Mi​Q ​的​測試​結果​顯示，​At​tribution Reporting ​API 確實​適用​於轉​換評估

重點​摘​要

• MiQ 開始測試​獨立​運作​的​ A​ttribution Reporting ​A​PI，​判斷其是否​適用​於轉​換​評估，​同時​開發​能​夠​保護​隱​私權​的​準確​評估​功能。
• 測試人​員​發現，​At​tribution Reporting ​API ​回報​的​不​重複轉換者​中，​有​ 85%​ 與​第三​方​ Cookie ​回報​的​結果​相同，​另外​還​有​ 3​.7​% ​是​第三​方​ Cookie ​未​記錄​的​不​重複轉換者。
• 做​為​雲端​領域​專家，​Mi​Q ​在​受信任​的​雲端​執行​環境​中​實作​了​摘​要​報表，​以期​在​不​採用​第三​方​追蹤​功能​的​情況​下​取得​信號。​這項計畫​目前​仍​在​初期​測試​階段，​但​已​協助擴​大 Attribution Reporting ​測​試​規模，​並為​採用​ T​EE ​的​行銷人​提供​了​新​的​實作​流程。

下載​個案​研究

發展​以​隱私權​為重​的​指定​目標與評估功​能

Mi​Q ​是​全球 程式​輔助​媒體​供​應商，​為​各​品牌​和​代理商​提供​全​方位​的​廣告​活動、​分析​與成效解​決​方案。​隨著​廣告​大環境​邁入​注​重線​上​隱​私權​的​新​時代，​Mi​Q 認為​有​必要​提供​不​仰賴​第三​方​ Cookie ​的​替代​系統，​並開始​整合 ​Privacy Sandbox A​PI，​提供​既​準確​又​以​隱私權​為重​的​廣告​成效評估解​決​方案。

為此，​Mi​Q 團隊開始探索 AP​I ​的​買方​用​途 (​包括​將 Attribution Reporting ​API 信​號用​於​最​佳化​和​提升​廣告​關聯性​) ​及​各​項​專屬與​合作​夥伴​解​決​方案，​判斷​這項​技術​是否​適用​於事​件​層級報表與​轉換​評估。

測試 Attribution Reporting ​API ​是否​適用​於事​件​評估

由​於 ​Mi​Q ​的​現有​專屬​技術​已​採用​注重隱​私權​的​資料​ (​包括​第一​方​資料、​瀏覽器​資料​和​以隱私權​為重​的​ I​D) 來​建立​目標對象​區隔，​因此​測試​人​員​能​夠妥善​整合 ​Attribution Reporting，​並​使用​ P​rivacy Sandbox AP​I ​打造​跨​ DSP 成效評估解​決​方案。

為​了​判斷 API 評估​功能​的​成效，​Mi​Q ​獨立 Attribution Reporting ​分析​功能​所​採用​的​資料​來自六​個​品牌，​橫跨​四個​不同​的​市場。​測試​過程​中，​團隊​需要​想​辦法​因​應​事件​層級​報表​的​隱私權​相關​限制，​包括​資料​遺失​和​雜訊​增加​問題。​他​們必須調​整單​一​廣告​活動，​限定​每​位​使用者​只記錄​一​次​高優​先​順序​的​轉換，​才​能​有效​減少​雜訊而​不影響​結果。​審視​整個生態​系統​中利害關​係人​的​意見​回​饋後，​Pr​ivacy Sandbox 團隊​決定​推出​ Flexible Event-Level Confi​gurations，​讓測試人​員​能​夠視​需求​自訂 Attribution Reporting。

然而，​資料​遺失​和​裝置​可​用性​是​更​複雜​的​挑戰。​Mi​Q ​的​測試​人​員發現 API ​只​在​約 ​25​% ​的​廣告​曝光​中​有效，​可能​的​原因​有​很多，​包括​在​ iOS 裝置​上​提供​ Attribution Reporting ​AP​I ​的​政策​限制。​測試人​員還​注意到，​在​符合​資格​的​ C​hrome 瀏覽器​中​執​行時，​Cookie 記​錄到​的​不​重複轉換者​人數比 Attribution Reportin​g 多​了​ 1​1%。​他​們根據​種種​因素​提出​了​暫時​的​假設，​認為​問題​的​主因​在​於預​先​設定​的​七天​報表延​遲​時間，​這項​隱​私權​保護​設定​會造成​限制，​導致​系統​無法​順利重新​建立​使用者​層級​的​跨網站​ ​ID。​為​了解​決​這個​問題，​Mi​Q ​調整​了​評估​方法，​針對 Attribution Reporting ​API ​進行​最​佳化，​同時確​保評估​結果​依然​高度​準確。

結果​與​收穫

Mi​Q ​的​測試​結果​顯示，​At​tribution Reporting ​API ​回報​的​不​重複轉換者​中，​有​ 85%​ 與​第三​方​ Cookie ​回報​的​結果​相同，​另外​還​有​ 3​.7​% ​是​第三​方​ Cookie 並​未​記錄​的​不​重複轉換者。​考慮​到​事件​層級報表擷​取到​的​資料​和​舊版​轉換​像​素​一​樣​豐富，​這​可​說​是​相當​可行​的​資料​集。​雖然​ Mi​Q ​的​結論​是​必須 結合摘​要​與事​件​層級報表，​才​能​準確​模擬​廣告​活動​的​實際​投資​報​酬率，​但​他​們十分​樂觀，​認為 Attribution Reporting ​API ​有助​於​瞭解​廣告​對業務​結果​的​影響，​也​適​用​於​最​佳化​出價​模型。

做​為​雲端​領域​專家，​Mi​Q ​也​開始​在​受信任​的​雲端​執行​環境​中，​實作​採用​ A​ggregation Service ​的​摘要​報表，​以期​在​不​採用​第三​方​追蹤​功能​的​情況​下​取得​信號。​這項計畫​目前​仍​在​初期​測試​階段，​並​可​幫助​未來​的​測試​人​員瞭解​有​哪些​可用​資源。

MiQ 認為 Attribution Reportin​g ​是​強大​的​解決​方案，​行銷人​可​與​其他​同樣​實用​的​解決​方案​搭配​使用，​盡​可能​提升​廣告​活動​的​成效。​Mi​Q ​和​ P​rivacy Sandbox 團隊強烈建議​行銷人​與​代​理商日​後​參與​測試，​提供​意見​回饋。