Adjust || iOS14.5解讀：歸因方法

自Apple宣布AppTrackingTransparency框架(ATT)和iOS14以來，整個生態(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別具體用戶的持久性唯一數(shù)據(jù)。

聽起來很簡單？但為何這一規(guī)則的適用范圍會激起如此多的爭論？

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

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

首先，我想定義幾個重要術語，幫助大家理解并加以區(qū)分：

什么是指紋識別 (fingerprinting)？

指紋識別是一種跨媒界跟蹤用戶的辦法，會利用設備信息創(chuàng)建持續(xù)而唯一的 ID。該方法背后的技術例如會捕捉字體度量 (font metrics) 和利用 WebGL (以及 canvas) 屬性，同時結(jié)合特定的硬件屬性。這些數(shù)據(jù)讓設備指紋具有持久性，且能被用來識別具體用戶。不同網(wǎng)站和應用之間不會共享 ID，因此要想跨網(wǎng)站和應用跟蹤用戶，指紋識別和指紋 ID 就成了行業(yè)中的主流做法。例如，指紋識別可以用來繪制設備圖表 (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不會跨網(wǎng)站或應用跟蹤或定向用戶。我們的目標是以一定程度的準確性將安裝歸因到交互。80%的安裝都發(fā)生在廣告點擊后的第一個小時內(nèi)，這類安裝的歸因不需要任何持久性ID。我們可以使用臨時數(shù)據(jù)進行預測，這些數(shù)據(jù)可能在幾個小時內(nèi)就會失效。因此對我們來說，概率歸因只基于設備的熵 (entropy，在計算機領域，熵用來描述系統(tǒng)的混亂無序程度。操作系統(tǒng)和應用會收集熵用于加密或其他需要隨機數(shù)據(jù)的操作。) 和運行規(guī)律等信息。我們會分析點擊時間、安裝時間和基本設備信息等有限的參數(shù)，從而在點擊后幾小時內(nèi)推測安裝的來源。

作為廣告主，如果SKAdnetwork更為精準的話，為何還要選擇概率歸因？

概率歸因的目的并不是要取代 SKAdNetwork，其精準度也絕對不及后者，但這種方法對于開展推廣活動的廣告主來說卻非常實用。利用概率歸因，您的媒體合作伙伴能進行推廣活動優(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鍵詞，使其據(jù)此進行安裝概率歸因。此過程中分享的任何數(shù)據(jù)都無法用于跨網(wǎng)站和應用的跟蹤或定向。

什么是轉(zhuǎn)化模型 (conversion modeling)？

轉(zhuǎn)化模型會對已授權(quán)用戶的行為進行分析，據(jù)此推測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)，在所有用戶中應用類似指標。這樣，廣告主就可以獲得同期群指標數(shù)據(jù)，例如 LTV 和 ROAS。營銷人員手上的數(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。在這個隱私為重的新時代，媒體渠道可以將該框架作為真實歸因數(shù)據(jù)來源。SKAdNetwork 的優(yōu)勢在于能提供幾乎 100% 精確的歸因。對此我們開展了測試，與 IDFA 精確歸因相比，SKAdNetwork 的準確性只差了 2%。

請注意，如果某個推廣活動之前通過 IDFA 歸因獲得了 1000 次安裝歸因，SKAdNetwork 可能會歸因 900 次安裝和 100 次重裝。這是因為 SKAdNetwork 只會為每個 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。

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

如何合理預估用戶選擇加入率？

25% 的用戶已在機器層級上禁止 IDFA 分享，因此，剩余 75% 的用戶可以看到許可請求。我們的分析表明，這部分剩余用戶中大約 40% 的人會同意分享 IDFA，因此您的應用 IDFA 授權(quán)率大約可達到 30%。請參閱我們在 AdExchanger 上發(fā)表的客座文章，了解打造預授權(quán)彈窗的更多信息。

那么，新規(guī)落地會對不同參與者帶來怎樣的影響？每一次平臺變化都是有人歡喜有人憂。對這次變化帶來的影響了解不足的移動公司注定會錯過一次增長機遇，

而那些反應迅速的公司則能推動創(chuàng)新，搶占先機。因此，既有第一方數(shù)據(jù)又能隨機應變的競爭者最有可能勝出。