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 及 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。
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：
- 源应用 - 带来安装的广告所展示的位置
- 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。
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：
- 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。
- 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。
- 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：
- 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。
- 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。
- M1：预留给营销人员。
- 保留M2，用于内部人工特征探索。
- 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。
- 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。
- 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。
- 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：
- 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。
- 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。
