主题:
iOS14更新后,苹果调整了IDFA,强制执行ATT隐私框架,SKAdNetwork作为用户方案,保护隐私方案,移动广告主、开发商、广告平台会受到什么影响?

嘉宾:
任娜,AppsFlyer 大中华区解决方案架构师:以色列归因平台。
Eileen Keng, Chartboost 亚太区变现总监:美国程序化变现及买量平台。
Darryl Tan, Liftoff 大中华区业务总监:美国加州DSP,通过机器学习做精准广告投放。

研讨会涵盖内容:
• iOS14更新对移动营销生态中各方带来的变化和影响
• SKAdNetwork的作用原理及应如何最大化地发挥SKAdNetwork的价值
• 移动营销生态中的各方应该如何共同协作应对iOS14更新
• AppsFlyer针对SKAdNetwork的归因方案介绍
• 后IDFA时代下投放“限制广告跟踪(LAT)流量”的实践经验及优化策略

一、什么是ATT框架?
ATT框架,是苹果推出的限制广告流量的框架,或者叫LAT(Limit AD Tracking),iOS14.5发布前苹果是允许用户IDFA被追踪的,如果用户需要设置不被追踪,设置界面藏得很深,限制广告追踪影响不大。但是iOS14.5发布后,用户开启APP会被要求选择开启或关闭广告追踪的许可,一旦用户不允许追踪,APP就不能被追踪IDFA。
开发者需要学习ATT的框架逻辑,iOS14.5允许开发者选择适合的时机弹出ATT的对话框,iOS14.5也允许ATT弹窗前展示一个说明界面,开发者可以向用户说明为何希望他允许广告的追踪。但是保守预估,限制广告流量会对开发商的广告变现有很大影响。

二、ATT框架的更新什么时候落实?
苹果说将在2021年春季推出iOS14.5,具体时间未知。
图中的绿色、紫色、橙色分别代表iOS14.2、14.3、14.4的更新速度,保守预估一旦iOS14.5推出,40天内65%用户将更新。由于iOS14.5为用户带来更强的隐私保护,因此更新频率会更快,65%是一个保守预估。

三、SKAdNetwork是什么?
iOS14.5开始,用户IDFA很难被追踪了。站在应用开发者的角度,仍然需要一个广告归因的途径,苹果提出了新的归因机制,就是SKAdNetwork,简称SKAN。
一般的广告路径是,用户点击广告 - 下载APP - 激活APP,在激活APP时,用户会调用SKAN中的2个API,1是记录一次激活安装,2是记录用户行为事件。
对于行为事件的记录,苹果引入了倒计时器的机制,当APP调用了一次API记录了用户事件,要等待24h,设备在24h后再将归因结果发送到广告平台,当广告平台收到了归因结果后才能解析数值,解析成一个可读的事件(如购买、登录等),归因平台再将这个信息返回给广告平台,广告平台再将这个解读结果展示给广告主。
因此整体上看,整条链路的逻辑倒过来了:用户事件先传给投放平台,再传到广告平台,最终传给广告主。
四、什么是转换值?
转换值是开发者对事件的设置。在iOS14.5中,苹果规定开发者只能设置64个事件,0默认是install,其他可以自己设置,比如购买等,但是APP一旦调用转换值,其存续期只有24h,用户必须在24h触发另一个事件,否则必须在24h后才能再调用同一个用户的转换值。
对于广告主,这是一个时间延迟的概念,计时器带来了至少24h的延迟,倒计时器结束后才能发给DSP,因此无法实时收到用户的行为数据。
对于SKAN,从开发商变现的角度来看,一般是通过ECPM来付费给APP开发商,但是ECPM是基于广告从展示到激活的效果来付费,采用SKAN后广告转换率的精准度势必有下降的趋势,变现效率会下降,加上2020年的大趋势是往程序化购买走,从今年3月开始Facebook要求在iOS上放弃变现,采用in-app bidding的方式管理流量,in-app bidding是一个程序化购买的方式,越来越流行。

五、SKAN和IDFA的关系是什么?
SKAdnetwork是一个确定性的归因,可以保护终端用户的隐私,并且不基于IDFA,这套框架是不受制于用户在APP弹窗是否选择授权,SKAdnetwork可以cover所有用户。

六、SKAN的局限性?
1、没有覆盖所有归因链路,目前只覆盖了“应用-应用”和“应用-网页”两条路径,很多其他的包括QR Code、网页营销等,这块2.2版本都没有覆盖。
2、SKAN数据归因回传延迟至少24h以上,频繁调用转化值的API会使得延迟更久,最长可能要2个月。
3、很多节点可以被操纵,导致结果不准确。
4、SKAN不基于IDFA,回传的事件是匿名的,以前是基于用户标识符做数据统计和广告投放。
5、SKAN优先传给广告平台,如果广告主想获取,必须对接每一个广告主,很浪费时间。

七、对于广告投放的影响?
1、现在没有实时回传给广告平台了,ROAS优化的难度会增加。
2、用户定向投放是没办法做了,因为没有IDFA。
3、再营销,没有IDFA也没办法做。
4、增量测试很困难,没有IDFA没办法公平比较。
5、匿名事件省掉了很多颗粒度比较细的资料,统计分析更难。

八、对于开放商,从广告变现的角度,如何有效应对?
用户级定向投放更加困难,考虑到广告投放的转化率低,会趋于保守,因此开发商的收益下降。
开发商应该使用先进的流量管理工具,in-app bidding是很好的方式,可以帮助开发商获得更多的广告源,帮助广告主在公平的market place竞价,用户级定向投放的削弱使得广告平台倾向于使用上下文广告取代用户级定向。

九、从归因平台的角度来看,最大的影响是什么?
过去10年归因平台主要基于IDFA做归因,IDFA可获取的量减少后,之前的方法有很大的局限性,有四种部分解决方案的集合。
第一,如果能拿到IDFA,可以用传统的IDFA做归因。
第二,如果拿不到IDFA,可以采用IDFV做归因,但是IDFV是针对同一个开发者账户,所以不能完全替换IDFA。
第三,使用概率归因模型,做实时归因并返回给广告平台。
第四,使用苹果的SKAN方法。
将以上这四种方法结合起来,得到全面的数据解读。

十、归因平台的解决方案
2020年6月WWDC上,苹果就计划推出新用户隐私政策。Appflyer推出了SK360作为无法获取IDFA的解决方案。
未来从iOS14.5版本开始,SKAdnetwork一定会成为iOS主流的归因链路,SK360就是基于SKadnetwork最大化解决这个链路的局限性。

SK360包含5部分。

第一部分,Connect。数据割裂是SKAN下一个比较严重的问题,由于苹果先返回给广告平台,广告主要对接所有的广告平台,费时费力。SK360会和所有广告平台对接SKAN数据,验证数据、归集数据、解析数据后,将可读的报告给到广告主。

第二部分,Optimize。对于0-63转换值的配置,广告主可以在后台选择记录哪些事件,比如购买记录、购买金额等,通过用户漏斗行为选择Conversion,这样的话开发者SK360后台操作即可,不需要改动APP客户端。

第三部分,Analyze。SK360会把SKAN发回的数据进行加工,由于SKAN数据颗粒度很粗糙,而广告主更关心CVR/CTR等颗粒度较细的数据,所以SK360收集数据后与广告平台单独的API对接,给广告主计算相关指标的结果,最终将一整套丰富的数据展现在面板上。

第四部分,Protect。SKAN链路中很多环节可以进行数据篡改,SK360会先进行验证和防伪处理,确保收到的数据是真实。

第五部分,Predict。SKAN架构下,如果广告主希望记录一个长生命周期的用户行为,会持续调用转换值,导致拿到数据的延迟非常明显,这意味着为了记录用户长生命周期的数据,必须牺牲时效性。基于Predict功能,SK360可以基于应用历史数据,去预估新增用户,用户激活APP后能预测这个用户全生命周期的情况,帮助广告主给所有广告平台打分。

十一、广告主的解决方案
第一步,一定要升级MMP SDK,确认SKAN整合顺畅,设定合理的转换值并将转换值的定义回传给DSP,DSP才能基于事件定义做更优化的广告投放。

第二步,选择对的事件。Liftoff平台提出了一个基于捕获率最高的事件设置方法,采用基于CPA的优化方式,而非ROAS的优化方式,对转换值进行优化。

十二、流量的分类
iOS14.5发布后,流量将被分为3类,如上图蓝色、绿色、黄色所示。

蓝色、绿色会由DSP自动帮助分配、监测不用流量池的成效,帮助广告主保持广告投放的ROI。但是前提是广告主已经兼容了SKAN,且需要对不同流量池设定不同的KPI去衡量(因为不同流量池的颗粒度不一样)。

十三、开发商的解决方案
为了更积极兼容SKAN,开发者要更新各大广告平台的SDK。另外,也要把完整的广告平台SKAN ID添加到info.plist里。

基于对历史数据的预测,站在广告变现平台的角度来看,无法追踪的IDFA流量比例达到40%-50%,未来LAT流量占比会越来越大。

开发者如何保证稳定的变现收益?
1、iOS14.5前调整waterfall的价格配置,调整广告填充率。
2、开发者应该积极与Google Play/Amazon等其他平台对接变现机会,这些平台的变现效率很高,可以积极探索。
3、测试新的in-app bidding程序化广告购买的方式,提高ECPM。

4、由于用户级定向未来会削弱,建议开发商依靠上下文广告去做广告投放。一般广告平台收集到的广告数据是基于APP类型、游戏类型、语言ID等,与用户信息无关,但是上下文广告是基于数据的。

上下文信号对于DSP来说很有帮助,Liftoff目前的调整包括:投放逻辑开始包容不同data point去竞价,将campaign ID数的75%留给上下文信号,Liftoff将在不同exchange上调整竞价策略,维持一个良好的成绩。广告主可以和不同的广告平台对接投放端的机器学习逻辑。

十四、Q&A
1、苹果目前规定转换值回传到广告平台只能传一个最终的数值,0-63。
2、对于归因窗口期,苹果的开发者文档中提到,SKAN分为2类广告。第一类是store-kit render(click ad),用户看广告到下载有30天,下载到激活60天,第二类是view through add,用户看广告到下载有24h,下载到激活有60天。
3、休闲游戏的优势是用户池子很大,定向用户投放不是很依赖,但是小众游戏对用户定向的依赖更高一些,苹果对用户隐私的保护更严格,其实是抑制了广告变现模式的生存空间,希望让游戏开发更着重于内容,收入来源于更高的LTV,来源于IAP等,大方向来看苹果希望把游戏发放往内容优化来走

苹果手机的定向广告时代告终相关推荐

  1. “我们必须禁止互联网定向广告!”

    作者 | Paul Jarvis 译者 | 香槟超新星,责编 | 郭芮 头图 | CSDN 下载自视觉中国 出品 | CSDN(ID:CSDNnews) 以下为译文: 剑桥分析公司(Cambridge ...

  2. 【BI学习心得13-淘宝定向广告演化与天猫用户复购预测】

    目录 1.电商定向广告 VS 搜索广告 1.1电商定向广告 1.2搜索广告 2.淘宝定向广告演化 3.阿里深度兴趣网络DIN 3.1attention机制 3.2评价指标 3.2.1改进AUC 3.2 ...

  3. 阿里妈妈牟娜:定向广告新一代点击率预估主模型——深度兴趣演化网络

    分享嘉宾:牟娜 阿里巴巴 高级算法工程师 编辑整理:孙锴 内容来源:DataFun AI Talk<定向广告新一代点击率预估主模型--深度兴趣演化网络> 出品社区:DataFun 导读: ...

  4. 【BI学习作业13-淘宝定向广告演化与天猫用户复购预测】

    目录 写在前面的话 1.思考题 1.1电商定向广告和搜索广告有怎样的区别,算法模型是否有差别 1.1.1电商定向广告 1.1.2搜索广告 1.2定向广告都有哪些常见的使用模型,包括Attention机 ...

  5. 推荐实践:新一代Rank技术在阿里巴巴定向广告推荐系统中的应用与实践

    猜你喜欢 0.2021年轻人性生活调研报告1.如何搭建一套个性化推荐系统?2.从零开始搭建创业公司后台技术栈3.2021年9月份热门报告免费下载4.微博推荐算法实践与机器学习平台演进5.腾讯PCG推荐 ...

  6. 【PPT分享】阿里巴巴定向广告之新一代Rank技术.pdf(附下载链接)

    大家好,我是文文(微信:sscbg2020),今天给大家分享阿里巴巴新零售定向广告团队的周国睿老师所做的分享<新一代Rank技术.pdf>,本次分享主要介绍了当前团队在排序算法方面的新工作 ...

  7. 【广告技术】如何提升定向广告效果?腾讯广告提出高质量负实例生成新方法

    基于CCF-腾讯犀牛鸟基金的平台支持,腾讯广告与清华大学李勇老师团队围绕分布式大规模推荐算法开展了深入的合作研究.双方最新的合作成果入选了信息检索和数据挖掘领域顶级学术会议之一ACM CIKM 202 ...

  8. 阿里定向广告智能投放技术体系

    导读:随着经济数字化地快速发展,互联网广告在赋能商家营销.帮助消费者高效了解商品和服务.以及商业平台的变现等方面扮演着越来越重要的角色.互联网广告生态中,广告主通过付费在媒体上对目标用户进行营销信息传 ...

  9. 300万微信公众号迎来广告时代

    移动互联网时代,做一款让用户喜爱的产品或许不难,但要做一款即让用户喜爱.又能赚钱的产品却很难.这一点,相信作为微信之父的张小龙正越来越深刻的感同身受. 7月7日,微信官方对外宣布,正式联合广点通推出微 ...

  10. 搜索引擎定向广告策略--以百度为例

     关键词定向广告已经成为搜索引擎的最核心的收入模式,无论是OOGLE还是百度,定向广告已经成为其主要收入来源,如果没有这种营收模式,估计现在互联网的搜索概念也不会象现在那样炙手可热.那么如何通过技术手 ...

最新文章

  1. Android 实时文件夹
  2. 深度学习中7种最优化算法的可视化与理解
  3. 子空间迭代法 matlab,基于MATLAB的一类迭代分析
  4. 实训三(cocos2dx 3.x 打包apk)
  5. Linux下安装并使用MySQL数据库
  6. 木马藏身于系统进程中
  7. MessageFormat 格式化String
  8. bzoj4515 [Sdoi2016]游戏 标记永久线段树+链剖+差分
  9. 微软请你学Linux,最后4节课,即将收官,错过了就没有了!
  10. pytorch_basics Save and load model
  11. JS学习总结(10)——Windows对象
  12. PHP实现敏感词过滤
  13. python酷q机器人_酷Q机器人实时热点Python源码
  14. ss命令在linux上的安装
  15. 个人信息安全规范----7、个人信息安全事件处置
  16. 技术族谱:软件开发相关知识体系的整理心得(图)
  17. CG100---13年金牛星 调表 型号HA48
  18. sd和sem啥区别_生物统计学-标准差(SD)和标准误(SEM)有何区别.pdf
  19. SolidWorks+thonny esp32 电磁控制,程序算法搞起来了,我的结构-仿真-电磁-控制-算法的学习之路
  20. mysql更新10000条记录_如何快速更新数据库中的百万条数据

热门文章

  1. 朗迪碳酸钙D3颗粒告诉你,为什么补钙要从娃娃抓起
  2. unit在matlab中啥意思,unit8(matlab中uint8函数)
  3. curl 命令详解(超详细)
  4. 【转】基于gamebryo引擎开发过程中组件的应用和取舍 By 宋晓宇
  5. 网盘搜索引擎原理大揭秘
  6. 物联网智能家居与射频识别技术应用
  7. 免费logo设计在线生成
  8. JS表单验证Email地址
  9. tp6 的unique验证
  10. 云服务器的计费模式有哪些?