Mi​Q ​的​测试​表明​了​ A​ttribution Reporting ​API ​在​转化​衡量​方面​的​效果

概览

• MiQ ​发起​了​一​项​ Attribution Reporting ​API 单独测试​计划，​旨​在​评估​该​ API ​在​转化​衡量​应​用场​景​中​的​效果，​并​开发​准确且​可​保护​隐私​的​效果​衡量​功能。
• 测试​人员​发现，​At​tribution Reporting ​API ​报告​的​唯一​转化​用户​中​有​ 85​% ​与​第三​方​ Cookie ​报告​的​结果​相同，​另​有​ 3​.7​% ​的​唯一​转化​用​户​则​是​第三​方​ Cookie ​未​能​捕​获到​的。
• 作为​云​领域​的​专家，​Mi​Q ​在​基于​云​的​可信​执行​环境​ (TEE​) ​中​实现​了​摘要​报告，​从​而​能​在​不​采用​第三​方​跟​踪​功能​的​情况​下​获取​信号。​该​计划​还​处于​早期​测试​阶段，​但​已​帮助​扩大​ Attribution Reporting ​测​试​规模，​并​为​使用​ T​EE ​的​营销者​提供​了​新​的​实现​流程。

下​载​案​例​研究

推动​高度​注重​隐私​的​定位​和​效果​衡量​功能​的​发展

Mi​Q ​是​一​家​全球性​的 程序化​媒体​提供​商，​致力于​为​品​牌方​和​代理​机构​提供​全​方位​的​广告​系列、​分析​和​效果​衡量​解决​方案。​随着​广告​生态​进入​注重​在​线隐私​保护​的​新​时代，​Mi​Q ​认识​到​采用​不​依赖​第三​方​ Cookie ​的​替代​系统势​在​必行，​并​开始​集成​ Privacy Sandbox A​PI，​以​实现​准确且​高度​注重​隐私​的​广告​效果​衡量​解决​方案。

这​促​使​ MiQ ​团队​深入​探索​该​ AP​I ​的​买方​应​用场景，​包括​利用​ A​ttribution Reporting ​API 信号​优化​广告​和​提升​广告​相关性，​同时​结合​专​有​解决​方案​和​合作​伙伴​解决​方案，​评估​该​技术​在​事件​级​报告​和​转化​衡量​方面​的​效果。

测试 Attribution Reporting ​API ​在​事件​衡量​方面​的​用途

由于​ M​iQ ​现有​的​专有​技术​已经​采用​了​注重隐私​保护​的​数据​（包括​第一​方​数据、​浏览器​数据​和​注重​隐私​保护​的​ ID）​进行​受众群​细分，​因此​测试​人员​能够​很​好​地​集成​ A​ttribution Reporting ​并​使用​ P​rivacy Sandbox API​ 构​建跨​ DSP ​效果​衡量​解决​方案。

在​对 A​ttribution Reporting ​进行​单独​分析​时，​Mi​Q ​采用​来自​四​个​不同​市场​的​六​个​品牌​的​数据，​以​评估​该​ API ​效果​衡量​功能​的​表现。​随着​测试​的​深入，​该​团队​在​事件​级​报告​中​遇到​了​需要​考虑​的​隐私权​限制​问题，​包括​数​据​丢失​和​干扰​增加。​他们​发现​必须​将​广告系列​限制为​每​个​用户仅​一​次​高优​先​级​转化，​这样​才​能​有效​地​减少​干扰，​而​不​会​扭曲​结果。​在​听取​了​整个​生态​中​利益​相​关方​的​反馈​后，​Pr​ivacy Sandbox 团队​决定​发布​ Flexible Event-Level Confi​guration，​让​测试​人员​能​根据​需求​自定​义 ​Attribution Reporting。

事实​证明，​解决​数​据​丢失​问题​以及​确保​设备​可​用性，​是​更​为​复杂且​棘手​的​挑战。​Mi​Q ​的​测试​人员​注意到，​该​ ​API 仅​出现​在​约 ​25​% ​的​广告​展示​中，​这​可能​是​由​多​种​因素​造成​的，​包括​关于​在​ iO​S 上​提供​ Attribution Reporting ​AP​I ​的​政策​限制。​他们​还​发现，​在​符合​条件​的​ C​hrome 浏​览器​上​运行​时，​Cookie ​记录​的​唯一​转化​用户​数量​比 ​Attribution Reportin​g ​记录​的​结果​多​ ​1​1%。​他们​依据​这些​因素​提出​了​一​个​工作​假设，​认为​预配置​的​七天​报告​延迟​是​导致​问题​的​主要​原因。​这​种​延迟​是​一​项​保护​隐私​的​配置，​旨​在​对​重新​创建​用​户级​跨​网站​标识​符​进行​限制。​为了解决​该​问题，​Mi​Q ​调整​了​衡量​方法，​对​ A​ttribution Reporting ​API ​进行​优化，​同时​仍​保持​较​高​的​衡量​准确性。

成果​与​经验

MiQ ​通过​测试​发现，​At​tribution Reporting ​API ​报告​的​唯一​转化​用户​中​有​ 85​% ​与​ Cookie ​报告​的​结果​相同，​另​有​ 3​.7​% ​的​唯一​转化​用​户​则​是​ Cookie ​未​能​捕​获到​的。​事件​级​报告​能​捕​获到​的​数据​与​传统​转化​像​素同样​丰富，​因此​是​非常​切实​可行​的​数据​集。​尽管​ MiQ ​认为，​需要 结合​使用​摘​要​报告​和​事件​级​报告，​才​能​准确​对​广告​系列​的​真实​投资​回报率​进行​建模，​但​他们​对​ A​ttribution Reporting ​API ​在​了解​广告​对​业务​成果​的​影响​以及​优化​出价​模型​方面​的​应用​前景​表示​乐观。

作为​云​领域​的​专家，​Mi​Q ​还​开始​在​基于​云​的​ T​EE ​中​使用​ A​ggregation Service 来​实现​摘​要​报告，​从​而​能​在​不​采用​第三​方​跟​踪​功能​的​情况​下​获取​信号。​尽管​该​计划​目前​处于​早期​测试​阶段，​但​有助于​为​未来​的​测试​人员​提供​实用​的​资源。

MiQ ​认为，​At​tribution Reportin​g ​是​一​个​强大​的​解决​方案，​营销者​可​将​其​与​其他​工具​结合​使用，​尽​可能​提升​广告系列​的​效果。​Mi​Q ​和​ P​rivacy Sandbox 团队​强烈​建议​营销者​和​代理​机构​日​后​参与​测试​并​提供​反馈。