device graph)，但這種做法明顯有違 Apple 的新規(guī)。

什么是概率 (probabilistic)？

作為一家MMP，Adjust不會(huì)跨網(wǎng)站或應(yīng)用跟蹤或定向用戶。我們的目標(biāo)是以一定程度的準(zhǔn)確性將安裝歸因到交互。80%的安裝都發(fā)生在廣告點(diǎn)擊后的第一個(gè)小時(shí)內(nèi)，這類安裝的歸因不需要任何持久性ID。我們可以使用臨時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)，這些數(shù)據(jù)可能在幾個(gè)小時(shí)內(nèi)就會(huì)失效。因此對(duì)我們來說，概率歸因只基于設(shè)備的熵 (entropy，在計(jì)算機(jī)領(lǐng)域，熵用來描述系統(tǒng)的混亂無序程度。操作系統(tǒng)和應(yīng)用會(huì)收集熵用于加密或其他需要隨機(jī)數(shù)據(jù)的操作。) 和運(yùn)行規(guī)律等信息。我們會(huì)分析點(diǎn)擊時(shí)間、安裝時(shí)間和基本設(shè)備信息等有限的參數(shù)，從而在點(diǎn)擊后幾小時(shí)內(nèi)推測(cè)安裝的來源。

作為廣告主，如果SKAdnetwork更為精準(zhǔn)的話，為何還要選擇概率歸因？

概率歸因的目的并不是要取代 SKAdNetwork，其精準(zhǔn)度也絕對(duì)不及后者，但這種方法對(duì)于開展推廣活動(dòng)的廣告主來說卻非常實(shí)用。利用概率歸因，您的媒體合作伙伴能進(jìn)行推廣活動(dòng)優(yōu)化，改善模型，并為您帶來最高的 ROI。

所以，我可以與自己的媒體合作伙伴分享數(shù)據(jù)？

是的。例如，您可以與媒體合作伙伴分享關(guān)鍵詞，使其據(jù)此進(jìn)行安裝概率歸因。此過程中分享的任何數(shù)據(jù)都無法用于跨網(wǎng)站和應(yīng)用的跟蹤或定向。

什么是轉(zhuǎn)化模型 (conversion modeling)？

轉(zhuǎn)化模型會(huì)對(duì)已授權(quán)用戶的行為進(jìn)行分析，據(jù)此推測(cè)所有用戶的聚合行為，并建立模型。據(jù)我們所知，目前可行的轉(zhuǎn)化模型有兩類：

1.用于歸因目的。數(shù)據(jù)分析公司會(huì)跟蹤已授權(quán)用戶的數(shù)據(jù)，了解這些用戶在安裝后的行為，之后基于這些數(shù)據(jù)，在所有用戶中應(yīng)用類似指標(biāo)。這樣，廣告主就可以獲得同期群指標(biāo)數(shù)據(jù)，例如 LTV 和 ROAS。營(yíng)銷人員手上的數(shù)據(jù)必須精確，所以您始終需要考慮此類數(shù)據(jù)的精確性。轉(zhuǎn)化模型的精準(zhǔn)度取決于用戶的選擇加入率。

2. 用于定向廣告目的。同樣，媒體公司會(huì)使用已授權(quán)用戶的數(shù)據(jù)，基于相似的上下文線索，向拒絕授權(quán)的用戶投放廣告。

什么是 SKAdNetwork？

SKAdNetwork 是 Apple 的歸因框架。在這個(gè)隱私為重的新時(shí)代，媒體渠道可以將該框架作為真實(shí)歸因數(shù)據(jù)來源。SKAdNetwork 的優(yōu)勢(shì)在于能提供幾乎 100% 精確的歸因。對(duì)此我們開展了測(cè)試，與 IDFA 精確歸因相比，SKAdNetwork 的準(zhǔn)確性只差了 2%。

請(qǐng)注意，如果某個(gè)推廣活動(dòng)之前通過 IDFA 歸因獲得了 1000 次安裝歸因，SKAdNetwork 可能會(huì)歸因 900 次安裝和 100 次重裝。這是因?yàn)?SKAdNetwork 只會(huì)為每個(gè) iTunes 賬戶歸因一次安裝。因此，為了與 ATT 執(zhí)行前的情況保持一致，分析安裝和重裝的總量非常重要。

還有一點(diǎn)不容忽視：SKAdNetwork 尚未覆蓋所有可用的廣告位，而各個(gè)廣告發(fā)行商與該框架的集成還在進(jìn)行中。在覆蓋率接近 100% 之前，SKAdNetwork 報(bào)告的安裝量會(huì)比 iOS 14.5 前通過 IDFA 精確歸因得出的安裝量少。

如何合理預(yù)估用戶選擇加入率？

25% 的用戶已在機(jī)器層級(jí)上禁止 IDFA 分享，因此，剩余 75% 的用戶可以看到許可請(qǐng)求。我們的分析表明，這部分剩余用戶中大約 40% 的人會(huì)同意分享 IDFA，因此您的應(yīng)用 IDFA 授權(quán)率大約可達(dá)到 30%。請(qǐng)參閱我們?cè)?AdExchanger 上發(fā)表的客座文章，了解打造預(yù)授權(quán)彈窗的更多信息。

那么，新規(guī)落地會(huì)對(duì)不同參與者帶來怎樣的影響？每一次平臺(tái)變化都是有人歡喜有人憂。對(duì)這次變化帶來的影響了解不足的移動(dòng)公司注定會(huì)錯(cuò)過一次增長(zhǎng)機(jī)遇，

而那些反應(yīng)迅速的公司則能推動(dòng)創(chuàng)新，搶占先機(jī)。因此，既有第一方數(shù)據(jù)又能隨機(jī)應(yīng)變的競(jìng)爭(zhēng)者最有可能勝出。