2021 年的归属：哪些可行，哪些不可行

2021 年 iOS 14 的变化将改变世界各地的企业。尽管这些变化很快就会到来，但人们对营销分析会是什么样子还没有形成共识。今天，我将谈谈出版商们正在讨论的迷思，并给出我的评估和建议。

1) 睁一只眼闭一只眼：什么都不会改变

所有迹象都表明，未来将发生翻天覆地的变化。仅举几个营销分析方面的例子：

• 自归属网络（SAN）的广告覆盖范围已经在缩小（来源：SAN）： MADV - IDFA0，时不我待)
• 归因的定价方式将发生变化（资料来源：美国国家地理信息局）： 移动营销平台应停止收取归属安装费)
• 广告收入将减少（资料来源：中国广告协会）： FAN 项目 50% 在 iOS 14 更改后广告收入下降)
• 用户行为将发生变化（资料来源：美国国家地理信息局）： iOS14 可能会如何改变消费者的移动行为)

在 iOS 14 的新变化生效之前，并非所有 SAN 都会整合 SKAdNetwork。如果他们继续通过 IDFA 对用户进行归属，这将意味着出版商将减少约 80% 的归属用户。

建议:确保您了解广告网络的归属类型。 有些广告网络已经支持 SKAdNetwork，但您需要与您的 AM 沟通以获得其访问权限。当 iOS 14 发布时，请确保对您的 UA 策略进行必要的更改。

2) ATT 选择加入率高，足以使用 IDFA

我们的估算显示 只有 20% 的用户同意跟踪他们的活动。 MobileDevMemo 社区认为 甚至更低；预计选择加入率在 10 -19% 之间。出版商能否通过应用内机制大幅提高这些数字值得怀疑。此外，还有人担心额外的弹出窗口会损害用户体验。

建议:在规划 2021 年的技术堆栈时，为不存在 IDFA 的世界做好准备。

3) 每个人都将通过指纹识别进行归因

指纹归属基于 IP 地址和其他参数，这些参数包含在 用户代理.一些出版商开始将其作为一种新型的 "概率归因 "重新炒作，简单地用一些新词汇来重构旧术语。 要小心理解，并核实 "概率 "的实际含义。

当我们谈论指纹归属时，还有两件事需要牢记：

• 目前，指纹识别是出版商将来自网络的移动用户归属于应用程序来源的唯一方法。
• Facebook、Google、Snapchat 等 SAN 更有可能采用 SKAdNetwork，而不是指纹识别。因此，出版商需要调和来自不同归因方法的数据。

我们将不得不等待苹果的官方反应，届时 iOS 14 更新将于 2021 年上线。

我们的建议:小心老调重弹。准备一个广告组合，不要完全由只做指纹归因的广告网络组成。

4) 通过第三方用户 ID 进行归属

苹果公司没有表示允许第三方 ID 在不同发行商之间进行追踪。如果您打算使用这种方法或采用在幕后使用这种技术的 SDK，您的游戏很有可能会被拒绝。

苹果公司最近更新了其 应用商店隐私条款这表明，如果有一个可跟踪各出版商的第三方 ID，就可以 不是 接受。用户需要通过 ATT 明确同意可以共享他们的数据，无论使用什么 ID 将其与安装匹配。

WWDC 2020 演示幻灯片

我们的建议:仅将第三方 ID 用于内部应用程序分析，不要试图将其用于不同发布商应用程序的归属。

5) 通过 IDFV 进行归属

IDFV 应该用于归属属于同一发布者的应用程序内的用户。它不能用于不同发布商应用程序之间的正常归属。这一点在 苹果公司的数据使用和隐私文件.

例如

• 用户看到 APP_PUB1 上的广告，其 IDFV 为 IDFV_APP_PUB1。
• 他们点击广告。
• 他们安装并启动 APP2，其 IDFV 为 IDFV_APP_PUB2。

这里没有共同的 ID 来进行匹配。这就是 IDFV 只有在交叉促销（两个应用程序来自同一应用程序商店供应商）的情况下才能工作的原因。

我们的建议:仅在交叉促销活动中使用 IDFV。

1) 营销组合模型

营销组合建模 是一种分析方法，利用历史信息，如联合销售点数据和公司内部数据，量化各种营销活动对销售的影响（资料来源：《全球营销报告》，2009 年）： 维基百科)

这种方法的最大缺陷是需要大量时间来收集足够的数据，以提供可操作的见解。此外，这种方法不支持投资回报率等关键队列指标。

大型出版商历来用它来衡量电视营销活动和其他类型的品牌营销。至于效果营销，它并不适合，因为 UA 团队需要快速做出决策。

2) SKAdNetwork

SKAdNetwork 是苹果公司创建的一个新框架，旨在提供更加以隐私为中心的归属。

首先，请务必阅读我们与凯文-布拉沃（Kevin Bravo）合作编写的指南。 iOS 14 免 MMP 发布指南.它详细介绍了 SKAdNetwork 的工作原理。

其次，确保您了解 SKAdNetwork 报告的工作方式。与开发人员现在习惯的方法相比，这是一种完全不同的方法。例如，像队列分析这样的方法将被淘汰。更多信息 天神培训--重新思考谷歌和 Facebook 的衡量标准).

免责声明：下一种方法由天神开发，仅提供给天神客户。

3) 归因模型

归因建模 - 归因方法，根据多种信号确定用户来源。用户不会以 100% 的概率（确定性）被分配到一个营销活动中。一个用户可能被分配给多个营销活动。根据所收到的归因信号的强度，每个营销活动都有不同的概率百分比。

归因建模数据与通过确定性归因归因的用户数据进行核对。换句话说，您不需要像其他 MMP 所提供的方法那样，使用多个仪表盘来分析数据。

归因模型使用 SKAdNetwork 作为主要数据点之一来进行归因。

通过归因建模，出版商可以保留其队列投资回报率和以前可用的维度。

与当前属性相比，它的缺点是您只能在 24 小时后看到数据。这是由于 SKAdNetwork 的报告限制造成的，具体解释如下 这里.

最后，Tenjin 鼓励大家在选择最适合自己的归因类型时，要进行自己的研究。要直言不讳，不要羞于向你的 MMP 提出令人不舒服的问题。如果您有任何问题，请发送电子邮件至 info@tenjin.com。