●??●??●? 應用跟蹤透明度 (ATT)、應用廣告生態系統中最近的隱私和技術政策變化給游戲廣告主帶來了明顯的挑戰，尤其是嚴重依賴基于設備 ID 成效衡量的應用廣告主。這些挑戰包括歸因下載和轉換的下降以及差異和零星的無效數據輸出——所有這些都導致廣告主質疑基于歸因的成效衡量的可靠性。 鑒于這些挑戰，行業必須重新考慮其成效衡量策略，并轉向在面對變化時更具彈性的隱私優先技術。這類技術的其中一個例子就是營銷組合模型 (MMM)。 最近，Meta 委托 Analytic Edge 進行了一項游戲 MMM 調研，以了解 MMM（一種利用匯總數據的成效衡量工具）能否幫助縮小游戲應用廣告主因信號丟失而導致的成效衡量差距。 另外，這次調研也希望通過評估游戲應用廣告主過往的廣告花費，探究日后的最佳實踐。 調研方法概述 此次調研的受訪對象是來自亞太地區的八家廣告主，涵蓋了從小到大不同規模的游戲發行商。調研方向側重于在美國、日本和香港等多個市場的營銷表現，相關工作由 Analytic Edge 于 2021 年 3 月至 2021 年 9 月進行，適逢應用追蹤透明度 (ATT) 推出期間。 數據 廣告主向 Analytic Edge 提供的數據經過匯總并且完全去身份處理。 建模方法和驗證 Analytic Edge 團隊為每個擁有每日匯總數據的廣告主創建了基于回歸的 MMM 模型，以分析關鍵業務驅動因素與銷售額之間的關系。他們將這些驅動因素（包括媒體和非媒體元素）納入模型中，以全面了解成效。其他非媒體元素用于進一步捕捉節假日、活動、游戲更新、比賽和其他宏觀因素條件下應用內收入與銷售額的關聯，而媒體變量則通過拆分說明它們與 ATT 采用程度的不同關系。為了準確把握不同 ATT 采用程度的影響，時間劃分成了“ATT 之前”和 P1、P2、P3（各兩個月）三個“采用 ATT 后”時間段。模型采用業內盛行的一系列統計和商業有效性標準進行驗證。 解讀 Analytic Edge 洞悉的新機遇 1 - 在隱私至上的環境下，MMM 是游戲和應用廣告主至關重要的成效衡量工具 MMM 為游戲和應用廣告主提供了一種強大、可靠且注重隱私保護的營銷表現衡量方法，特別是在 iOS 生態系統中。在報告偏差上，相比于傳統成效衡量解決方案，特別是最后觸點歸因，MMM 對廣告花費回報 (ROAS) 的建模估算結果更加精確。 最后觸點與 MMM 歸因 Meta RoAS 范圍對比 來源：iOS 調研綜合分析——洞察分析和主要成果，Analytic Edge 2 - 相比于完全依靠最后觸點歸因，綜合分析多個來源提供的信息有助于廣告主制定更明智的營銷決策 ATT 的推出對于最后觸點歸因所依賴的根本性數據基礎架構造成了極大的影響。這種成效衡量模型的可靠性也隨之遭到了削弱。如果與 MMM 等依靠匯總數據且不受信號缺失影響的增量式衡量方法直接進行對比，這種差異更加顯著。 因此，如果僅僅依賴于傳統的成效衡量解決方案，廣告主在制定決策時就可能錯失優化收入的機會。對于最后觸點歸因模型，可以看到 RoAS 逐漸遞減，說明其已經失去了準確性。 另一方面，MMM 歸因的 RoAS 波動程度較為平緩，這也表明完全依靠最后觸點歸因模型制定營銷廣告決策就是一種謬論。 最后觸點與 MMM 歸因 Meta RoAS 對比 來源：iOS 調研綜合分析——洞察分析和主要成果，Analytic Edge 3 - 對于提升非新游戲的 RoAS，Meta 依然是一個表現出色的媒體渠道 縱觀多種不同媒體渠道的 RoAS，對于非新游戲（已發行一年以上）而言，Meta 在 ATT 發布前后的時間段中波動最小，由此可見它依然是一個高效的媒體渠道。 非新游戲 RoAS 來源：iOS 調研綜合分析——洞察分析和主要成果，Analytic Edge 4 - 對比不同產品選項，進階賦能型應用廣告（A+AC，原 AAA）表現優于手動應用廣告 雖然廣告主可能更偏愛手動應用廣告的掌控感，但進階賦能型應用廣告的 RoAS 表現始終更佳（P3 階段高 42%）。如表中所示，進階賦能型應用廣告能夠以更低的成本（P3 階段低 29%）推動收入增長。 RoAS：產品類型對比 來源：iOS 調研綜合分析——洞察分析和主要成果，Analytic Edge 5 - 優化策略對比：價值優化 (VO) 隨著時間推移表現更佳 優化策略方面，價值優化在 ATT 推出期間表現良好，即使在 ATT 應用后依然有極佳的表現。 價值優化 (VO) 隨著時間推移的 RoAS 表現 來源：iOS 調研綜合分析——洞察分析和主要成果，Analytic Edge Meta 建議：廣告主如何提升花費回報 基于 Analytic Edge 的研究結果，關于游戲應用廣告主如何取得更理想的回報，我們的建議如下： 面向未來的成效衡量組合模型：廣告主應采取 MMM 模型來構建面向未來的成效衡量策略，并適應生態系統的變化。這是保障收入水平和市場地位的關鍵。 改善最后觸點報告的準確性：如果廣告主主要依靠基于最后觸點的表現報告，則應尋求通過 MMM 或增量式方法校準這些報告系統來提升準確性。 增加進階賦能型應用廣告花費比重：基于 MMM 模型的分析結果表明，對于應用廣告主來說，增加進階賦能型廣告系列花費比重可能是一項更明智的長期解決方案。 廣告主應針對漏斗下層優化和基于價值的受眾定位增加投入，以實現應用長期 RoAS 的最大化。 MMM 設置最佳實踐 在首次設置 MMM 模型期間，廣告主應專注于以下五個組織性最佳實踐： 首先開展有關 MMM 的必要培訓以便建立認知度并對目標成果設定合理的預期。 讓所有合適的終端用戶和決策制定者參與到項目中，可包括品牌團隊、用戶獲取團隊、BI 團隊、財務部門等等。 優先部署與提升收入和改善成效相關的新用例。 花時間確定您想要研究的正確數據字段和變量，并在項目開始時明確數據質量。 采用可持續的方式通過不同的模型變量組合進行迭代，以便找到最適合您業務模式的模型。 作為一項注重隱私保護的成效衡量技術，MMM 將是廣告主為構建面向未來的成效衡量策略、爭取實現長期 ROAS 最大化邁出的第一步。 構建可持續的成效衡量策略? 來源：“應用程序營銷成效衡量不斷變化所帶來的影響”，Meta，2022 年 4 月 綜上所述，我們建議綜合運用多個技術，制定一個綜合的成效衡量方案。挖掘每個成效衡量技術的優勢，以便更深入地了解關鍵性業務成效的動因。例如，將 MMM 模型與歸因解決方案結合使用，以免因信號缺失導致最后觸點歸因不穩定或不太可靠而蒙受損失。
文章為作者獨立觀點，不代表DLZ123立場。如有侵權,請聯系我們。( 版權為作者所有，如需轉載，請聯系作者 )
網站運營至今，離不開小伙伴們的支持。 為了給小伙伴們提供一個互相交流的平臺和資源的對接，特地開通了獨立站交流群。
群里有不少運營大神，不時會分享一些運營技巧，更有一些資源收藏愛好者不時分享一些優質的學習資料。
現在可以掃碼進群，備注【加群】。 ( 群完全免費，不廣告不賣課！)
