Part 3:Aarki 团队谈论苹果隐私变更 - DSP 视角


DSP Perspective of Apple Privacy Changes

IDFA 曾一度是媒体采购应用内广告的重中之重,但随着 iOS14.5 的发布,这一现实也随着苹果的隐私政策一同发生变化。此后,营销人员需要在 ATT 框架获得用户的许可后才能追踪他们或访问他们设备的广告识别符。尽管 iOS14.5 距今发布已2个月有余,但有许多问题我们依然没有答案。

我们在此前的文章中为您带来了 MMPs Ad Exchange 对苹果隐私变化影响的预测。作为 Aarki IDFA 三部曲,我们采访了 Aarki 团队的成员,为您全面解答 DSP 方面您可能关注的问题。

Aarki Team headshots, Nicol, Anton, GraceAarki Team headshots, Igor, Kim


问题 1:DSP 的模式是否仍适用于 SKAN 回传?

简单来说是的;往复杂了说,每个采购伙伴、DSP、网络、SAN 都必须应对来自 SKAN 的较弱信号和不完整的事件覆盖,尤其是在 Campaign 的前期。

苹果对 SKAN 回传中的两个信号设置了隐私阈值:

  1.  源应用 - 带来安装的广告所展示的位置
  2.  转化值 - 代表广告主应用在安装后续追踪的转化事件回传

从源应用的角度来说,隐私阈值意味着,对使用 SKAN 进行优化的采购方来说,在 Campaign 的安装量达到某个阈值之前,带来安装的源应用将是未知的。转换值也是如此,我们已经看到在达到对应阈值前,确实需要每个 campaign ID 的安装量积攒到一个不低的水平。

拿转换值来说,营销人员所选择的转化模式和事件也可能会影响转化值信号的接收,所以营销人员和他们的下游开诚布公地探讨如何评估 SKAN 的转化是很重要的。

为了保护用户隐私,数据更加延迟和隐蔽,但就购买模型而言优化方式并没有根本上改变。采购方可以将转化值拆解为应用内事件,训练、部署模型针对这些事件进行优化。

来自 MMP 的数据依然可以用作 campaign 优化和建模的参考。但数据的规模和效用会因营销人员其应用及广告类型而有所不同(还需要考虑偏见)获得符合隐私规范的用户回传数据对于优化来说是至关重要的。

引导 SKAN 优化的最佳方法是在 ATT 开始实施前,尽可能大规模地上线 SKAN 归因的 campaign。早启动可以为营销人员和采购伙伴提供时间来收集和分析 SKAN 的转化数据,从而在 ATT 实施前搭建优化模型并确定 campaign 策略。

- Nicol Cseko, VP of Product

问题 2:SKAN 模型与以往的模型有何不同?

对于机器学习模型来说,SKAN 归因最具挑战性的部分是无法将每次展现与转化(安装、参与、购买)相匹配。 这从根本上改变了训练集,必须思考不同的建模方法。

区别于传统的二元分类数据集,我们必须聚合每个 SKAN campaign 的数据。

IDFA从这样的数据集中提取有价值信息的一种方法是拟合每组特征(source_app、skan_campaign_id)的分布,然后从该分布中采样以进行预测(汤普森采样)。这里的主要挑战是创建最佳的 SKAN campaign ID,因为它将成为最有用的特征。

另一种方法是使用所有上下文特征构建模型来预测 CTR; 在这种情况下,我们可以获取展现层级归因。然后,我们可以使用上述方法对剩余的点击进行建模,并在汇总数据上安装转化漏斗。一方面,这使我们能够在用户点击倾向方面捕获更丰富的信号。但这种方法容易受到点击诱饵、欺诈和意外点击的干扰。

- Anton Protopopov, Data Scientist

问题 3:我该如何在 iOS 14.5 campaign 上测试新素材?问题 3:我该如何在 iOS 14.5 campaign 上测试新素材?

素材测试必须要有创意!如今的素材,甚至连动态素材的某个特定版本都可以从各个维度(展现到安装、安装后行为)准确归因并评估。但现在,SKAN 通过混淆安装与创意及广告展现之间的关系,阻碍了这种精细评估方法。素材测试必须要有创意!如今的素材,甚至连动态素材的某个特定版本都可以从各个维度(展现到安装、安装后行为)准确归因并评估。但现在,SKAN 通过混淆安装与创意及广告展现之间的关系,阻碍了这种精细评估方法。

还有一些方法可以测试并优化广告素材。首先,关注没有受到 SKAN 影响,可以继续使用的顶部漏斗指标(如点击数、停留时间和互动率等)。

为了优化安装,简单可行的方法是按素材区分 SKAN campaign ID,因为我们终将获得来自 SKAN 的安装信号。
但这可能不适用于利用底部漏斗优化素材的营销人员。

SKAN campaign ID 的隐私阈值意味着,如果没有达到一定的规模,许多 campaign 就无法通过转换值快速了解安装后事件,而其相应的学习成本和时间成本很可能会让一部分人望而却步。对这部分人来说,可以采用以下几种方法:

  1. 解决这个问题的一个方法是拿既有的成熟 SKAN campaign 来测试素材。你可以上线一个新的素材,持续追踪其表现变化。
  2. 更数据驱动的方法是拆分 campaign 中的流量,比如根据地理拆分,然后利用地理分区的表现,去了解素材层级的表现。目前,这种方法是可行的,因为可以从 SKAN 的回传中获得部分地理数据。分区需要仔细分割,以尽量减少误差,但可以用另一种方法来评估素材层面的安装后转化。
  3. 从安卓的 campaign 中汲取经验,又或者那些授权应用内追踪的用户,但需要注意的是有时这些经验并非100%适用。从安卓的 campaign 中汲取经验,又或者那些授权应用内追踪的用户,但需要注意的是有时这些经验并非100%适用。

清楚明确地了解素材的表现,始终是移动营销生态圈的诉求之一,这一点苹果也不例外。在 SKAN 2.2 版本中,引入了 3 种新的广告表述方式:adType、adDescription、adPurchaserName。这些属性目前未投入使用,也不属于 2.2 回发的部分,谨慎的同时,我们也乐观地相信苹果将会持续更新 SKAN,并提供更有意义的素材层级归因方法。清楚明确地了解素材的表现,始终是移动营销生态圈的诉求之一,这一点苹果也不例外。在 SKAN 2.2 版本中,引入了 3 种新的广告表述方式:adType、adDescription、adPurchaserName。这些属性目前未投入使用,也不属于 2.2 回发的部分,谨慎的同时,我们也乐观地相信苹果将会持续更新 SKAN,并提供更有意义的素材层级归因方法。

- Grace Oabina, Sr. Manager - Analytics

问题 4:我们该如何利用 SKAN campaign ID ?

SKAN 只支持每个投放应用同时追踪 100 个 campaign。鉴于苹果对细颗粒度 campaign 回传数据的利用限制,对于如何选择最佳 campaign 数量有多重考量。让我们暂时将这些问题放在一边,来探讨一下如何通过多种方式灵活运用 campaign 系列的配额。

SKAN campaign 最终有两个目的:

  1. 界定对报告和效果评估有用的群组;如,按广告样式或地理区域划分流量,这将允许 DSP 和营销人员以效果为导向管理 campaign 决策。界定对报告和效果评估有用的群组;如,按广告样式或地理区域划分流量,这将允许 DSP 和营销人员以效果为导向管理 campaign 决策。
  2. 将流量分组,使下游信息收益最大化,以训练预测模型。

我们对 campaign 分组对应分为如下。

  1. M1:预留给营销人员。
  2. 保留M2,用于内部人工特征探索。
  3. 优化余下的M3 = 100 - (M1 + M2),用于下游模型训练。

上述类别中,3. 代表了最有趣的挑战。某种层面上,我们正试图解决一个受限的降维问题。我们必须将一个大约50万维的特征空间压缩成M3级别的单一分类特征,如此一来,我们就可以将最大量的潜在样本信息编码。我想到了几种方法。

  1. 基于决策树。决策树将数据集分割以最大化信息收益,所以它们是这个问题的一个自然选择。
  2. 基于聚类。我们可以学习上下文向量的嵌入,并建立这些向量的聚类;这隐含地假设嵌入空间中的类似用户表现出类似的转换模式。
  3. 基于神经网络(自动编码器)。我们可以基于这些群组共同学习最佳群组和转换概率。

我们正在积极探索和试验所有这些策略。

- Igor Raush, Data Scientist

问题 5:行业上下整装待发。苹果推迟 ATT 为供给端带来了怎样的影响?

要使用 SKAN 进行归因,不仅是推广端,整个供应链都需要准备好,从下游媒体的展现,到交易平台向买方发送竞拍信息。要使用 SKAN 进行归因,不仅是推广端,整个供应链都需要准备好,从下游媒体的展现,到交易平台向买方发送竞拍信息。

从 DSP 的角度来说,我们已经看到 iOS 14.5 的推迟在两个方面有所帮助:

  1. 让下游变现端有更多时间添加或更新 info.plist 文件,确保符合 SKAN 认证。如果没有及时操作,下游媒体将错过在 iOS 端的变现机会,而竞拍者如未公布 SKAN ID,也将将失去竞拍机会。
  2. 为 Ad Exchange 和 SSP 争取了更多时间。对于通过交易平台购买的竞拍方,SSP 的 SDK 需要在适当的时候将 SKAN campaign 参数和签名从 DSP 传给苹果,这意味着所有承载广告的 SDK 都必须支持此归因框架。大多数移动优先的应用内供应链已规模化地支持 SKAN,有些则反之。其中很多可能并不只单一专注于移动供应,但这些渠道在移动端效果广告花费的占比相当可观。

好消息是,在供应侧,在 Aarki 目前看到所有 iOS 14+ 出价请求中,有 62% 符合 SKAN 规范。

此外,深入供应链,Aarki 经手的绝大多数广告交易如今已转向 iOS 14+ 用户,这其中 91% 下游媒体已经支持 SKAN。

- Kim Aquino, Director of Business Development

广告生态系统即将迎来隐私为先的时代,Aarki 将始终坚持目标 -- 为移动营销人员提供超越期望的营销活动表现。如想了解更多 Aarki 为 SKAN 所制定的策略,请在此处给我们留言。

 

Topics: Product